En la Primera A hay 20 equipos que juegan todos contra todos en 19 fechas. Cada temporada consiste en dos torneos: El Torneo Apertura se juega en el segundo semestre del año, mientras que el Clausura se juega en el primer semestre del año siguiente (se invierte la condición de local con respecto al Apertura). Las fechas se estructuran de la siguiente manera: un partido televisado el viernes en horario nocturno, otro se juega en el mismo horario los sábados; a veces se programa algún otro partido para el viernes o sábado pero esto no es habitual; otro partido se juega los lunes por la noche, y el resto se juegan los domingos a las 15:30 hs excepto uno, que es el más importante o clásico, que se juega a las 18:10 (también en este caso puede dar que dos encuentros se realicen más tarde, por ejemplo ante la definición del campeonato). Tanto los viernes como los sábados y lunes el partido al que hacemos referencia es televisado en directo, en caso en que en alguno de estos días se jueguen dos encuentros solo uno será elegido como televisado. A su vez, el clásico de los domingos también es televisado en directo.
De todas formas encontramos ocasiones en las que la fecha se programa de forma distinta, por ejemplo cuando la selección nacional juega un encuentro internacional, generalmente lo hace los días domingo para lograr una mayor concurrencia de público; entonces los partidos del campeonato local de Primera A se juegan martes, miércoles y jueves, siendo el miércoles el día con más encuentros.
Para nuestro análisis incluimos diez campeonatos: desde el Apertura 1995 hasta el Clausura 2000, por lo que el período estudiado abarca cinco años, comenzando en agosto de 1995 y concluyendo en julio de 2000.
Será campeón el equipo que finalice con mayor cantidad de puntos luego de las 19 fechas; para determinar los descensos en cambio se toma en cuenta un promedio de los puntos obtenidos por cada equipo en las tres últimas temporadas (incluyendo la actual). Por lo tanto el promedio del descenso es el mejor indicador del peligro de descender con el que corre un equipo. Al final de la temporada descenderán al Nacional B los dos equipos con peor promedio.
Asimismo se incluyó en la última temporada (99/00) la regla de la Promoción: Además de los dos descensos directos para los clubes peor ubicados en la tabla del descenso, los clubes en la posición 17 y 18 de la tabla del descenso deberán revalidar su lugar en Primera A en dos enfrentamientos contra el tercer y cuarto equipo del Nacional B, por lo que a partir de la última temporada incluida en el estudio, el peligro de descender aumenta.
Los clubes que formaron parte de nuestro estudio fueron todos lo que participaron en la Primera División A en al menos una temporada de las que abarcó el mismo. Los 26 equipos incluidos son los siguientes: Boca Juniors, River Plate, San Lorenzo, Racing Club, Independiente, Huracán, Platense, Argentinos, Vélez, Lanús, Ferro, Español, Chacarita y Banfield de la Capital Federal y el Gran Buenos Aires; Estudiantes y Gimnasia de la ciudad de La Plata; Rosario Central y Newell´s Old Boys de la ciudad de Rosario; Unión y Colón de la ciudad de Santa Fe; Instituto, Belgrano y Talleres de la ciudad de Córdoba; Huracán de la ciudad de Corrientes, Gimnasia y Tiro de Salta y Gimnasia de Jujuy.
IV. Especificación del modelo y de los datos
Podemos especificar a la demanda de partidos de fútbol de primera división de la Argentina como una ecuación lineal simple que relaciona a la recaudación de los clubes por la venta de entradas entre 1995 y 2000 (RECA) y 20 variables explicativas:
RECA = a1 POSLi + a2 POSVi + a3 PEOR5Li + a4 PEOR5Vi + a5 VIE + a6 SAB + a7 LUN + a8 ES + a9 TVi + a10 NOCHEi + a11 CLASi + a12 GANLi-1 + a13 PERLi-1 + a14 GANVi-1 + a15 PERVi-1 + a16 MD + a17 LLi + a18 DESEMP + a19 PBI + a20 VIOLENCIA + Dummies Clubes
Posición actual en el campeonato
Las variables POSLi y POSVi miden la posición del equipo local y visitante respectivamente, inmediatamente antes del partido i. Las posiciones varían entre 1 y 20. Estas variables buscan capturar el efecto positivo sobre la recaudación cuando uno o ambos equipos están posicionados en la parte superior de la tabla de posiciones. Se eliminó la primer fecha de cada campeonato al no haber una posición para cada equipo en la misma.
Promedio del descenso actual
Las variables PEOR5Li y PEOR5Vi son dummies que valen 1 cuando el equipo local o visitante respectivamente, se encuentran entre los últimos cinco equipos en la tabla de promedios del descenso antes de comenzar el partido i (a menos que ya no tenga posibilidades matemáticas de descender). Estas variables intentan capturar un efecto positivo en la recaudación cuando uno o ambos equipos se encuentran en peligro de sufrir un descenso de categoría.
Día del partido
Las variables VIE, SAB, LUN y ES son dummies que valen 1 cuando el partido se jugó el día viernes, sábado, lunes o un día de entre semana (martes a jueves) respectivamente. Estas variables tratan de capturar el efecto (esperablemente negativo) sobre la recaudación de un partido comparando siempre con jugar un domingo.
Partidos televisados en directo
La variable TVi es una dummy que vale 1 cuando el partido se televisa en directo. La misma busca capturar un efecto negativo sobre la recaudación ya que para el público existe la alternativa de no concurrir al estadio para mirar el partido por televisión. De todas formas no sería incorrecto hallar un coeficiente positivo para esta variable ya que los partidos televisados no se eligen aleatoriamente, sino que son elegidos por su importancia para el campeonato y su tradición (generalmente el televisado del domingo es un encuentro clásico entre dos equipos “grandes” de Buenos Aires).
Partidos en horario nocturno
La variable NOCHE es una dummy que identifica los partidos jugados en horario nocturno (después de las 19 horas). Esta variable debería arrojar un coeficiente negativo ya que se espera que sea incómodo para el espectador regresar tarde a su hogar, debido a la menor frecuencia del transporte público y a la creciente inseguridad con respecto al día.
Resultados en la fecha anterior
Las variables GANLi-1 y GANVi-1 indican si el club local y visitante, respectivamente, ganaron en la fecha anterior a la que se está por jugar. Las variables PERLi-1 y PERVi-1, en cambio, indican si el equipo local y visitante, respectivamente, perdieron en la fecha anterior.
La inclusión de estas variables se debe a que se espera medir con ellas el efecto de como llegan ambos clubes al partido i comparando con haber obtenido un empate en la fecha anterior. El signo esperado para GANLi-1 y GANVi-1 es positivo mientras que para PERLi-1 y PERVi-1 es negativo.
El factor meteorológico
La variable LLi es una dummy que vale 1 cuando la ciudad en la que se jugó el partido sufrió precipitaciones ese día.
Variables macroeconómicas
Las variables macroeconómicas que se incluyen son la tasa de desempleo (DESEMP) y la variación porcentual trimestral del PBI medida contra el mismo trimestre del año anterior (PBI). Se intenta medir con estas variables un efecto sobre la recaudación de un cambio en el ingreso real o en las condiciones laborales.
Es esperable obtener un signo negativo para el coeficiente que antecede a DESEMP, y uno positivo para el que antecede a PBI (siempre pensando que la asistencia a un partido de fútbol es un bien normal).
La violencia en los estadios
La variable VIOLENCIAi-1 es una dummy que vale 1 cuando en la fecha anterior existió un hecho de violencia en un estadio, más específicamente una muerte relacionada con el partido. Es importante destacar que la misma se aplica para toda la fecha, ya que la repercusión de la noticia en los medios la hace extensa a todos los seguidores del Torneo Argentino.
Partidos jugados por Diego Maradona
La variable MD es una dummy que vale 1 para los partidos en los que jugó Diego Maradona. Decidimos incluir esta variable al notar el hecho de que en los partidos en los que jugó la recaudación aumentó notablemente.
Dummies a la ordenada
Se incluyen por último dummies para cada club, es decir variables que valen 1 cuando en el partido i participa el respectivo club, y valen 0 cuando el mismo no participa. Se incluyen 26 dummies, es decir una para cada club utilizado en el modelo, y se elimina la constante en la regresión para poder incluir todas las dummies.
V. Estimación
Elegimos como variable explicada a la recaudación ya que no fue posible conseguir una discriminación de cantidades y precios para el período en cuestión.
De la regresión principal (E1) observamos que las variables que se refieren a la posición de los equipos, tanto local como visitante, son significativas y tienen coeficiente negativo (es decir, si los equipos que juegan ese partido se encuentran en la parte superior de la tabla de posiciones recaudan más). Las variables PEOR5L y PEOR5V son antecedidas por un coeficiente positivo y son significativas (a un nivel del 9% para los equipos visitantes) lo que parecería indicar que el hecho de que un equipo se encuentre luchando para mantener la categoría genera una mayor concurrencia de su público a los estadios.
Tanto las variables VIE, LUN y ES tienen coeficientes negativos y son significativas, indicando que la recaudación es bastante menor que los días domingo, comparativamente. El hecho de que un partido se juegue los días martes, miércoles o jueves, genera una muy fuerte caída en la recaudación. En cambio, la variable SAB no es significativa, a pesar de ser antecedida por un coeficiente negativo, ya que la recaudación en promedio baja muy poco con respecto a la de los días domingos. La variable TV tiene coeficiente positivo y significativo; es decir que cuando el encuentro es televisado la concurrencia es alta, esto se debe a que los partidos televisados en directo son por lo general partidos importantes: ya sean partidos clásicos, por la definición del campeonato, o por la permanencia en la categoría. La variable NOCHE tiene coeficiente negativo y es significativa, indicando que la afluencia de público a un partido nocturno caerá, probablemente debido a las incomodidades que el horario acarrea. La variable CLAS tiene coeficiente positivo y el mismo es significativamente distinto de cero con un t-value de 5.438, indicando que en promedio el hecho de que un partido sea clásico genera un aumento de la recaudación de $ 95.790.
La variable GANL es positiva con un nivel de significación del 12.6%, indicando una reacción positiva del público local ante una victoria de su equipo en la fecha anterior. La variable PERL es negativa, como se esperaba, pero su efecto no es tan importante ya que no es significativa. La variable GANV también es negativa pero su nivel de significación es muy bajo (al 64%), ya que se podría pensar que el resultado del equipo visitante en la fecha anterior no tiene porque afectar mucho a la recaudación del partido, ya que puede pensarse que la mayor proporción de público es convocada por el equipo local. La variable PERV es positiva, pero no significativa.
La dummy MD tiene coeficiente positivo y significativo, lo que nos dice que por el solo hecho de que Maradona juegue aumenta en gran forma la recaudación. La variable meteorológica LL tiene coeficiente negativo, como se esperaba, pero no es significativa.
La variable DESEMP es positiva, este signo no es el esperable si el fútbol se trata de un bien normal. Pero se podría pensar que es un bien inferior; es decir, que a mayor desempleo más gente concurre a los estadios. Lo mismo sucede para la variable PBI que arroja un signo negativo. De todas formas, ninguna de estas dos variables es significativa.
La variable VIOLENCIA arroja un signo positivo aunque no alcanza significatividad. Este signo parecería indicar que la concurrencia del público es mayor ante algún hecho de violencia, por lo que el signo es contrario al esperado.
Observando las variables dummies para cada club, podemos ver que los clubes que más recaudan son Boca y River, seguidos en un segundo nivel por Talleres de Córdoba. Estos equipos son los que mayor nivel de significatividad alcanzan. Los clubes que no son significativos, y además tienen un coeficiente muy bajo, contribuyendo muy poco a la recaudación de un partido son Español, Huracán de Corrientes, Lanús y Banfield.
(E2) – Interactuando la posición con el número de fecha
En la segunda regresión que presentamos (E2) introducimos la interacción posición con fecha, donde analizamos la posición de los equipos para cada fecha. Observamos que son negativas y significativas, al 10%, las siguientes interacciones: POS2L, POS3L, POS4L, POS5L, POS7L, POS8L, POS9L, POS11L, POS13L, POS14L, POS16L, POS17L, POS18L, observando cierto patrón de crecimiento del coeficiente a medida que avanza el campeonato para el club local. Esto es lo que esperábamos ver ya que se podría pensar que un club recaude cada vez mas por estar en la parte superior de la tabla mientras avanza el torneo. También son significativas (y negativas, como se esperaba) las siguientes: POS2V, POS4V, POS5V, POS6V, POS7V, POS8V, POS10V, POS11V, POS12V, POS13V, POS14V, POS15V, POS16V, POS17V y POS19V, a diferencia que ahora no se observan coeficientes con un claro patrón de crecimiento.
No observamos cambios en las variables que se refieren a los cinco peores equipos de cada fecha (con chances de descender de categoría), PEOR5L y PEOR5V, solo para los locales la variable es significativa (y positiva).
La variable VIE a pesar de ser negativa, como antes, deja de ser significativa. Ahora la caída en la recaudación generada por el hecho de que el día del partido sea el viernes, no es más tan importante como antes, comparando con el día domingo. SAB no tiene cambios, sigue siendo negativa pero no significativa. LUN continua siendo negativa y significativa, a pesar de resignar significatividad; observando que en promedio por el hecho de que un partido se juegue el día lunes la recaudación cae en $ 21.468 con relación a los domingos, antes caía en $ 24.269. La variable ES sigue siendo significativa, aunque en menor medida, y, lógicamente, negativa. Podemos ver entonces que la introducción de la interacción entre la posición de los equipos para cada fecha del campeonato, le quita significatividad a las variables que se refieren a los días cuando se jugaron los partidos.
La variable TV no cambia, sigue siendo negativa y significativa en la misma medida, NOCHE también sigue siendo negativa y significativa, pero en mayor magnitud. La variable CLAS tampoco cambia su significatividad ni su signo positivo.
La variable GANL también queda igual que antes: signo positivo pero no es significativa, con un nivel de significación de 11,4%, antes era de 12,6%. La variable PERL, al igual que GANV, PERV y LL mantienen el signo y siguen siendo no significativas.
Tampoco encontramos cambios en las variables macroeconómicas PBI y DESEMP, ni en la variable VIOLENCIA.
Con respecto a los clubes que más recaudan, Boca y River, y luego Talleres siguen siendo los más importantes.
(E3) – Interactuando al equipo con el número de posición
Ahora sustituimos las variables POSL y POSV de la regresión principal por nuevas variables que interactúan la posición con los clubes. Estas variables nos ayudarían a explicar que sucede con la recaudación de un equipo determinado cuando el mismo cae en la tabla de posiciones. Esperaríamos normalmente que tal variable tenga un signo negativo, ya que a mayor posición, peor ubicado se encuentra el equipo en la tabla. De esta forma podríamos calificar a los seguidores, es decir ver si acompañan al equipo solo cuando el mismo está bien ubicado en la tabla de posiciones o si lo acompañan independientemente de los resultados (como esto último suele describirse a los simpatizantes de Boca Juniors).
Interpretando los resultados obtenidos, vemos que al bajar posiciones en el campeonato los clubes Boca, River, San Lorenzo, Vélez, Newell´s, Racing, Independiente, Rosario Central y Gimnasia de Jujuy sufren de una disminución significativa en la recaudación. Contrario al calificativo popular Boca es, en términos absolutos, el equipo que más sufre la caída en la recaudación (en promedio $ 19.642) tras la pérdida de una posición en la tabla, seguido por River ($ 13.760), y en menor escala, por Vélez ($ 4.471) y San Lorenzo ($ 4.335). De todas formas, en términos relativos (con respecto a su propia recaudación) las caídas en la recaudación de Boca y River se asemejan (6% y 6.5% respectivamente) y son menores que las de Vélez y San Lorenzo (7.3% y 10.9% respectivamente)
Las variables PEOR5L, PEOR5V, VIE, LUN, NOCHE, GANL dejan de ser significativas (GANL pasa de tener un nivel de significación de 12.6% a uno de 36%), a pesar de mantener el signo. La dummy LL pasa a ser significativa con un nivel de significación de 10%.
Con respecto a las dummies a los clubes, vemos que para Argentinos, Belgrano, Colón, Chacarita, Estudiantes, Ferro, Gimnasia de Jujuy, Gimnasia y Tiro de Salta, Huracán, Instituto y Talleres, deja de ser significativa.
VI. Una alternativa al modelo original
(E4) Interactuando las posiciones del equipo local y el visitante
A continuación creamos una nueva variable, POSLV, que multiplica la posición del equipo local por la del visitante para cada partido. Por lo tanto un valor alto de este índice reflejará que los clubes que juegan este partido no están en un buen momento (reflejando además una posible baja en la calidad de juego esperada para el partido y una posible falta de interés); en cambio, si el índice toma un valor bajo, esperamos que la recaudación aumente porque ambos equipos se ubican en los primeros puestos de la clasificación. Encontramos que esta variable es significativa y negativa por lo que se cumplen nuestras expectativas previas.
La variable PEOR5V deja de ser significativa, mientras que PEOR5L no se modifica. GANL pasa a ser significativa, es decir, ahora si es importante para que aumente la recaudación que el local haya ganado en la fecha anterior. Como siempre, la importancia de Boca y River es indiscutible.
(E5) – Cambiamos la forma de medir la posición
Analizamos la regresión principal pero ahora tenemos en cuenta las variables TOP5L y TOP5V en vez POSL y POSV. La variable TOP5 es una dummy que vale 1 para los equipos que se encuentran entre los cinco primeros de la tabla de posiciones, siempre que tengan posibilidades de ser los campeones. Por lo tanto, esperaríamos que esta nueva variable tenga un coeficiente positivo, ya que el hecho de que un equipo se encuentre en tan buenas circunstancias incentivaría la asistencia del público al estadio elevando la recaudación del encuentro. Y, efectivamente, observamos que tanto TOP5L como TOP5V son positivas y significativas, con coeficientes de 30995 y 34178 respectivamente, lo que indica que en promedio cuando juega un equipo local que es TOP5 su recaudación aumenta en 30995 pesos. Ahora, a diferencia de la regresión principal (E1), las variables PEOR5L y PEOR5V dejan de ser significativas a pesar de mantener el signo positivo. También dejan de ser significativas variables como VIE y LUN, aunque lógicamente mantienen el signo negativo; SAB no es significativa ahora ni tampoco lo era anteriormente; ES, TV, NOCHE y CLAS siguen siendo significativas manteniendo sus respectivos signos; y las variables GANL, PERL, GANV, PERV, DESEMP, PBI y VIOLENCIA continúan siendo no significativas, también manteniendo sus respectivos signos. Y, por supuesto, Boca, River y Talleres no dejan de ser los que más recaudan.
(E6) – Interactuando el número de fecha con la variable Top5
A continuación hacemos una variación a esta última regresión: insertamos una interacción entre las fechas y la variable TOP5. Nos gustaría ver que los coeficientes de las variables vayan creciendo a medida que van transcurriendo las fechas ya que esto implicaría que la importancia de estar en dentro de los cinco primeros en la tabla aumenta cuando va avanzando el campeonato. A pesar de que no se pueden asegurar tales resultados, sí podemos decir que el campeonato se define en las fechas 18 y 19, donde la variable es significativa-positiva, con los coeficientes más altos como 205421 y 392834 para las variables TOP5LO18 y TOP5VI19 respectivamente. La variable VIE pierde significatividad pasando de un nivel de significación de 12,6% a uno de 18.7%. TV deja de ser significativa, al igual que LUN; lo que nos dice que la recaudación no es significativamente menor que si se jugara un domingo. En cambio, LL y GANL ahora pasan a ser significativas ambas con un nivel de significación de 7.6%.
(E7) – Interactuando a los clubes con la variable Top5
Ahora hacemos otra variación a la regresión: en vez de usar la interacción TOP5 con fecha, usamos otra interacción que resulta de relacionar a la TOP5 con los equipos. El sentido de la nueva interacción es similar a la interacción posición con el club, salvo que ahora solo tenemos en cuenta a los equipos cuando se encuentran dentro de los primeros cinco. Es de esperar que esta variable tenga coeficientes positivos, ya que el hecho de que un equipo este dentro de los 5 primeros en la carrera por el campeonato, aumenta las esperanzas por campeonar de su público, aumentando a su vez, la recaudación. Vemos que esta variable es positiva y significativa para Boca, River, Racing, Independiente y Rosario Central, indicando que al estar en tal buena posición, sus seguidores concurren masivamente a los estadios, siendo Racing el equipo más favorecido en cuanto a su recaudación por estar en tal situación. Esto probablemente se deba a que las necesidades de los seguidores de Racing de salir campeón son mayores a las de cualquier otro equipo, ya que no logra un campeonato hace 35 años.
Ahora son más significativas la variable VIE, cayendo más la recaudación en la relación a los domingos, y la variable GANL. No se observan cambios en la dummies para los equipos.
VII. Usando la cantidad de entradas vendidas como variable explicada
En la próxima regresión (E8) dejamos de lado a la variable dependiente RECA y la reemplazamos por la cantidad de entradas vendidas.
Entre los resultados más importantes, comparándolos una vez más con los de nuestra regresión principal (E1), podemos destacar que cuando la variable explicada es la cantidad de entradas vendidas, las variables POSL y POSV son significativas y negativas, manteniendo la misma relación inversa que tenían con la recaudación; así al observar que el coeficiente de POSL es
-171.51 vemos que en promedio cuando el equipo local cae en una posición vende 171 entradas menos. Ahora encontramos que las variables VIE y SAB no son significativas; en cambio, LUN y ES si lo son (y con coeficiente negativo).
De igual manera, es importante destacar que el hecho de que el equipo local haya ganado en la fecha anterior influye positivamente en la cantidad de entradas vendidas (por el contrario, si el local perdió en la fecha anterior, se va a ver reducida la cantidad de entradas vendidas).
CLAS es positiva y muy significativa, lo que nos dice que el hecho de que el equipo juegue un clásico la cantidad de entradas vendidas aumenta significativamente. Un clásico va a vender en promedio 5260 entradas más que un partido común.
IX. Conclusión
Nuestro trabajo de investigación intenta explicar el comportamiento de la recaudación de un partido de fútbol, así mismo como el de la cantidad de entradas vendidas aunque para un número bastante menor de observaciones.
Para poder analizar el comportamiento de la recaudación no solo hemos utilizado variables específicas que afectan directamente a la misma, como la perfomance de los equipos, incluyendo sus probabilidades de descender y de salir campeones, la presencia de jugadores destacados, información meteorológica y variables macroeconómicas.
Pudimos ver que existe una relación directa entre una mejora en la posición en la tabla y la recaudación, así como entre el peligro de descender y la recaudación. Asimismo, el hecho de que un equipo se encuentre entre los mejores cinco, con claras posibilidades de consagrarse como campeón, afecta positivamente a la recaudación.
También observamos que los partidos entre equipos con rivalidad histórica obtienen una recaudación sensiblemente mayor que la media. Además encontramos que los partidos que no se juegan durante el fin de semana tienen una recaudación menor que los partidos que sí lo hacen, lo mismo para los que se juegan de noche.
Debido a que varios de los trabajos previos comentados incluyen a la presencia de "jugadores estrella" como variable explicativa, hicimos lo mismo para Diego Maradona y encontramos que esta variable es determinante para la recaudación. Pudimos ver que la televisación en directo de un partido no reduce la recaudación sino que la incrementa; esto posiblemente se deba a que los partidos televisados son los que mas trascendencia tienen.
Nuestro estudio también se basó en la interacción de ciertas variables como por ejemplo la interacción entre posición y fecha, donde observamos que la recaudación de un partido es en promedio mayor cuando el equipo local se encuentra en la punta en las últimas fechas que en las primeras; por lo tanto, podemos inferir que la recaudación se ve afectada en mayor medida por el público local que por los visitantes. A su vez incluímos la interacción de la variable posición y club, por lo que nos encontramos con que tanto Boca como River al bajar su ubicación en la tabla de posiciones su recaudación en promedio disminuye significativamente. También pudimos observar que interactuando la posición local con la visitante obtuvimos un índice que mide la calidad del partido; y observamos que cuanto mejor es la perfromance previa de los clubes que se enfrentan, mayor es la recaudación.
Al sustituir la variable explicada recaudación por cantidad de entradas vendidas podemos ver a simple vista que los resultados más importantes no cambian demasiado.
Con respecto a las variables macroeconómicas, incluimos a la variación del PBI y a la tasa de desempleo; donde observamos que la recaudación no estuvo afectada significativamente por la tasa de desempleo, pero sí lo estuvo positivamente la cantidad de entradas vendidas. En otros estudios se incluye esta variable para medir si el fútbol es un bien normal o inferior; con este resultado podríamos pensar que la cantidad de entradas vendidas para un partido es un bien inferior. La variación del PBI no es significativa con ninguna de las dos variables explicadas.
Debemos aclarar que sería realmente interesante obtener información sobre la evolución de la cantidad de socios y abonados de los clubes, ya que los mismos tienen derecho a ingresar a los estadios sin pagar una entrada, asi como de la capacidad de los estadios.
Agradecimientos
Queremos agradecer especialmente a Ernesto Schargrodsky y a Guillermo Bozzoli por guiarnos y aconsejarnos en el transcurso de la investigación.
Agradecemos además a Sergio Dubcovsky de Olé por su colaboración en la obtención de datos.
Apéndice
- Obtuvimos las variables recaudación, resultados, promedios, fechas y horarios de los periódicos Ole y La Nación y de la revista El Gráfico.
- La cantidad de entradas vendidas, al igual que la televisación de los partidos, fueron obtenidas a través del boletín oficial de la AFA.
- La variable lluvia nos fue suministrada por el Servicio Meteorológico de la Fuerza Aerea Argentina. La información obtenida indica las precipitaciones de más de 1 mm. y están medidas entre las 9 hs. del día del partido y las 9 hs. del día posterior.
- La variable distancia fue obtenida del Atlas Vial publicado por YPF.
- Los hechos de violencia fueron extraídos del diario Clarín.
- Con respecto a las variables macroeconómicas: tanto la serie del PBI como la del desempleo fueron obtenidas del Informe Económico publicado por el Ministerio de Economía.
Las fuentes para todas las variables se encuentran en el Apéndice.
En todas las regresiones utilizamos errores estándar robustos. Usamos para realizar las mismas el programa econométrico STATA.
