مقایسۀ روش های رگرسیون خطی و شبکۀ عصبی مصنوعی در تخمین قیمت بازیکنان حرفه ای فوتبال ایران

نویسندگان

1 دانشجوی دکتری مدیریت ورزشی، دانشکده علوم ورزشی، دانشگاه اصفهان، اصفهان، ایران

2 دانشیار مدیریت ورزشی، دانشکده علوم ورزشی، دانشگاه اصفهان، اصفهان، ایران

3 استادیار مدیریت ورزشی، دانشکده علوم ورزشی، دانشگاه اصفهان، اصفهان، ایران

4 استادیار بیومکانیک ورزشی، دانشکده علوم ورزشی، دانشگاه اصفهان، اصفهان، ایران

doi
10.22089/smrj.2020.8238.2824
چکیده

هدف از انجام‌شدن این پژوهش، علاوه‌بر تخمین قیمت بازیکنان لیگ حرفه ­ای فوتبال ایران، مقایسه روش­ های رگرسیون و شبکه ­های عصبی در پیش ­بینی آن بود. روش انجام‌شدن پژوهش با استفاده از طرح­ های آمیخته اکتشافی بود که تلفیقی از روش­ های کیفی و کمی است. جامعه­ آماری پژوهش در بخش کیفی، مدیران، مربیان باشگاه­ ها و کارشناسان خبره و آشنا با حوزه خرید و فروش بازیکنان بودند که 14 نفر تا رسیدن به نقطه اشباع به ­روش گلوله‌برفی انتخاب شدند. در بخش کمی نیز جامعه آماری، همۀ فوتبالیست­ های لیگ حرفه ­ای فوتبال خلیج فارس در سال­های 2019-2018 بودند که 226 نفر از آن‌ها با استفاده از فرمول کوکران به‌عنوان نمونه با روش تصادفی طبقه ­ای انتخاب شدند. ابزار پژوهش در روش کیفی، مصاحبه عمیق بود که پایایی آن از طریق روش بازآزمون 81/0 محاسبه شد. داده­ های مورد نیاز برای تجزیه و تحلیل روش ­های کمی نیز از سایت­ های معتبر و سازمان لیگ فوتبال ایران جمع ­آوری شدند. از ضریب همبستگی پیرسون، رگرسیون خطی و شبکه­ های عصبی شعاعی نیز با بهره­ گیری از نرم­ افزارهای اس‌پی‌اس‌اس نسخة 21 و آر نسخه­ 3.6.2 برای پیش­ بینی و طراحی مدل استفاده شد. یافته­ های پژوهش در بخش کیفی حاکی از این بود که عملکرد بازیکن، ویژگی­ های شخصی، توانایی­ های آن‌ها، ویژگی­ های باشگاه و عوامل ایجادکننده حباب، در تعیین قیمت بازیکنان فوتبال تأثیر دارند. همچنین نتایج پژوهش نشان داد که با وجود مزایای روش ­های رگرسیون در پیش­ بینی مسائل، به‌علت چندوجهی و پیچیده‌بودن قیمت ­گذاری بازیکنان فوتبال، مدل­ های شبکه­ مصنوعی متغیرهای بیشتری را پوشش می‌دهد و کاراتر و دقیق­تر خواهند بود.