ads:
IBMEC SÃO PAULO
Programa de Mestrado Profissional em Economia
Rodrigo Berber Villar
FATORES DETERMINANTES PARA A PRESENÇA DE
PÚBLICO NO CAMPEONATO BRASILEIRO DE FUTEBOL
ENTRE 2003 E 2006
São Paulo
2007
ads:
Livros Grátis
http://www.livrosgratis.com.br
Milhares de livros grátis para download.
Rodrigo Berber Villar
FATORES DETERMINANTES PARA A PRESENÇA DE
PÚBLICO NO CAMPEONATO BRASILEIRO DE FUTEBOL
ENTRE 2003 E 2006
Dissertação apresentada no Mestrado Profissionalizante
em Macroeconomia e Finanças, como requisito parcial
para obtenção do grau de Mestre em Macroeconomia e
Finanças do IBMEC SÃO PAULO
Campo de Conhecimento:
Microeconometria
Orientador:
Prof. Dr. Regina Madalozzo
IBMEC SÃO PAULO
São Paulo
2007
ads:
Villar, Rodrigo Berber
Fatores Determinantes Para A Presença De Público No
Campeonato Brasileiro De Futebol Entre 2003 E 2006 / Rodrigo
Berber Villar – São Paulo: IBMEC SÃO PAULO, 2007.
25 p.
Dissertação: Faculdade de Economia e Administração. IBMEC
SÃO PAULO
Orientador: Prof. Regina Madalozzo
1. Microeconometria 2. Economia do Esporte 3. Equação de
demanda
FOLHA DE APROVAÇÃO
Rodrigo Berber Villar
Fatores determinantes para a presença de público no Campeonato Brasileiro de Futebol entre
2003 e 2006
Dissertação apresentada no Mestrado Profissionalizante
em Macroeconomia e Finanças, como requisito parcial
para obtenção do grau de Mestre em Economia do
IBMEC SÃO PAULO
Campo de Conhecimento:
Microeconometria
Aprovado em Março 2007
Orientador:
Prof. Dr. Regina Madalozzo
IBMEC SÃO PAULO
Banca Examinadora:
Prof. Dr. Regina Madalozzo
Instituição: Ibmec São Paulo Assinatura: ________________________
Prof. Dr. Naercio A. M. Filho
Instituição: Ibmec São Paulo Assinatura: ________________________
Prof. Dr. Sergio Guimarães Ferreira
Instituição: Ibmec Rio de Janeiro Assinatura: ________________________
Agradecimentos
Gostaria de agradecer a todas as pessoas que foram fundamentais para a execução
deste trabalho. A toda equipe de professores e monitores do IBMEC São Paulo, que nestes
dois anos de curso trabalharam com afinco para que o desafio de tamanha transmissão de
conhecimento num período tão curto fosse possível. Em especial a minha orientadora Prof.
Dra. Regina Madalozzo, que representou para mim o que há de essencial na arte de lecionar,
sendo motivante, paciente, prestativa e principalmente participativa nas sugestões,
explicações e direcionamentos fundamentais para este trabalho.
Aos colegas de classe que fizeram que estes dois anos fossem repletos de momentos
de alegria, amizade e companheirismo e que, tenho certeza, ficarão guardados para sempre na
memória desta turma. Aos ex-colegas de classe e agora amigos Ju, Nanda, Renata, Paulinha,
Vivian, Marcão, Bicudo, Ignácio, Salvatore, Bruno, André: muito obrigado pela companhia
nestes dois anos.
Aos ex-colegas de faculdade e também Mestres, Rodrigo Mello e Vitor Ziruolo, pela
ajuda nas sugestões e pesquisas durante a escolha do tema e principalmente pela disposição
para discussão de cada uma das variáveis e seus efeitos. O apoio de vocês foi essencial para
que eu me sentisse seguro no avanço do trabalho.
E por último, e mais importante, aos meus pais que sempre colocaram a educação
como valor principal da família, me proporcionando, com muito amor e dedicação, todas as
condições para que depois de mais de vinte anos estudo eu pudesse concluir mais esta etapa.
Vocês são minhas maiores inspirações. Amo vocês.
Fatores determinantes para a presença de público no Campeonato Brasileiro de Futebol
entre 2003 e 2006
Rodrigo Berber Villar
Ibmec São Paulo
Março de 2007
Resumo: Através da estimação de uma equação de demanda de público nos jogos do
Campeonato Brasileiro de Futebol entre 2003 e 2006, este artigo busca identificar e analisar
as variáveis determinantes para a presença de público nos estádios. A especificação considera
quatro grupos de variáveis explicativas: estrutura, qualidade esperada, desempenho e
incerteza. A modelagem é feita através da disposição dos dados de mais de 1800 jogos em
forma de painel e uma regressão por OLS. São analisados os modelos de efeitos fixos e
aleatórios para determinação do modelo mais eficiente. Os resultados atestam a maioria dos
impactos esperados no público, destacando-se: preço do ingresso, rivalidades locais, times
visitantes de RJ/SP, desempenho recente do time mandante, ameaça de rebaixamento e
promoção de distribuição de ingressos.
Palavras -chave : economia do esporte, futebol, demanda de público, dados em painel
The determinants of Brasilian Football Championship attendance – 2003 to 2006
Rodrigo Berber Villar
Ibmec São Paulo
2007 March
Resumo: This paper seeks to analyze and identify variables that influence public attendance
at football matches in Brazil. Deriving a demand curve for public attendance at football
stadiums in the Brazilian Football Championship between 2003 through 2006, this paper
highlights four main explicative variables: stadium infrastructure, teams performance,
expected quality and uncertainty. Data were drawn from over 1800 matches and the
econometric models uses OLS regressions and panel data form. The work analyzes fixed and
random effects models in the search to identify the most efficient model. The results reflect a
series of variables that influences attendance, in particularly: ticket price, local derbies, if the
visiting teams are from Rio de Janeiro or São Paulo, recent performance, the risk of
relegation, and the use of promotional techniques in distributing tickets.
Keywords: sports economics, football, panel data, attendance
8
1
Na literatura de economia do esporte a questão se os times atuam como maximizadores de lucros permanece
aberta. Fergunson et al (1991) utiliza dados da NHL para concluir que o preço dos tickets indica que os times são
maximizadores de lucros, discordando de trabalhos anteriores. Já Boyd & Boyd (1998) exploram a questão de
que o fato de jogar em casa impacta na quantidade de vitórias dos times já que o apoio da torcida e melhor
conhecimento do campo ajuda a trazer vitórias. Os esportes americanos possuem uma temporada regular em que
os melhores times levam a vantagem de fazer mais jogos do playoff dentro de casa O texto indica que alguns
clubes abrem mão de maximizar a receita na temporada regular de modo a conseguir o home field advantage nos
playoffs o que compensaria a perda da primeira etapa do campeonato.
1- Introdução
O estudo de demanda de público em esportes é tópico freqüente na literatura de
economia do esporte. A abordagem mais comum traz uma equação de demanda com fatores
determinantes para a presença de público, sejam eles fatores sócio-econômicos ou ligados ao
esporte em questão. Diferentes tipos de abordagem dos dados são utilizadas nestes artigos,
assim como a especificação econométrica e implicação econômica dos resultados encontrados
também variam bastante.
Alguns estudos utilizam as equações de demanda para propor melhor estrutura na
formação de ligas esportivas, analisando os principais fatores determinantes de público a fim
de maximizar o potenc ial em função da melhor alocação dos times e determinação dos
métodos de disputa. Em Jones (1969) e Jones e Fergunson (1988) são discutidas questões
referentes a estrutura e alocação dos times na liga americana de hóquei no gelo (NHL). El-
Hodiri e Quirck (1971) e Rivett (1975) discutem os fatores determinantes de público para as
ligas de futebol inglês e o conseqüente impacto destes fatores nos aspectos econômicos das
ligas. Jones, Schofield e Giles (2000) e Dobson, Goddard e Wilson (2001) realizam estudos
semelhantes, porém tendo como objeto as ligas inglesas de rúgbi.
Outros estudos abordam a questão de maximização de lucros e o papel dos clubes
dentro da economia do esporte. Há uma discussão aberta se os times/clubes atuam como
maximizadores de receita, títulos ou entretenimento
1
. Fergunson, Stewart, Jones e Le Dressay
(1991) discutem, através da relação entre preço e público, a questão da maximização de lucros
na NHL. Boyd e Boyd (1998) analisam a questão do home field advantage, ou seja, a
vantagem de jogar em casa no desempenho dos times e o conseqüente trade off entre esta
vantagem e a maximização da receita da venda de ingressos.
9
2
Em 2002 o campeonato brasileiro teve 339 partidas porém apenas 214 tiveram público e renda divulgados,
sendo estas usadas no trabalho de Souza e Angelo (2004).
Postas as equações de demanda, alguns fatores são encontrados na maioria dos estudos
e passam a ser objeto de estudos particulares. Um destes fatores é o que chamamos de
incerteza do resultado esperado, fator determinante para o público e que precisa ser modelado
em função do esporte e característica da liga em questão. Peel e Thomas (1996) e Falter e
Perignon (2000) discutem a incerteza na determinação dos resultados de jogos de futebol.
Outro fator encontrado nas modelagens e discutido em textos específicos é o impacto da
transmissão pela TV, aberta ou por assinatura, como abordado em Allan (2004) ou mesmo do
impacto da transmissão pela TV de campeonatos maiores sobre jogos de ligas menores, como
em Forrest e Simmons (2006).
Em relação ao futebol brasileiro, Souza e Angelo (2004) discutem os fatores
determinantes na presença de público para o Campeonato Brasileiro de Futebol 2002. Porém a
pouca disponibilidade de dados de público e renda e a utilização de apenas um ano de
campeonato prejudicam a especificação do modelo, embora alguns resultados estejam em
linha com as demais equações de demanda
2
.
A despeito da especificação econométrica, Garcia e Rodriguez (2001) desenvolvem
um modelo bastante completo estudando a liga espanhola de futebol. O texto utiliza dados em
painel da liga durante 4 temporadas (1993 a 1996) e discute cerca de 30 variáveis
determinantes para a a variável endógena, no caso log público pagante, desconsiderando os
proprietários de carnês para toda a temporada. O texto ainda discute a elasticidade da
demanda em relação ao preço para cada time da liga.
O presente artigo pretende discutir os fatores determinantes de público no Campeonato
Brasileiro entre 2003 (ano que foi instituído o modelo atual de pontos corridos) e 2006. Para
isso modelaremos os dados em forma de painel. A escolha desta modelagem se deve ao fato
de podermos tratar cada jogo entre duas equipes como um indivíduo reconhecido, que se
repete ao longo dos anos. A modelagem simples pros cross-section ou time-series faria com
que perdêssemos informações de cada um dos jogos. Tratando os dados em painel, poderemos
capturar e reconhecer as características não observáveis de cada um dos indivíduos.
10
3
O auge da desorganização no futebol brasileiro ocorreu no ano de 2000 quando devido a uma série de ações
Judiciais decorrentes da indefinição dos times rebaixados, o Campeonato Brasileiro foi impedido de ser
realizado, sendo disputada a Copa João Havelange que contou com mais de 90 times divididos em 3 módulos.
Além disso, nos anos seguintes o campeonato foi inchado para suportar todos os times que haviam conseguido o
direito de disputar o campeonato, atingindo o número pretendido de 20 equipes apenas em 2006.
2- Dados e Modelo Econométrico
A partir de 2003, o Campeonato Brasileiro de Futebol da série A (primeira divisão)
passou a ser disputado na forma de pontos corridos, modelo que permaneceu inalterado entre
2003 e 2006. Nestes anos, o Campeonato foi disputado entre os meses de maio a dezembro,
logo após o encerramento dos campeonatos estaduais. Além do título brasileiro dado ao
campeão, o campeonato classificou os quatro melhores times para a Copa Libertadores da
América e rebaixou os quatro piores para a série B. O número de equipes foi reduzido de 24
para 20 equipes na série A, porém esta redução foi feita reduzindo o número de equipes que
ascendiam da série B para a série A (apenas duas equipes nos anos de 2004 e 2005). Assim
assumimos que os incentivos proporcionados pela forma de disputa permaneceram
inalterados. Cabe ressaltar que até 2002 era comum haver troca de regulamento do
campeonato entre um ano e outro, tanto para a determinação do campeão quanto para a
definição dos times nas séries A e B
3
.
O ano de 2003 marca também o início da aplicação do Estatuto do Torcedor. No que
tange a este trabalho as principais implicações do código estão relacionadas a políticas
obrigatórias na venda de ingressos, divulgação de renda e público, estabelecimento prévio e
manutenção de calendário de partidas além de garantir a aplicação das regras de acesso e
descenso. Desta maneira pode-se assumir que os dados referentes ao público das partidas
tornam-se bem mais confiáveis a partir de 2003, fator que possibilita o andamento deste
estudo.
Entre 2003 e 2006 foram realizados 1946 jogos pela séria A do campeonato brasileiro.
Utilizaremos como fonte de dados de público e renda o Tabelão da Revista Placar, que
acompanha todos os jogos do campeonato brasileiro desde 1971.
11
Neste período, alguns times foram punidos pela justiça desportiva tendo como pena
disputar jogos sem a presença de público. Estes jogos não estão incluídos na base de dados.
Além disso, apesar da determinação do Estatuto do Torcedor para declaração de público e
renda, em 2003 alguns jogos não seguiram esta determinação.
Em 2005 o Campeonato Brasileiro teve onze jogos anulados por suspeitas de
manipulação de arbitragem. Estes jogos foram disputados posteriormente com portões
abertos, isto é, sem cobrança de ingresso. Para efeito da base de público não incluímos estes
jogos e para efeito de pontuação e colocação dos times utilizamos os resultados das partidas
realizadas novamente. Desta maneira resultamos numa base final com 1851 jogos.
Nestes quatro anos a média de público pagante ficou em torno de pouco mais de 12
mil pessoas, sendo que o desvio padrão é bem próximo da média, atestando a forte dispersão
nos dados. A tabela 1 mostra a evolução do público durante os anos de 2003 a 2006:
Tabela 1 – Média de público no período analisado
Ano 2003 2004 2005 2006 2003-2006
Público Médio 11.013 8.295 13.812 12.485 12.458
Desvio Padrão 10.078 6.138 9.279 9.834 9.079
Fonte: base de dados Tabelão – revista Placar
Os dados serão dispostos na forma de painel. Para cada observação (jogo) usaremos
três subíndices de identificação: ano (t), time mandante (j) e time visitante (k). A variável
endógena (log público pagante), então, assume a forma de Yijt. Com relação às variáveis
independentes, as que apresentam variação nos 3 índices (ex: preço médio do ingresso) serão
representadas pelo vetor Xijt. As que variam apenas pelo ano e time mandante (Ex:
desempenho recente do mandante) estão agrupadas no vetor Zit. Consequentemente as
variáveis dependentes do ano e time visitante formam o vetor Vit (Ex: posição do time
visitante). Existe ainda um grupo de variáveis que dependem apenas dos times em questão
(Ex: clássicos). Estas estão agrupadas no vetor Wij.
12
Para controlar as variáveis omitidas ou não observadas que podem gerar a
inconsistência no modelo por causa de sua correlação com os regressores, vamos considerar o
efeito do time da casa
i
ε , do time visitante
j
Φ e da temporada
t
η , apartados do termo natural
de resíduo uijt. Desta maneira nosso modelo segue a especificação geral
ijttjiijjtitijtijt
WVZXY µηε ++Φ++∆+Χ+Β+Α=
Onde
Α
,
Β
,
Χ
e
∆
são vetores de parâmetros. Cabe ressaltar que no modelo
empírico não consideraremos os efeitos do time visitante. Isto porque acreditamos que os
impactos referentes aos times visitantes estão capturados nas variáveis relacionadas a estes:
clássicos, times de RJ/SP jogando fora de casa, títulos de expressão no ano anterior e
colocação atual no campeonato.
A equação principal será estimada por OLS e utilizaremos o teste de Hausman para
definir o melhor modelo: efeitos fixos ou efeitos aleatórios. Se os efeitos não forem
correlacionados com os indivíduos, então o modelo de efeitos aleatórios é consistente e
eficiente. Porém se houver correlação, o modelo é inconsistente. Já o modelo de efeitos fixos
é somente consistente em ambos os casos.
13
4
A partir de 2005 a Nestlé como patrocinadora principal do campeonato adotou uma política de comprar grandes
cotas de ingressos de jogos selecionados para distribuir aos seus consumidores. O torcedor adquire estes
ingressos comprando produtos da Nestlé em postos específicos (Supermercados) e trocando estes produtos por
ingressos. O impacto positivo desta variável será discutido nas conclusões e atesta que a forma de distribuição e
divulgação dos jogos pode impactar a demanda de público.
3- Variáveis
Dividiremos, para efeito de explicação, as variáveis independentes em quatro grandes
grupos: estruturais, qualidade esperada, desempenho e incerteza.
No grupo de variáveis estruturais colocaremos as variáveis ligadas a estrutura do
campeonato. Neste grupo incluímos: a renda percapita em 2003 (última amostragem do
IBGE) da cidade onde é realizado o jogo; o log do preço do ingresso; a capacidade do estádio;
uma dummy indicando se o jogo é realizado no meio da semana; o número de jogos do
mandante realizados em casa no mês em questão; por último neste primeiro grupo
colocaremos uma dummy que caracteriza os jogos selecionados para a promoção “Nestlé –
torcer faz bem”.
4
Observaremos a variável renda per capita por município para entender como esta
variação impacta na preferência da população pelo bem futebol. Como o levantamento de
renda no Brasil pelo IBGE é realizado a cada cinco anos, só dispomos da base de 2003. Deste
modo a variável renda será desconsiderada no modelo de efeitos fixos. A promoção Nestlé
aumenta a divulgação dos jogos além de ampliar os pontos de distribuição, o que também
deve ter impacto positivo. Como o futebol é um bem popular no Brasil, imaginamos que
ingressos mais caros impactem negativamente no público. Jogos disputados durante a semana
devem ter público menor que os jogos aos finais de semana, devido às dificuldades para
chegar e sair do estádio em dias úteis. Um maior número de jogos em casa no mês deve
impactar negativamente no público devido a concorrência entre os jogos no salário do
torcedor.
14
5
Exemplos de times que atuam em mais de um estádio: Corinthians (Pacaembu e Morumbi), Paraná (Durival de
Britto e Pinheirão), Botafogo (Caio Martins e Maracanã), Vasco (São Januário e Maracanã), Flamengo e
Fluminense (Raulino Oliveira e Maracanã), Atlético-MG e Cruzeiro (Independência e Mineirão), Fortaleza
(Presidente Vargas e Castelão).
Espera-se que a capacidade tenha efeito positivo, dado que jogos em estádios maiores
podem suportar maior capacidade de público, além do fato de alguns times escolherem o
estádio onde mandarão as partidas de acordo com a previsão de público
5
. É importante
salientar a característica endógena desta variável. Pelo fato dos times mandantes
reconhecerem nas demais variáveis o potencial de público, os jogos são designados para um
estádio de maior capacidade. Assim a variável capacidade pode estar representando efeitos
não capturados no restante da modelagem. Outra preocupação seria a do potencial de censura
do modelo, isto é, do atingimento da capacidade máxima de público e conseqüente limitação
do público. Porém na base de estudos, apenas cerca de 1,5% dos jogos supera 90% da
capacidade máxima dos estádios.
O segundo grupo de variáveis é constituído pelas variáveis que determinam a
atratividade do jogo ex ante, ie, independente do desempenho recente dos times. Neste grupo
temos: uma dummy para os times mandantes que conquistaram títulos nacionais ou
internacionais no ano anterior; outra dummy para times visitantes com títulos nacionais ou
internacionais no ano anterior; dummy para título estadual do time mandante no mesmo ano;
dummy para os clássicos, ou seja, partidas com rivalidades locais; uma dummy para os times
que disputaram a série B no ano anterior e finalmente uma dummy quando o visitante é um
time do eixo RJ/SP.
Esperamos que títulos recentes sejam um bom proxy da atratividade dos times, o que
indicaria impacto positivo na demanda por público. Ter disputado a série B no ano anterior
também deve impactar positivamente a demanda, dado que a torcida daquele time está a pelo
menos um ano afastada da série A.
Rivalidades locais historicamente atraem bons públicos ao estádio, fato verificado em
toda literatura correspondente. Times de RJ/SP possuem as maiores torcidas do Brasil,
especialmente devido à transmissão em rede nacional das principais conquistas destes times.
Além disso, os jogos destes times despertam maior interesse da mídia nacional, já que os
times de RJ/SP possuem as maiores torcidas do Brasil tanto nos seus estados quanto nas
demais regiões, aumentando o interesse nestes times quando atuam fora de casa. Assim neste
grupo esperamos impacto positivo de todas as variáveis.
15
6
No futebol costuma-se utilizar a expressão “jogo de 6 pontos” quando dois times que disputam posição no
campeonato se enfrentam. Esta expressão tem como lógica os 3 pontos que o time vencedor faz mais os 3 pontos
perdidos pelo time derrotado.
No terceiro grupo de variáveis temos aquelas que medem o desempenho recente dos
times no momento do jogo. Neste grupo temos: número de pontos conquistados pelo
mandante nos últimos três jogos; número de pontos conquistados pelo visitante nos últimos
três jogos; posição do time mandante; posição do time visitante. Espera-se que quanto mais
pontos os times tenham feito nos últimos jogos, maior seja a empolgação da torcida com seu
time, aumentando o público nos jogos subseqüentes. Da mesma maneira quanto melhor a
colocação dos times, maior deveria ser o interesse do público. Porém estes impactos devem
ter amplitudes diferentes quando relacionados ao time da casa ou time visitante.
No último grupo definimos as variáveis de incerteza do jogo: uma dummy para o time
mandante ter chance de alcançar a liderança neste jogo; uma dummy para o time mandante
com chance de alcançar a zona de classificação a Libertadores neste jogo; uma dummy para o
time mandante com chance de sair da zona de rebaixamento neste jogo; a diferença de posição
entre os times mandante e visitante; por último a rodada que está sendo disputada.
Esperamos que as dummies de liderança, Libertadores e rebaixamento tragam impacto
positivo, dado que o resultado do jogo pode afetar diretamente a situação do clube no
campeonato. Quanto a diferença de pontos, quanto menor ela for maior deveria ser a
importância do jogo
6
o que deveria gerar impacto positivo. Em relação às rodadas, quanto
mais próximas do fim do campeonato maior deve ser o interesse do público.
Por último nos referimos as variáveis não tratadas neste artigo. Presumimos que o
clima/temperatura tenha impacto no público dos jogos, dado que, com todos os estádios a céu
aberto e grande parte das arquibancadas e outros setores populares descobertos, dias com
chuva ou temperaturas baixas inibam a presença dos torcedores no estádio. Isto considerando
também que a maioria dos ingressos é vendida no dia do jogo. Porém não conseguimos uma
base de dados climática que nos fornecesse dados diários de clima por cidade no período
analisado.
16
7
Nos últimos anos as rodadas tem sido realizadas em dois dias: quarta e quinta-feira durante a semana e sábado
e domingo aos finais de semana, sendo que há mais rodadas aos finais de semana. Em ambos os casos a TV
aberta (Globo) transmite um jogo por rodada (quarta-feira 22 hs e domingo 16 hs) sendo que os jogos não são
transmitidos para suas praças de origem. A TV a Cabo (Canal Sportv) transmite dois jogos por semana, um no
domingo as 18:10 hs e outro na quinta-feira as 20:30, também respeitando a regra da praça de origem. Os canais
pay-per-view mostram todos os jogos para todas as praças, sendo que podem ser comprados de forma avulsa ou
para todo o campeonato.
Muitos trabalhos também analisam a concorrência do público nos estádios com os
jogos transmitidos pela TV. Não acrescentamos nenhuma variável ligada a TV, pois no
período analisado a TV (aberta e por assinatura) transmitiu jogos em todas as rodadas para
todo o Brasil, respeitando o conceito de não transmitir para uma cidade os jogos nela
realizados
7
. Estes jogos ficam disponíveis apenas em pay-per-view.
A Tabela 1 apresenta as variáveis, suas características e o sinal esperado de cada
coeficiente.
Tabela 1: Descrição das variáveis
N=1851
Média Desvio Impacto Esperado
Estrutura
Log (ingresso)
Log (Renda percapita/1000)
Log (Capacidade Estádio/1000)
Dia de Semana
Promoção Nestlé
Jogos em casa no mês
Qualidade Esperada
Título Nacional/Internacional Ano Anterior (mandante)
Título Nacional/Internacional Ano Anterior (visitante)
Título Estadual no mesmo ano (mandante)
Clássico
2ª divisão ano anterior
Visitante de SP/RJ
Desempenho
Pontos nos últimos 3 jogos (mandante)
Pontos nos últimos 3 jogos (visitante)
Posição (mandante)
Posição (visitante)
Incerteza
Diferença de posição
Chance de Liderança
Chance de Zona de Libertadores
Chance de deixar a Zona de rebaixamento
Rodada disputada
2,2223
2,3715
3,6843
0,2453
0,0832
3,0729
0,0989
0,0972
0,2863
0,0881
0,0859
0,3323
3,7526
4,1653
11,2469
10,8131
7,5835
0,1659
0,3031
0,3323
22,5176
0,4325
0,4002
0,5485
1,0883
2,3274
2,3528
6,8037
6,7420
5,3251
12,4777
-
?
+
-
+
-
+
+
+
+
+
+
+
+
-
-
-
+
+
+
+
17
4 – Resultados
Foram estimadas duas equações por OLS, sendo uma por efeitos fixos e outra por
efeitos aleatórios. Os resultados estão na tabela 2.
Tabela 2: Estimativa da Equação de Demanda de Público
Variável Endógena = log (público)
N = 1851
Fixed Effects Random Effects
Coef.
p-valor
Coef.
p-valor
Constante
Estrutura
Log (ingresso)
Log (Renda percapita/1000)
Log (Capacidade Estádio /1000)
Dia de Semana
Promoção Nestlé
Jogos em casa no mês
Qualidade Esperada
Título Nacional/Internacional Ano Anterior (mandante)
Título Nacional/Internacional Ano Anterior (visitante)
Título Estadual no mesmo ano (mandante)
Clássico
2ª divisão ano anterior
Visitante de SP/RJ
Desempenho
Pontos nos últimos 3 jogos (mandante)
Pontos nos últimos 3 jogos (visitante)
Posição (mandante)
Posição (visitante)
Incerteza
Diferença de posição
Chance de Liderança
Chance de Zona de Libertadores
Chance de deixar a Zona de rebaixamento
Rodada disputada
8,9036
-0,2446
dropped
0,1012
-0,1255
0,6608
-0,0050
-0,0064
0,2139
-0,0377
0,6299
0,1994
0,3053
0,0693
-0,0027
-0,0294
-0,0075
0,0041
0,1470
-0,0566
0,2842
0,0047
0,000
0,000
0,009
0,000
0,000
0,700
0,910
0,000
0,319
0,000
0,006
0,000
0,000
0,678
0,000
0,001
0,122
0,002
0,146
0,000
0,000
10,5353
-0,2440
-0,7070
0,1082
-0,1251
0,6607
-0,0043
-0,0029
0,2141
-0,0353
0,6267
0,2123
0,3053
0,0695
-0,0028
-0,0294
-0,0075
0,0041
0,1482
-0,0569
0,2858
0,0047
0,000
0,000
0,001
0,005
0,000
0,000
0,740
0,959
0,000
0,346
0,000
0,003
0,000
0,000
0,664
0,000
0,001
0,120
0,001
0,143
0,000
0,000
Após a estimação realizamos o teste de Hausman para verificar, através da Hipótese
Ho, qual o melhor modelo a ser escolhido: efeitos aleatórios ou efeitos fixos. O modelo de
efeitos aleatórios é consistente e eficiente sob Ho e não consistente sob Ha, enquanto o
modelo de efeitos fixos é somente consistente em ambas as hipóteses.
18
A seguir o resultado do teste de Hausman:
b = consistent under Ho and Ha; obtained from xtreg
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test: Ho: difference in coefficients not systematic
chi2(20) = (b-B)'[(V_b-V_B)^(-1)](b-B) = 3.78
Prob>chi2 = 1.0000
O resultado do teste de Hausman não rejeita a hipótese Ho, o que nos faz assumir o
modelo de efeitos aleatórios como consistente e eficiente.
Análise das Variáveis
As variáveis de estrutura apresentaram os impactos esperados e, exceto pelo número
de jogos no mesmo mês em casa, todos os coeficientes mostraram-se significativos. O
coeficiente do preço médio do ingresso mostrou-se negativo e menor do que 1, o que indica
que promoções de preço levam mais público ao estádio, porém sem o mesmo resultado
financeiro. O resultado confere com a política adotada pelos clubes, já que é comum o time
baixar o preço dos ingressos quando acha importante contar com o apoio de sua torcida. A
renda percapita apresentou coeficiente negativo, o que indica que o futebol é um produto mais
consumido nas praças de menor renda. Tal fato pode ser explicado pela menos
disponibilidade de eventos de lazer em praças de menor renda, tornando o futebol mais
atrativo.
A capacidade do estádio também influencia positivamente o público conforme
esperado, já que estádios menores tendem a ter sua lotação com mais facilidade censurando o
potencial de público. Além disso, é comum jogos de maior atratividade serem disputados
em estádios maiores quando disponíveis. A variável dia da semana apresentou coeficiente
negativo o que confirma a hipótese que em dias úteis o torcedor possui mais dificuldade para
ir ou deixar o estádio.
19
8
De acordo com pesquisa Datafolha de 2006 as maiores torcidas do Brasil são: Flamengo (15%), Corinthians
(13%), São Paulo (8%), Palmeiras (7%) e Vasco (4%). Apenas na região Sul os times locais (Grêmio 21% e
Internacional 19%) lideram a preferência. Nas demais regiões: Sudeste, Centro Oeste/Norte e Nordeste os times
de maior torcida são de RJ ou SP.
A variável de número de jogos em casa no mês, apesar de ter coeficiente negativo não
apresentou significância a 95%. Tal fato pode ser explicado pela baixa variabilidade da
variável. Em média um time joga três vezes por mês no seu estádio nos meses em que ocorre
o campeonato e o desvio padrão é de praticamente um jogo, o que não torna o número de
jogos significante ao público.
A promoção Nestlé teve impacto positivo além de ter um dos coeficientes mais altos
da regressão. Tal resultado pode gerar várias interpretações. A interpretação mais usual é de
que a promoção por ser feita em Supermercados acaba atingindo uma camada da população
diferente da que costuma ir aos jogos (objetivo da patrocinadora) além de facilitar o acesso do
público aos ingressos que normalmente são vendidos apenas nos estádios. De qualquer forma
este impacto mostra que existe público potencial que deixa de ir ao estádio nas condições
normais, isto é, sem promoção.
Com relação as variáveis de qualidade esperada percebemos três variáveis que se
destacam. A rivalidade local (clássico) mostrou-se um dos fatores mais significativos para o
torcedor, o que era esperado de acordo com a maioria dos trabalhos sobre demanda de
público. O efeito de o time visitante ser do eixo RJ/SP também é fortemente significativo. Isto
é explicado pela maior atenção da mídia dada a estes jogos e pelo fato destes times possuírem
as maiores torcidas do Brasil, tanto em seus estados de origem quanto espalhados pelas
demais regiões do Brasil
8
. Em relação as títulos expressivos no ano anterior, este fator é
bastante significativo quando o time vencedor é o time visitante. Tal fato indica que os times
previamente vencedores despertam maior interesse ao público quando atuam fora de casa, o
que confirma a hipótese de títulos recentes serem um proxy de atratividade. Porém para os
seus próprios torcedores este efeito não é significativo. Os títulos estaduais conquistados
imediatamente antes de o campeonato brasileiro começar também não se mostraram
significantes.
20
A variável que representa a 2ª divisão no ano anterior teve impacto positivo. Isto pode
ser explicado em dois aspectos: para os times de maior tradição que não costumam freqüentar
a segunda divisão o esforço para conseguir o acesso pode ter aumentado a identificação do
time com a torcida. Para times de menor tradição existe uma incerteza maior sobre quantos
anos irá durar a permanência na primeira divisão o que pode aumentar o interesse no primeiro
ano após o acesso.
As variáveis de desempenho apresentaram os resultados esperados. Em relação ao
time mandante, tanto desempenho recente quanto posição na tabela mostraram-se
significantes, impactando positivamente a presença de público. Estas duas variáveis
mostraram-se ainda entre as mais importantes da estimação, comprovando a importância do
desempenho recente do time mandante. Já em relação ao time visitante apenas a posição na
tabela mostrou significativo. Isto indica que times das primeiras posições aumentam o
interesse do público quando jogam fora de casa, sem importar o retrospecto mais recente.
As variáveis de incerteza apresentaram resultados ligeiramente diferentes dos
esperados. Em relação a rodada disputada o coeficiente foi positivo e significativo, ou seja,
como esperávamos o interesse do público cresce a cada rodada. O índice de diferença de
posições foi negativo, porém não apresentou significância a 95%, o que não nos permite
chegar a conclusões sobre o impacto da diferença de posições entre os times. Tanto a dummy
para chance de liderança quanto para deixar a zona de rebaixamento apresentaram índices
positivos e significantes, sendo que o impacto do rebaixamento mostrou-se maior que o da
liderança. Podemos entender que o fator da liderança esteja representado nas variáveis de
desempenho o que talvez explique o coeficiente maior para o rebaixamento. Já a dummy para
chance de entrar na zona da Libertadores teve o coeficiente negativo, mas também não
significante a 95%. Tal resultado não apresenta explicações evidentes, mas de qualquer modo
indica que durante boa parte do campeonato o torcedor não é motivado nesta fronteira.
21
Contribuição das variáveis
Após a análise individual de cada variável procuramos entender a contribuição de cada
uma delas ou mesmo do grupo em que se encontra. As variáveis de maior impacto médio em
ordem decrescente são: promoção Nestlé, clássicos, posição do mandante, visitante RJ/SP,
chance de deixar a zona de rebaixamento, pontos nos últimos três jogos do mandante, preço
do ingresso e títulos de expressão recentes do visitante. Destas oito variáveis, cinco são
dummies, ou seja, possuem impactos fixos na estimação.
O coeficiente do preço mostrou-se significativo, negativo e menor do que 1. Assim
uma promoção de preço pode impactar diretamente na presença de público, porém sem haver
total compensação financeira. Durante o período analisado, o preço médio do ingresso foi de
R$ 10. De acordo com a estimação um desconto no preço médio de R$ 5 aumenta o público
em cerca de 16%. Este resultado atesta a dificuldade encontrada pelos clubes para
aumentarem o preço dos ingressos.
Em relação as variáveis dummies, um jogo com promoção Nestlé pode aumentar o
público em 84%, valor superior até ao impacto dos clássicos locais, que é de 78%. Este
resultado mostra o poder da promoção de ingressos, atestando que existe público potencial
para jogos de futebol que deixa de ir normalmente aos estádios.
Duas das outras três dummies (visitante RJ/SP, título recente do visitante) tem
aproximadamente o mesmo impacto de pouco mais de 20% e modelam o interesse despertado
pelo time adversário, sem considerar os clássicos locais. A dummy de rebaixamento para o
time mandante apresentou o mesmo resultado.
Utilizando o mesmo raciocínio para as variáveis lineares de maior impacto, o número
de pontos conquistados nos últimos jogos pode impactar em cerca de 45%, hipótese em que o
time conquista três vitórias seguidas. Da mesma maneira a posição de líder impacta em um
acréscimo de 36%.
22
A Tabela 4 mostra o resumo das variáveis mais significativas e seus impactos médios sobre o
público presente.
Tabela 4: Impacto das variáveis mais significativas
Variável Impacto Médio
Estrutura
Promoção Nestlé
Preço do Ingresso (variação de R$ 5)
Qualidade Esperada
Clássico
Visitante de SP/RJ
Título Nacional/Internacional do visitante no ano anterior
Desempenho
Pontos do mandante nos últimos 3 jogos
Posição do mandante
Incerteza
Chance de deixar a Zona de rebaixamento
84%
16%
78%
23%
22%
45%
36%
21%
Analisando as alavancas de cada grupo de varáveis percebemos que o grupo de
estrutura tem os maiores impactos em promoções de ingresso, seja na forma de desconto no
preço seja na foram da promoção Nestlé. Cabe lembrar que promoções deste tipo são
acompanhadas de maior divulgação do jogo aumentando naturalmente o interesse no mesmo.
O grupo de qualidade esperada é fortemente influenciado pelo time visitante, já que suas
variáveis mais significativas (clássico, visitante RJ/SP e título recente do visitante) são fatores
diretamente ligados ao visitante. O grupo de desempenho reflete a situação atual do mandante,
já que os fatores mais significativos são a posição e os últimos resultados da mandante. Por
último as variáveis de incerteza mostraram-se as menos significativas. Embora a dummy de
zona do rebaixamento seja representativa, a dummy de liderança pareceu menos
representativa provavelmente pelo outros fatores de desempenho normalmente simultâneos a
esta situação.
23
5 – Conclusões
Neste trabalho estimamos uma equação de demanda para o público do Campeonato
Brasileiro entre 2003 e 2006, anos em que o campeonato foi disputado no sistema de pontos
corrido, turno e returno. No grupo de variáveis independentes foram incluídos quatro grupos
de variáveis: estrutura, qualidade esperada, desempenho e incerteza. O método de estimação
foi uma regressão de dados em painel através de OLS, considerados o modelo de efeitos fixos
e de efeitos aleatórios. Após as estimações o teste de Hausman não rejeita a hipótese da
diferença dos coeficientes não ser sistemática, o que indica que o modelo de efeitos aleatórios
é consistente e eficiente.
Os resultados do modelo atestam a significância da grande maioria das variáveis
testadas, sendo que em cada grupo encontramos pelo menos uma variável de forte impacto.
Preço do ingresso e promoções de troca de ingressos (variáveis de estrutura), clássicos locais
e times visitantes do eixo RJ/SP (variáveis de qualidade esperada), posição e desempenho nos
últimos 3 jogos do mandante (variáveis de desempenho) e finalmente chance de deixar a zona
de rebaixamento (variável de incerteza) mostraram-se as variáveis de maior impacto para o
público.
Com a estabilização do calendário e do sistema disputa alguns clubes começam a ter
iniciativas para a venda de carnês para toda a temporada ou outros tipos de vínculo e
fidelização do seu torcedor, o que deve futuramente impactar as variáveis de demanda. Além
disso, as condições dos estádios brasileiros ainda são muito precárias. No mesmo período da
finalização deste trabalho o Brasil despontava como candidato único a receber a Copa do
Mundo de 2014, o que se de fato concretizado deve gerar grandes investimentos na infra-
estrutura dos estádios, tanto de acesso quanto de conforto.
Desta maneira sugere-se para trabalhos futuros o acompanhamento das iniciativas de
fidelização por parte dos clubes, bem como a evolução da modernização dos estádios
brasileiros e o impacto destas ações na demanda de público do campeonato.
24
6 – Referências
ALLAN, S. (2004), “Sattelite Television and Football Attendance: The Not So Super efect”,
Applied Economics Letters, 11, pp. 123-125
BORLAND J. e LYE J. (1992), “Attendance at Australian Rules Football: a panel study”,
Applied Economics, 24, pp. 1053-1058
BOYD, D. W. e BOYD, L. A. (1998), “The Home Field Advantage: Implications for the
Pricing of Tickets to Professional Team Sporting Events”, Journal of Economics and Finance,
Vol. 22, Nº 2-3, pp 169-179
CARMICHAEL, F, THOMAS, D. e WARD, R. (2000), “Team Performance: The Case of
English Premiership Football”, Managerial and Decision Economics, Vol. 21, Nº 1, pp 31-45
DOBSON, S., GODDARD, J. e WILSON, J. O. S. (2001), “League Structure and Match
Attendances in English Rugbt League”, Internacional review of Applied Economics, Vol. 15,
Nº 3
EL-HODIRI M. e QUIRCK J. (1971), “An Economic Model of a Professional Sports
League”, The Journal of Political Economy, Vol. 79, Nº 6, pp. 1302-1319
FALTER, J. M., PERIGNON, C. (2000), “Demand for Football and Intramatch Winning
Probability: an Essay on the Glorious Uncertainty of Sports”, Applied Economics, 32, pp.
1757-1765
FERGUNSON, D. G. , STEWART, K. G., Jones, J. C. H. e Le Dressay, A. (1991), “The
Pricing of Sports Events: Do teams Maximize Profit?”, The Journal of Industrial Economics,
Vol. XXXIX, Nº 3, pp. 297-310
FORREST, D. e SIMMONS, R. (2006), “New issues in attendance demand: the case of
English Football League”, Journal of Sports Economics, Vol. 7 Nº 3, pp. 247-266
25
GARCIA, J., RODRIGUEZ, P. (1999), “The determinants of football match attendance:
Empirical evidence of Spanish Football League”, working paper, Universidade Pompeu
Fabra, Barcelona
JONES J.C.H. (1969), “The Economics of The National Hockey League”, The Canadian
Journal of Economics, Vol. 2, Nº 1, pp. 1-20
JONES, J. C. H. e FERGUNSON, D. G. (1988), “Location and Survival in the National
Hockey League”, The Journal of Industrial Economics, Vol. 36, Nº 4, pp. 443-457
JONES, J.C.H., Schofield J.A. e Giles D.E.A. (2000), “Ours Fans in the North: The Demand
for Britsh Rugby League”, Applied Economics, 32, pp. 1877-1887
PEEL, D. e THOMAS, D. (1996), “Handicaps, Outcome Uncertainty and Attendance
Demand”, Applied Economics Letters, 4, pp. 567-570
RIVETT, P. (1975), “The Stucture of League Football”, Operation Research Quartely, Vol.
26, Nº 4, part 2, pp. 801-812
SOUZA, F. A. P. e ANGELO, C. F. (2004), “Um Estudo sobre a Demanda por Jogos de
Futebol nos Estádios Brasileiros”, Dissertação de Mestrado, Departamento de Administração,
FEA-USP
WILSON, P. e SIM, B. (1995), “The demand for semi-pro league football in Malaysia 1989-
91: a pannel data aproach”, Applied Economics, 27, pp. 131-138
26
7 – Fontes de pesquisa de dados:
IBGE – www.ibge.gov.br
REVISTA PLACAR – www.placar.com.br
DATA FOLHA – www.datafolha.com.br
UOL ESPORTE – www.esporte.uol.com.br
BOLA NA ÁREA – www.bolanaarea.ig.com.br
ESTÁDIOS VIRTUAIS – www.estadiosvirtuais.com.br
Livros Grátis
( http://www.livrosgratis.com.br )
Milhares de Livros para Download:
Baixar livros de Administração
Baixar livros de Agronomia
Baixar livros de Arquitetura
Baixar livros de Artes
Baixar livros de Astronomia
Baixar livros de Biologia Geral
Baixar livros de Ciência da Computação
Baixar livros de Ciência da Informação
Baixar livros de Ciência Política
Baixar livros de Ciências da Saúde
Baixar livros de Comunicação
Baixar livros do Conselho Nacional de Educação - CNE
Baixar livros de Defesa civil
Baixar livros de Direito
Baixar livros de Direitos humanos
Baixar livros de Economia
Baixar livros de Economia Doméstica
Baixar livros de Educação
Baixar livros de Educação - Trânsito
Baixar livros de Educação Física
Baixar livros de Engenharia Aeroespacial
Baixar livros de Farmácia
Baixar livros de Filosofia
Baixar livros de Física
Baixar livros de Geociências
Baixar livros de Geografia
Baixar livros de História
Baixar livros de Línguas
Baixar livros de Literatura
Baixar livros de Literatura de Cordel
Baixar livros de Literatura Infantil
Baixar livros de Matemática
Baixar livros de Medicina
Baixar livros de Medicina Veterinária
Baixar livros de Meio Ambiente
Baixar livros de Meteorologia
Baixar Monografias e TCC
Baixar livros Multidisciplinar
Baixar livros de Música
Baixar livros de Psicologia
Baixar livros de Química
Baixar livros de Saúde Coletiva
Baixar livros de Serviço Social
Baixar livros de Sociologia
Baixar livros de Teologia
Baixar livros de Trabalho
Baixar livros de Turismo
