مقایسه روش های رگرسیون خطی و شبکه عصبی مصنوعی در تخمین قیمت بازیکنان حرفه ای فوتبال ایران

هدف از انجام شدن این پژوهش، علاوه بر تخمین قیمت بازیکنان لیگ حرفه ­ای فوتبال ایران، مقایسه روش­ های رگرسیون و شبکه ­های عصبی در پیش ­بینی آن بود. روش انجام شدن 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 ۱۴ نفر تا رسیدن به نقطه اشباع به ­روش گلوله برفی انتخاب شدند. در بخش کمی نیز جامعه آماری، همه فوتبالیست­ های لیگ حرفه ­ای فوتبال خلیج فارس در سال­های ۲۰۱۹-۲۰۱۸ بودند که ۲۲۶ نفر از آن ها با استفاده از فرمول کوکران به عنوان نمونه با روش تصادفی طبقه ­ای انتخاب شدند. ابزار پژوهش در روش کیفی، مصاحبه عمیق بود که پایایی آن از طریق روش بازآزمون ۸۱/۰ 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 اس پی اس اس نسخه ۲۱ و آر نسخه­ ۳.۶.۲ 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 آن ها، ویژگی­ های باشگاه و عوامل ایجادکننده حباب، در تعیین قیمت بازیکنان فوتبال تاثیر دارند. همچنین نتایج پژوهش نشان داد که با وجود مزایای روش ­های رگرسیون در پیش­ بینی مسائل، به علت چندوجهی و پیچیده بودن قیمت ­گذاری بازیکنان فوتبال، مدل­ های شبکه­ مصنوعی متغیرهای بیشتری را پوشش می دهد و کاراتر و دقیق­تر خواهند بود.

کلیدواژه ها:

قیمت گذاری فوتبالیست ها ، لیگ خلیج فارس ، شبکه های عصبی