Escolar Documentos
Profissional Documentos
Cultura Documentos
São Paulo
2007
Rodrigo Berber Villar
Campo de Conhecimento:
Microeconometria
Orientador:
Prof. Dr. Regina Madalozzo
IBMEC SÃO PAULO
São Paulo
2007
Villar, Rodrigo Berber
Campo de Conhecimento:
Microeconometria
Orientador:
Prof. Dr. Regina Madalozzo
IBMEC SÃO PAULO
Banca Examinadora:
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
Março de 2007
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.
1- Introdução
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.
9
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).
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).
10
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.
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 diss o, 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.
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.
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:
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
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
3- Variáveis
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.
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.
14
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 público5. 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.
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.
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).
15
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 ma neira 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.
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.
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.
16
Q ualidade Esperada
Título Nacional/Internacional Ano Anterior (mandante) 0,0989 +
Título Nacional/Internacional Ano Anterior (visitante) 0,0972 +
Título Estadual no mesmo ano (mandante) 0,2863 +
Clássico 0,0881 +
2ª divisão ano anterior 0,0859 +
Visitante de SP/RJ 0,3323 +
Desempenho
Pontos nos últimos 3 jogos (mandante) 3,7526 2,3274 +
Pontos nos últimos 3 jogos (visitante) 4,1653 2,3528 +
Posição (mandante) 11,2469 6,8037 -
Posição (visitante) 10,8131 6,7420 -
Incerteza
Diferença de posição 7,5835 5,3251 -
Chance de Liderança 0,1659 +
Chance de Zona de Libertadores 0,3031 +
Chance de deixar a Zona de rebaixamento 0,3323 +
Rodada disputada 22,5176 12,4777 +
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.
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.
Estrutura
Log (ingresso) -0,2446 0,000 -0,2440 0,000
Log (Renda percapita/1000) dropped -0,7070 0,001
Log (Capacidade Estádio /1000) 0,1012 0,009 0,1082 0,005
Dia de Semana -0,1255 0,000 -0,1251 0,000
Promoção Nestlé 0,6608 0,000 0,6607 0,000
Jogos em casa no mês -0,0050 0,700 -0,0043 0,740
Qualidade Esperada
Título Nacional/Internacional Ano Anterior (mandante) -0,0064 0,910 -0,0029 0,959
Título Nacional/Internacional Ano Anterior (visitante) 0,2139 0,000 0,2141 0,000
Título Estadual no mesmo ano (mandante) -0,0377 0,319 -0,0353 0,346
Clássico 0,6299 0,000 0,6267 0,000
2ª divisão ano anterior 0,1994 0,006 0,2123 0,003
Visitante de SP/RJ 0,3053 0,000 0,3053 0,000
Desempenho
Pontos nos últimos 3 jogos (mandante) 0,0693 0,000 0,0695 0,000
Pontos nos últimos 3 jogos (visitante) -0,0027 0,678 -0,0028 0,664
Posição (mandante) -0,0294 0,000 -0,0294 0,000
Posição (visitante) -0,0075 0,001 -0,0075 0,001
Incerteza
Diferença de posição 0,0041 0,122 0,0041 0,120
Chance de Liderança 0,1470 0,002 0,1482 0,001
Chance de Zona de Libertadores -0,0566 0,146 -0,0569 0,143
Chance de deixar a Zona de rebaixamento 0,2842 0,000 0,2858 0,000
Rodada disputada 0,0047 0,000 0,0047 0,000
O resultado do teste de Hausman não rejeita a hipóte se Ho, o que nos faz assumir o
modelo de efeitos aleatórios como consistente e eficiente.
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.
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.
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.
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.
A Tabela 4 mostra o resumo das variáveis mais significativas e seus impactos médios sobre o
público presente.
Estrutura
Promoção Nestlé 84%
Preço do Ingresso (variação de R$ 5) 16%
Qualidade Esperada
Clássico 78%
Visitante de SP/RJ 23%
Título Nacional/Internacional do visitante no ano anterior 22%
Desempenho
Pontos do mandante nos últimos 3 jogos 45%
Posição do mandante 36%
Incerteza
Chance de deixar a Zona de rebaixamento 21%
5 – Conclusões
6 – Referências
ALLAN, S. (2004), “Sattelite Television and Football Attendance: The Not So Super efect”,
Applied Economics Letters, 11, pp. 123-125
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
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
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., 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
RIVETT, P. (1975), “The Stucture of League Football”, Operation Research Quartely, Vol.
26, Nº 4, part 2, pp. 801-812
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
IBGE – www.ibge.gov.br