Att modellera utfallen i en fotbollsmatch: med multinomial respektive ordinal logistisk regression

Abstract: I detta arbete undersöks hur bra prediktionsförmåga som uppnås då multinomial och ordinal logistisk regression tillämpas för att modellera respektive utfall 1X2 i fotbollsmatcher. De två modellerna har använts i jämförande syfte, där den multinomiala logistiska modellen behandlar utfallen som nominala och den ordinala behandlar dem som ordnade, 1 > X > 2. Matchens utfall påverkas av kvantitativa förklaringsvariabler, baserade på data från Premier League 2015/206, som beskriver lagens form och prestation. Prediktionsmåttet för den multinomiala modellen är 53.4 % och för den ordinala modellen är den 43.8 %. Vidare har de flesta förklaringsvariabler låga och oväntade effekter. Slutsatsen är att modellering med enbart historisk data är en bra grund, men lämnar utrymme åt förbättring. I framtida undersökningar rekommenderas att utöka antal observationer, använda testdata som skiljer sig från utgångsdatan samt att undersöka om målskillnad som responsvariabel genererar ett bättre prediktionsmått.  Den matematiska undersökningen kompletteras med en industriell ekonomisk tillämpning i form av en branschanalys med Porters femkraftsmodell, samt förslag på etableringsstrategier med fokus på marknadsföring för nya aktörer. På grund av det svenska spelmonopolet begränsas konkurrensen av inhemska aktörer, men de utländska nätaktörerna ökar sina marknadsandelar. En ny nätaktör måste således använda digitala distributionskanaler för att nå den svenska spelmarknaden. De svenska spelkonsumenterna är priskänsliga, varför en transaktionsmarknadsföring med fokus på 4P, framför allt pris, är att föredra gentemot dessa.