Svenska Elitfotbollsklubbars Ekonomiska Situation

Transkript

1 Svenska Elitfotbollsklubbars Ekonomiska Situation - en studie om sambandet mellan ekonomisk utsatthet och sportsliga resultat. Av: John Hägerstrand, Kristofer Mårtensson, Filip Olsson & Adam Sundberg Handledare: Michael Levin Södertörns högskola Institutionen för Samhällsvetenskap Företagsekonomi B Höstterminen 2016 Sport Management

2 Sammanfattning Svensk Elitfotboll har på senare år blivit en bransch där pengar har fått en allt större roll. Bland annat har löner till spelare ökat och till det stora hela behöver en klubb inom svensk elitfotboll ha en god ekonomi, dels för att kunna konkurrera med andra klubbar men även för att erhålla elitlicens från Svenska Fotbollsförbundet. Denna undersökning har som syfte att undersöka om det finns ett samband mellan svenska elitfotbollsklubbars ekonomi och sportsliga resultat. Det som huvudsakligen undersökts är om en dålig ekonomi hos klubbar påverkar de sportsliga resultaten. För att ta reda på detta har data från olika klubbars årsredovisningar inhämtats och satts in i en ekonomisk modell för uträkning av ekonomisk utsatthet. I kombination med detta har en rankingmodell för mätning av sportsliga resultat använts och till sist gjordes ett korrelationstest för att mäta sambandet mellan de två. Resultatet visar att det finns ett samband mellan ekonomisk utsatthet och sportsliga resultat och främst de resultat som kommer i direkt anslutning till det aktuella räkenskapsåret. Resultatet som framkommit kan vara en riktlinje för svenska elitfotbollsklubbar att ha i åtanke för sin framtida verksamhet. Detta ger fog för vidare undersökning av fenomenet för att ytterligare se hur stor vikt en ekonomisk medvetenhet kan ha för sportsliga resultat. Nyckelord: Ekonomi, Sportsligt resultat, Fotbollsklubbar, Fotboll

3 Innehåll 1. Inledning Bakgrund Problembakgrund Forskningsfråga Avgränsningar och Urval Syfte Begreppsdefinitioner Teoretisk referensram Altmans Z-score och Ohlsons O-score Icke-vinstdrivande organisationer Metod Population Tillämpning av O-score Tillämpning av Szymanskis Ranking Variabler Resultat Analys Teoretisk återkoppling Slutsatser Diskussion Källor Litteraturförteckning Årsredovisningar Publicerade årsredovisnignar Årsredovisningar via mejl Bilagor Bilaga 1. Population Bilaga 2. Sammanställning över klubbarnas O-Score och SR Bilaga 3. Exempel på beräkning för en klubb

4 1. Inledning 1.1 Bakgrund Svensk fotboll på elitnivå har under de senaste decennierna blivit kommersialiserad i hög grad. Goda sponsringsintäkter har nästintill blivit ett måste för att kunna bedriva elitverksamhet samtidigt som det ökade mediala intresset för fotboll gjort att priset för sändningsrättigheter har stigit kraftigt (Sahlström, 2016). Denna utveckling har lett till att verksamheten som klubbar inom svensk elitfotboll bedriver allt mer liknar den som bedrivs av företag inom näringslivet. (Peterson, 2004, pp ) Majoriteten av svenska fotbollsklubbar drivs ideellt vilket innebär att huvudändamålet inte är ekonomisk vinst, utan att främja medlemmarnas intresse och nå sportsliga framgångar. Det finns dock ett antal klubbar som har valt att bilda ett aktiebolag kring sin elitverksamhet. (Backman, 2009) Detta gör att det kan förekomma en del olikheter i redovisningen mellan klubbar. Utvecklingen av en ökad kommersialisering inom idrotten har dock lett till att sportslig framgång blivit allt mer beroende av en god ekonomi inom organisationen. Spelarmarknaden har blivit glödhet i och med att klubbarna kraftigt konkurrerar om de mest eftertraktade spelarna och lovande talangerna. Utan pengar går det inte att konkurrera sportsligt och utan framgång begränsas värdet av klubben som varumärke, detta i sin tur innebär mindre pengar från sponsorer. En ond cirkel som på senare tid gjort att fler och fler fotbollsklubbar hamnar i ekonomisk kris eller obestånd. (Peterson, 2004) Den utvecklingen som Peterson beskriver har lett till att svenska elitfotbollsklubbar blivit ett intressant studieobjekt då allt mer pengar rör sig inom branschen. Kraven på en god ekonomi för att kunna konkurrera på elitnivå har höjts vilket gör det intressant att studera hur klubbarnas verksamhet påverkas och vad som händer när tecken på ekonomisk utsatthet visas. 1.2 Problembakgrund Till följd av att UEFA ställer krav på att de olika medlemsförbunden ska ansvara för klubbarnas ekonomiska utveckling, infördes 2002 den s.k. elitlicensen inom svensk fotboll. Elitlicensen innefattar olika ekonomiska krav på klubbar i Allsvenskan, Superettan och Damallsvenskan. Bland annat olika riktlinjer i hur de redovisar sina externt förvärvade spelare 1

5 samt att de inte får redovisa ett negativt eget kapital i årsredovisningen per den 31 december. Om dessa kriterier inte uppfylls så riskerar man att tvångsnedflyttas. (Svensk fotboll, 2015) Ekonomiska problem för fotbollsklubbar är vanligt förekommande. I slutet av 2014 riskerade fem olika klubbar inom svensk fotboll att förlora sin elitlicens för 2015 efter att de redovisat ett negativt eget kapital. (TT, 2015) År 2004 beviljade inte licensnämnden elitlicensen för Örebro SK gällande spel i Allsvenskan den nästkommande säsongen. Skälet var att klubben vid kontrollbalanspunkten redovisat ett negativt eget kapital på ca kr. (Svensk Fotboll, 2004) Sammanfattningsvis är en god ekonomi ett krav för få bedriva elitverksamhet inom svensk fotboll, inte bara för föreningens egna ändamål men även för att leva upp till den standard som efterfrågas på elitnivå inom Svenska Fotbollsförbundet. Sambandet mellan fotbollsklubbarnas ekonomiska utsatthet och sportsliga resultat är med detta sagt ett intressant område att studera. Tidigare forskning om fotboll i Storbritannien har visat att höga löner är förknippat med bra prestationer inom fotboll (Szymanski & Smith, 1997). Höga löner ställer i sin tur krav på god finansiering. Detta i kombination med ett kortsiktigt ekonomiskt tänkande kan göra att klubbar hamnar i en ekonomiskt utsatt position. Ekonomisk utsatthet är ett begrepp som i tidigare forskning använts som en indikator på att en organisation är i riskzonen för konkurs (se punkt 2, Teoretisk referensram). Flertalet modeller har tagits fram med avsikt att mäta den ekonomiska utsattheten i både vinstdrivande, och icke-vinstdrivande organisationer. En sådan modell skulle således kunna användas för att mäta den ekonomiska utsattheten i fotbollsklubbar. Resultatet skulle sedan kunna användas för att söka ett samband mellan den ekonomiska utsattheten och klubbarnas sportsliga resultat. 1.3 Forskningsfråga Finns det inom svensk elitfotboll ett samband mellan ekonomisk utsatthet och sportsliga resultat? Undersökningsfrågor: Korrelerar ett värde av ekonomisk utsatthet med slutplacering i Allsvenskan? Finns det ett mått på hur ekonomiskt utsatt en klubb kan vara och fortfarande prestera goda sportsliga resultat? 2

6 1.4 Avgränsningar och Urval För att besvara frågeställningen har en modell använts där olika data från årsredovisningar hämtas in och ett värde räknats fram. För att kunna utföra undersökningen med de resurser och den tidsram som tillhandahölls, behövdes en avgränsning på hur många klubbar och antal år som kunde undersökas. Av praktiska skäl valdes svenska klubbar eftersom de har årsredovisningar som enkelt kan tydas samt är relativt lättillgängliga. Det kan anses mest relevant att genomföra undersökningen på högsta sportsliga nivå eftersom ekonomi bör ha som störst inverkan med hänvisning till bland annat de höga spelarlönerna och priset för sändningsrättigheter. Eftersom ekonomisk utsatthet studeras kan klubbar som degraderats från fotbollens högsta serie vara intressanta studieobjekt, därmed undersöks alla klubbar som spelat minst en utav de fem senaste säsongerna i Allsvenskan (se bilaga 1). Enligt den population som definierats ovan sågs möjligheten att göra en totalundersökning vilket är att föredra då detta eliminerar all typ av urvalsproblematik (Bryman & Bell, 2013, pp ). 1.5 Syfte Syftet är att undersöka om det finns ett samband mellan ekonomisk utsatthet och sportsliga resultat hos elitfotbollsklubbar i Sverige. Om en modell för ekonomisk utsatthet i sin tur kan visa på en resultatriktning vore detta ett bra instrument för att veta hur långt en klubb kan sträcka sig ekonomiskt utan att det får negativa sportsliga konsekvenser. Detta skulle även kunna tillföra kunskap om användbarheten av olika modeller på fotbollsklubbar i Sverige. 1.6 Begreppsdefinitioner Ekonomisk utsatthet: I tidigare forskning har det visat sig svårt att finna en gemensam definition för ekonomisk utsatthet. Beskrivningarna varierar från minskad verksamhet pga. en ekonomisk chock till kraftig förlust av finansiering (Cordery, et al., 2013). I undersökningen avses inte att ta reda på om en fotbollsklubb är i en ekonomisk utsatt situation eller inte. Syftet är istället att använda en modell (se avsnitt 2. Teoretisk referensram) för att mäta graden av ekonomisk utsatthet, där ett lågt värde från modellen är lika med en låg grad av ekonomisk utsatthet, och vice versa. Elitfotbollsklubbar: Fotbollsklubbar som är medlemmar i Föreningen Svensk Elitfotboll 3

7 Sportsligt resultat: Detta går att definiera på en mängd olika sätt. Denna undersökning kommer att använda kvaliteten på klubbarnas prestationer som definition och kommer att utgå från Szymanski & Smith (1997) och deras modell för att mäta detta. Modellen baseras på slutplaceringen i ligan för ett visst år vilket, av de flesta managers, anses vara den bästa indikatorn på klubbarnas prestationer. Detta eftersom slutplaceringen är ett resultat av prestationer över lång tid. Ingen hänsyn tas till prestationer i cupspel eller liknande eftersom faktorer som t.ex. lottning av motståndare i detta fall kan påverka resultatet. 2. Teoretisk referensram Ángel Barajas and Plácido Rodríguez (2010) har studerat den ekonomiska situationen inom spansk elitfotboll. Spansk fotboll var generellt under studietiden i en svår ekonomisk situation, där allt för höga utgifter ledde till större och större skulder. I studien användes olika nyckeltal för att uppskatta den ekonomiska situationen hos klubbarna i de två högsta ligorna i Spanien. Den analyserade även förhållandet mellan klubbarnas lönekostnader för spelare och deras sportsliga prestationer. De fann bland annat att klubbarnas strävan efter sportsliga framgångar leder till en ständig jakt på bättre spelare vilket skapar finansiella problem. De kom också fram till att det fanns ett samband mellan sportsligt resultat och den totala lönen som klubben betalar spelare. Vid tidpunkten för studien befann sig tekniskt sett nio klubbar i en konkurssituation. Med ett antal finansiella variabler och nyckeltal försökte de även med logistisk regression 1 att finna en anledning till att klubbar hamnar i en utsatt ekonomisk situation. De fann dock att denna metod inte gav en bra förklaring till klubbarnas ekonomiska situation. 2.1 Altmans Z-score och Ohlsons O-score När det kommer till att förutse ekonomiskt utsatta situationer har det inom forskningen tagits fram en mängd olika modeller. Bland de första med detta var Altman (1968) som tog fram den så kallade Z-score modellen. Med hjälp av fem olika finansiella variabler räknades ett värde fram som sedan användes för att bedöma om ett företag var nära konkurs, i riskzonen 1 En matematisk modell för att mäta om det finns ett samband mellan en variabel som bara kan anta två värden (konkurs/inte konkurs) och en förklarande variabel. 4

8 eller om det var i en säker position. Z-score modellen är en av de mest erkända modellerna för att förutse konkurs och används än idag. En tidigare använd modell är James Ohlsons O-Score modell (1980) som kan anses tillhöra en nyare generation av prediktiva konkursmodeller. Ohlsons modell består av fler variabler och tar även hänsyn till inflation, vilket gör modellen tillämpbar över flera års ekonomiska uppgifter. Totalt används nio oberoende variabler som representeras av olika nyckeltal som behandlar bl.a. likviditet, lönsamhet, betalningsförmåga, storlek och kassaflöde. Variablerna är som följer: SIZE: log(totala tillgångar / BNP-deflator). BNP-deflator 2 används här som ett inflationsmått vilket ger modellen en tidsenlig tillämpning. TLTA: Totala skulder / Totala tillgångar WCTA: Rörelsekapital / Totala tillgångar CLCA: Kortfristiga skulder / Omsättningstillgångar OENEG: Antar värdet 1 om totala skulder är större än totala tillgångar NITA: Årets Resultat / Totala tillgångar FUTL: Kassaflöde från verksamheten / Totala skulder INTWO: Antar värdet 1 om Årets resultat var negativt de två senaste åren, annars 0 CHIN: = (R år t - R år t-1)/( R år t + R år t-1 ), där R är årets resultat. Variabeln mäter skillnaden mellan resultaten för de senaste två åren. Med utgångspunkten från dessa variabler skapade Ohlsson tre olika modeller för att förutse konkurser inom ett, två och tre år. I Ohlsons modell 1 ges O-score sedan av följande formel: O-Score = SIZE TLTA 1.43WCTA CLCA 2.37NITA 1.83FUTL INTWO 1.72OENEG 0.521CHIN För att beräkna sannolikhet för konkurs inom ett år används sedan följande formel: EXP(O-Score) / 1+EXP(O-score) 2 BNP-deflator är ett prisindex som baseras på BNP och tar således hänsyn till ett lands hela ekonomi och inte enbart för en viss varutyp eller sektor (SCB) 5

9 En sannolikhet större än 0,5 antyder att företag riskerar att gå i konkurs inom två år, vilket motsvarar en O-score på 0. För uttrycka detta i simpla termer innebär detta att alla värden på O-score mindre än 0 är att anse som bra. Med andra ord kan också sägas att desto högra mått på O-score, desto högre mått av ekonomisk utsatthet. 2.2 Icke-vinstdrivande organisationer De tidigare nämnda modellerna är utformade för vinstdrivande organisationer, men för ickevinstdrivande organisationer är forskningen inte lika etablerad. Detta beror på att ickevinstdrivande organisationer sällan går i regelrätt konkurs överhuvudtaget. Antingen slås organisationen ihop med annan eller så slutar den helt enkelt att existera. Eftersom många modeller använder konkurs som oberoende variabel, exkluderar detta de icke-vinstdrivande organisationer som inte gått i konkurs trots att de varit i en finansiellt utsatt position. (Keating, Fischer, Gordon & Greenlee 2005) En del modeller för icke-vinstdrivande organisationer har dock tagits fram. Tuckman och Chang (1991) menade att en icke-vinstdrivande organisation kan anses vara i en ekonomisk utsatt position om det är troligt att organisationen skulle dra ner på sin verksamhet direkt, ifall den utsattes för en finansiell chock, som t.ex. en stor oväntad nedgång av inkomst. Författarna tog fram en modell bestående av fyra olika nyckeltal som kunde fungera som en indikator på att organisationen befann sig i en ekonomiskt utsatt position. Modellen var dock inte prediktiv och kunde inte användas för att förutse en ekonomisk utsatt position för icke-vinstdrivande organisationer. Keating, et al. (2005) genomförde en studie där de jämförde modellerna som tagits fram av Ohlson, Altman, Tuckman och Chang samt beräknade vilken av dem som var mest effektiv för att förutse finansiellt obestånd i icke-vinstdrivande organisationer. Studien utfördes i USA och baserades på inrapporterade ekonomiska data från icke-vinstdrivande organisationer, t.ex. välgörenhetsorganisationer. Inga idrottsklubbar fanns med i studien. De fann att ingen av modellerna, varken individuellt eller kombinerat, kunde anses som effektiva för att förutse en situation som gick att likna vid konkurs. Däremot menar de att Ohlsons modell var bättre än de övriga när det gällde att förutse olika indikatorer på en ekonomiskt utsatt situation. 6

10 Sammanfattningsvis kan följande sägas kring teorier och tidigare forskning: Det finns ett samband mellan sportsliga framgångar hos elitfotbollsklubbar och den totala lönen som de betalar till spelare. Med Z-Score och O-score kan man förutse konkurser i företag Icke-vinstdrivande organisationer går sällan i regelrätt konkurs. En Icke-vinstdrivande organisationen kan istället för konkurs hamna i en ekonomisk utsatt situation. Ohlsons modell presterar bäst av de nämnda modellerna för att förutse en ekonomiskt utsatt situation i en icke-vinstdrivande organisation. 3. Metod Undersökningen består av en kvantitativ studie av de fotbollsklubbar som har spelat minst en säsong i Allsvenskan under de senaste fem säsongerna. Den data som använts för att genomföra undersökningen har hittats i årsredovisningar från respektive klubb. De större klubbarna har ofta dessa, sedan flera år tillbaka, publicerade på respektive webbsidor. Resterande klubbar har kontaktats via e-post och telefon för att försöka få tag i respektive årsredovisningar. Ur de tillgängliga årsredovisningarna har olika data använts i Ohlsons O- Scoremodell, som introducerats i den teoretiska referensramen. Med utgångspunkt från tidigare studier kring icke-vinstdrivande organisationer, har Ohlsons O-score använts som ett mått på ekonomisk utsatthet. Undersökningen är endast baserad på sekundärdata som har hämtats från klubbarnas årsredovisningar och sedan satts in i modellen. Undersökningens grad av validitet, som enligt Bryman och Bell (2013, p. 64) bedömer huruvida de resultat en studie kommer fram till har relevans för forskningsfrågan, bygger på att den modell som används är den mest optimala för att mäta sambandet mellan sportsligt resultat och ekonomisk utsatthet. För att få en så hög grad av validitet har tidigare forskning använts vid bedömning av vilken modell som skall användas för undersökningen. 3.1 Population För att studien ska vara så aktuell och tidsenlig som möjligt undersöktes de klubbar som har spelat minst en säsong i Allsvenskan under de senaste fem säsongerna. Informationen som klubbarna presenterat varierar stort. En del storklubbar publicerar sina årsredovisningar från 7

11 15 år tillbaka i tiden på sin hemsida medans andra inte publicerar något. Alla klubbar som publicerat årsredovisningar från färre än tio år tillbaka har kontaktats via e-post och telefon där en förfrågan om fler årsredovisningar har gjorts. En del klubbar har varit mycket tillmötesgående och delat med sig av mycket information medans andra inte varit beredda eller pga. av tidsbrist, inte haft möjlighet att skickat någon information alls. För att få en så omfattande bild som möjligt har all tillgänglig data använts även om det för vissa klubbar finns mycket knapphändig information. I vissa fall sträcker det sig endast två år tillbaka (se bilaga 1). Svenska Fotbollsförbundet kontaktades även via e-post och telefon då klubbarnas elitlicenser delas ut av förbundet. Därmed drogs slutsatsen att all ekonomisk information om klubbarna borde finnas hos förbundet, dessvärre meddelade förbundets ekonomichef att dessa ej lämnas ut till tredje part av policyskäl 3. De flesta klubbar redovisar resultat- och balansräkning både för moderföreningen och koncernen i sina årsredovisningar. I undersökningen görs antagandet att organisationens hela ekonomi kan påverka det sportsliga resultatet. Därför gjordes valet att använda data från koncernens redovisning istället för moderföreningens. Undersökningens reliabilitet, som enligt Bryman och Bell (2013, p. 167) innebär ett mått på studiens pålitlighet, grundas i att de siffror som klubbarna presenterar i sina årsredovisningar är korrekta och tillförlitliga. Därmed bör det beaktas att siffrorna som undersökningen baseras på är subjektivt framställda. Utav de totalt 23 klubbarna i populationen blev det bortfallet nio klubbar som av olika anledningar inte kunde bistå med årsredovisningar. Det motsvarar ett bortfall på knappa 40 %. Den främsta anledningen till bortfallet är tidsbrist samt att undersökningen sammanföll med julledigheten. Självklart hade svar från fler klubbar och bredare tidsperiod varit önskvärt. Däremot anses variationen av klubbar i undersökningen vara tillfredsställande vad det gäller storlek, marknad och ekonomiska förutsättningar. Därför ses den insamlade datan ändå som tillräcklig för att ta fram ett resultat. 3 Telefonintervju med Richard Johnsson, ordförande för Licensnämnden, Svenska Fotbollsförbundet,

12 3.2 Tillämpning av O-score O-score modellen baseras på nio olika variabler och är anpassade för vinstdrivande organisationer och är på så vis beroende av den ekonomiska information som dessa lämnar ut. Eftersom studieobjektet i detta fall är idrottsorganisationer finns inte samma mängd information tillgänglig och därför har vissa modifikationer gjorts på Ohlsons modell. I studien om icke-vinstdrivande organisationer gjorde Keating, et al. (2005) på grund av otillräcklig information, modifikationer på två variabler i Ohlsons originalmodell. För variabeln FUTL använder de sig inte av kassaflöde från verksamheten i täljaren, utan istället för det som allmänt benämns som EBITDA (Earnings Before Interest, Taxes, Depreciation and Amortization). I en svensk resultaträkning motsvaras detta av rörelseresultatet + avskrivningar. För variabeln INTWO användes villkoret att värdet är 1 om föregående års resultat var negativt, annars är det 0. I Ohlsons modell krävs det att rörelseresultatet ska ha varit negativt två år i rad. Eftersom den ekonomiska informationen även i detta fall är knapphändig samt att resultatet från Keatings, et al, studie delvis används som utgångspunkt, kommer samma modifikationer att användas. Variabeln SIZE används som ovan nämnt för att ge modellen en tidsenlig tillämpning och använder BNP-deflatorn för detta. I Sverige utför Statistiska Centralbyrån (SCB) mätningar av BNP men just deflatorn publiceras inte. Därför kontaktades en statistiker på SCB, Jose Camacho, som tog fram och skickade Sveriges BNP-deflator för de aktuella undersökningsåren. I undersökningen används därför år 2015 som referensår för indexet istället för 1968 som i Ohlsons originalmodell. Med dessa modifikationer, har för samtliga klubbar O-score beräknats samt sannolikheten för konkurs (baserat på O-score) för varje år som årsredovisningar funnits tillgängliga. Totalt har 119 årsredovisningar behandlats (se bilaga 1 och punkt 8 för källhänvisning) och kompletterats med uppgifter från ekonomiska rapporter utförda av Svenska Fotbollsförbundet (Sahlström, 2016) (2010) (2007) (2004) (Roos, 2011) Resultaten från de ekonomiska beräkningarna har sedan jämförts med olika mått för sportsliga resultat. 9

13 3.3 Tillämpning av Szymanskis Ranking För att beräkna sportsliga resultat utgår studien från klubbens slutplacering i Allsvenskan och använder en modifikation av Szymanski & Smith's (1997) rankingmodell (SR) för att ge variabeln ett värde. Modellen ser ut som följer: SR = - ln( p / ( 33 - p ) I modellen är p klubbens slutplacering i Allsvenskan för ett visst år. Konstanten 33 är antalet klubbar i Allsvenskan och Superettan (32) + 1. Att klubbar i Superettan räknas med i modellen trots att de ej ingår i population beror på att en del av de undersökta klubbarna har spelat en eller flera säsonger i Superettan inom tidsramen för undersökningen. Därför ges alla klubbar 1-32 som möjlig slutplacering. Om en klubb vunnit Superettan ett år ges denna klubb 17 som slutplacering för det året osv. Formeln ger därför varje klubb en ranking mellan -3,47 och 3,47 där 3,47 = vinst i Allsvenskan och -3,47 = sista plats i Superettan. Inför säsongen 2008 utökades antal klubbar i Allsvenskan från 14 till 16 stycken. Således tillgavs den klubb som vann Superettan år 2007 eller tidigare placering 15 istället för 17. För att mäta den sportsliga prestationen över en längre tid används ytterligare en variabel. Därför beräknas klubbens snittplacering över två år och använder Szymanskis ranking med denna snittplacering. p som sätts in i modellen blir då: (p år t + p år t-1) / Variabler Totalt ger detta fyra variabler: Szymanskis Ranking (SR) Szymankis Ranking på snittplacering (SR snitt) O-score Sannolikhet I denna undersökning görs antagandet att O-score och sannolikhet är oberoende variabler och att SR och SR snitt är beroende variabler. Med andra ord att det är ekonomin som påverkar 10

14 det sportsliga resultatet i större utsträckning än tvärtom. Med dessa variabler tas regressionslinjer fram för all insamlad data, och det utförs även en korrelationsanalys (Körner & Wahlgren, 2015, pp ). Med samma variabler undersöks även om O-score går att användas som en prediktiv modell för att förutse sportsligt resultat. Orsak och verkan blir givetvis otydligt i detta fall men det anses ändå intressant att undersöka om det finns ett samband mellan O-score och framtida resultat. För att göra detta förskjuts slutplaceringarna i tid så att O-score år t jämförs med ranking för år t + 1, t + 2, osv, och sedan görs nya korrelationstester med dessa variabler. 4. Resultat I tabell 1 presenteras resultaten av korrelationstesterna mellan de olika variablerna som beräknats och tillämpas på O-score. Tabellen visar även hur O-score och ranking korrelerar när de förskjuts i tid i förhållande till varandra. Figur 1: O-Score Sannolikhet O-Score år O-Score år O-Score år O-Score år år t år t t-1 t-2 t+1 t+2 SR år t -0,46-0,35-0,34-0,23-0,35-0,22 SR Snitt år t -0,45-0,34-0,44-0,32-0,36-0,31 Korrelation mellan SR och O-score samt när den sistnämnda förskjuts i tid. Den starkaste sambandet föreligger mellan O-score och SR som uppmäter en korrelation på -0,46 och ett p-värde på 9,9483E-08. Risken att det inte finns ett samband mellan O-score och SR är med andra ord mycket liten och p-värdet motsvarar en trestjärnig statistisk signifikans, vilket är den starkaste graden (Körner & Wahlgren, 2015, p. 131). Den negativa korrelationen säger att desto högre värde på O-score, desto lägre värde på SR. Utryckt i simpla termer innebär detta att desto högre värde på ekonomisk utsatthet, desto sämre slutplacering. Determinationskoefficienten är 0,22, vilket säger att 22 % av variationen i SR är beroende av variationen i O-score, eller tvärtom. Detta innebär att 22 % av variation i slutplacering kan förklaras av variationen av ekonomisk utsatthet. Variationen och regressionslinjen för korrelationen -0,46, mellan SR och O-Score, redovisas i figur 2. 11

15 Som kan ses i figur 1, uppvisar SR Snitt inte någon starkare korrelation än SR när det jämförs med O-score för samma år. När O-score däremot förskjuts i tid så uppvisas en starkare korrelation mot SR Snitt än mot SR. Korrelationen är även starkare när SR Snitt år t jämförs med O-score år t - 1, än vad den är när den jämförs med O-score år t + 1. Korrelationen mellan SR Snitt och O-score år t - 1 är -0,44, medans det mellan SR Snitt och O-score år t + 1 är -0,36. Detta säger, att det finns ett starkare samband mellan O-score, och SR Snitt ett år senare, än vad det finns mellan SR Snitt och O-score ett år senare. I alla mätningar har det påvisats en negativ korrelation mellan Ranking och O-score. För fullständig redovisning av klubbarnas O-score och ranking, se bilaga 2. För exempel på uträkning för en klubb, se bilaga 3. Figur 2: I diagrammet visas en regressionslinje för sambandet mellan O-score och SR, där varje punkt utgörs av ett års sportsliga resultat samt årsredovisning. 5. Analys Enligt den insamlade datan och undersökningens metoder kan det urskiljas ett samband mellan måtten på ekonomisk utsatthet och sportsliga resultat. När värdet på måttet av ekonomisk utsatthet stiger innebär det att rankingen på sportsliga resultat sjunker. Med andra ord innebär det att ett år med, enligt modellen, dålig ekonomi korrelerar med en 12

16 förhållandevis lägre slutplacering i tabellen. Sambandet är inte av den starkaste graden, dock är den trestjärniga statistiska signifikansen av högsta nivå (Körner & Wahlgren, 2015, p. 131). Det kan därför sägas med stor säkerhet att det finns ett samband mellan ekonomisk utsatthet och sportsliga resultat, dock påvisar studien inget kausalt samband. Det går med andra ord inte att säga att det är ekonomin som påverkar de sportsliga resultaten eller tvärtom. Däremot visar resultaten att sambandet är starkare mellan O-score och ranking ett år senare än tvärtom. Detta stärker delvis antagandet att ekonomin påverkar resultatet i större utsträckning än vad resultatet påverkar ekonomin. Vid analys av de lag som har vunnit Allsvenskan inom tidsramen för undersökningen visade det sig att inget lag har haft en högre O-score än 2,76 samma år. Enligt den använda modellen är det inte ett speciellt bra värde, men kan ändå ses som ett riktmärke, eftersom ingen klubb med sämre värde har lyckats vinna Allsvenskan. På samma vis kan det sägas att ingen klubb med ett negativt värde på O-score (dvs ett bra värde) har slutat sämre än nionde plats i Allsvenskan. 5.1 Teoretisk återkoppling Som ovan nämnts så är det omöjligt att finna ett kausalt samband i studien. I studien har det logiska antagandet gjorts, att de bästa spelarna kräver de bästa lönerna. Fortsättningsvis antas därför att de klubbar med bäst ekonomi också har bäst förutsättningar för att rekrytera de bästa spelarna. Med detta som grund ger studien delvis stöd åt Barajas och Rodríguezs (2010) studie från spansk fotboll som kom fram till att klubbar med de högst utbetalda lönerna hade de bästa sportsliga resultaten. Eftersom denna studie utgår från ett mått på ekonomisk utsatthet och inte på löner så är undersökningen inte direkt jämförbar med Barajas och Rodríguezs, men baserat på studiens antaganden är de två inte motstridiga. En modifikation av James Ohlsons O-scoremodell har i studien använts som ett mått på ekonomisk utsatthet. Ohlsons originalmodell var avsedd för att förutse konkurser i vinstdrivande organisationer och är därmed inte direkt anpassad för idrottsorganisationer. Dock fann Keating, et al (2005) att när flertalet modeller för ekonomisk utsatthet testades på icke-vinstdrivande organisationer så presterade en modifikation av O-scoremodellen bäst. Resultaten från den aktuella studien ger dock anledning till att ifrågasätta hur väl tillämpbar 13

17 O-score är på svenska elitfotbollsklubbar. I slutändan ger O-score ett mått på sannolikhet för konkurs inom två år, där ett värde över 0,5 anses ange att en organisation befinner sig i riskzonen för konkurs (Ohlson, 1980). Av de 119 årsredovisningar denna studie behandlat har hela 79% ett uträknat sannolikhetsmått på 0,5 och uppåt. Trots detta har konkurs inte inträffat för något av de studerade objekten. Dessutom uppvisar klubbar med erkänt god ekonomi vid vissa tillfällen en mycket hög O-score. Detta kan potentiellt tyda på tre saker. Inledningsvis kan detta indikera att O-score som modell inte är en bra prediktiv modell för konkurser inom fotbollsklubbar. Alternativt är det Keatings, et al. modifikation, som ansågs bättre för ickevinstdrivande organisationer, inte är lämplig för svenska elitfotbollsklubbar. En tredje anledning kan vara att svenska fotbollsklubbar, till skillnad från vinstdrivande organisationer, inte går i regelrätt konkurs i samma utsträckning när de hamnar i ekonomiskt utsatt position. 5.2 Slutsatser Följande slutsatser kan dras från studien: Modifikationen av Ohlsons O-score av Keating, et al. bör ifrågasättas som prediktiv modell för ekonomisk utsatthet inom svensk elitfotboll. Trots att denna studie inte är utförd i samma omfattning som Keating, et al, visar resultaten att modifikationen inte kan anses som tillämpbar på svenska elitfotbollsklubbar. Baserat på studiens antaganden ger resultaten till viss del stöd till Barajas och Rodríguezs slutsatser om att det finns ett samband mellan ekonomi och sportsligt resultatet, även om det föreligger skillnader mellan deras studie och denna undersökning. Resultatet i undersökningen visar att det finns ett samband mellan ekonomisk utsatthet och sportsliga resultat och att detta samband har en hög statistisk signifikans. Det föreligger inget starkare samband mellan ekonomisk utsatthet och sportsliga resultat framåt i tiden, dock är detta samband starkare än det mellan sportsligt resultat och ekonomisk utsatthet framåt i tiden. Detta stödjer delvis studiens antagande om ekonomins påverkan på det sportsliga resultatet. 6. Diskussion Denna studien har som slutsats att det föreligger ett samband mellan ekonomisk utsatthet och sportsligt resultat. Dock finns ett antal punkter som bör diskuteras då de kan ha inverkan på 14

18 resultatets validitet. Till att börja med råder oklarheter kring fotbollsklubbar som organisation. I studien har alla klubbar antagits vara icke-vinstdrivande organisationer och därmed valdes Keatings, et al modifikation av O-score som mätmodell. Keatings, et al. studie gjordes på icke-vinstdrivande organisationer, men det fanns inga idrottsföreningar med i studien utan den gjordes på framförallt hjälporganisationer. Dessutom drivs ett antal av klubbarna i populationen som idrottsaktiebolag. Detta gör att deras status som icke-vinstdrivande kan ifrågasättas och att Keatings, et al. studie möjligtvis inte kan anses som lämplig för denna typ av organisation. Bristande resurser, framförallt tidsmässiga, i denna studie har bidragit till att en tillfredsställande litteratursökning inte har kunnat genomföras. Detta har bland annat gjort att möjligheten att söka fram och testa en alternativ modell, som eventuellt är bättre lämpad, inte har funnits. Med detta sagt finns möjligheten att det finns en bättre metod för att mäta ekonomisk utsatthet vilket skulle kunna påverka resultatet i denna studie. Givetvis påverkar årliga variationer i inkomst, som t.ex. prispengar och cupspel, varje årsredovisnings O-score. Däremot tar O-score hänsyn till så pass många delar av organisationens ekonomi att inverkan av dessa variationer får en förminskad effekt. På samma sätt kan Szymanskis ranking ifrågasättas som ett bra mått på sportsliga resultat. Rankingen tar enbart hänsyn till slutplacering i tabellen och beaktar inte antalet poäng som varje klubb samlat ihop under en säsong. Det innebär att en stor poängskillnad mellan t.ex. lag 1 och 2 i tabellen kan indikera stora skillnader i sportsligt resultat, men enligt Szymanskis ranking (1997) blir skillnaden mellan lag 1 och lag 2 alltid samma, oavsett poäng. Dessutom kan ett lag i Superettan inte ges en högre ranking än 0 för det året eftersom det kräver spel i Allsvenskan. En klubb i Superettan kan således teoretiskt ha en O-score som "borde" korrelera med en ranking i Allsvenskan, men Szymanskis ranking gör detta omöjligt. Det problem minskar dock när vi förskjuter rankingen i tid, i förhållande till O-score. I undersökningen görs antagandet att alla klubbar verkar i samma miljö. Men klubbarnas möjligheter till en förbättrad ekonomi är beroende av en mängd variabler. Ingen hänsyn tas till hur stor marknaden är som varje klubb verkar i. Möjligheterna till ekonomisk vinst genom biljettintäkter, beror t.ex. till stor del på hur många potentiella besökare det finns. Exempelvis är möjligheterna betydligt större i en storstad än i en ort med mindre befolkning. Hade 15

19 resurserna funnits vore det möjligtvis lämpligt att dela upp undersökningsobjekten efter storlek på marknad, alternativt använda en modell som tar hänsyn till detta. Ett annat potentiellt problem med studien är de stora skillnader i antalet årsredovisningar som de undersökta klubbarna har bistått med. Det optimala vore att genomföra undersökningen på en längre tidsperiod där samtliga klubbars årsredovisningar fanns tillgängliga. Detta omöjliggjordes då besked gavs från vissa klubbar att endast ett fåtal årsredovisningar kunde undersökas. Med större resurser hade detta eventuellt kunnat åtgärdas. Det nya regelverket K3 som infördes 2014 kan ha tillfört vissa skillnader i klubbarnas årsredovisningar jämfört med tidigare år. Då det finns skillnader i hur man kan och får redovisa framförallt tillgångar skulle de kunna innebära skillnader i klubbarnas redovisning. (Bokföringsnämnden, ) Det är däremot svårt att se vad eller om det faktiskt har skett några förändringar i hur klubbarna sköter sin redovisning. Att ta hänsyn till detta skulle i stor omfattning försvåra genomförandet av denna undersökning. Med dessa besvärande omständigheter i åtanke kan ändå några relevanta slutsatser dras: Med stor sannolikhet finns det i studien ett samband mellan ekonomisk utsatthet och sportsligt resultat, vilket var huvudsyftet med denna studie. Inget kausalt samband går att urskilja men dock ger studien tecken på att ekonomisk utsatthet kan påverka de framtida sportsliga resultaten negativt. Studien ger också en aning om att resultaten skulle kunna användas som eventuella riktlinjer för klubbarnas ekonomiska situation beroende på ambitionsnivå. Har en klubb som ambition att konkurrera om topplaceringar i Allsvenskan kan denna studien ge tecken på hur den ekonomiska situationen har sett ut för tidigare vinnare och således visa vad man bör sträva efter i det ekonomiska arbetet. Den tydligaste indikatorn på sambandet utläses i det faktum att av 119 undersökta fall har O-score under 0 aldrig inneburit en sämre slutplacering än plats nio i Allsvenskan. Detta ger en förnimmelse om den möjliga användbarheten av studier som denna för svenska elitfotbollsklubbar. Sambandet som studien finner ger fog för vidare forskning. Dels bör ytterligare fokus riktas mot att finna och testa lämpliga modeller för mätning av ekonomisk utsatthet och sportsligt resultat för svenska elitfotbollsklubbar. Liknande idrotter som t.ex. ishockey skulle även kunna var lämpliga studieobjekt. För framtida forskning borde stor vikt läggas vid inhämtning av data så att ett större antal klubbar undersöks under fler år. Detta skulle avsevärt förbättra 16

20 generaliserbarheten. Sambandet som studien finner bör därmed ses som en ögonöppnare som med vidare forskning skulle kunna gynna svenska elitfotbollsklubbars ekonomiska medvetenhet och verksamhet. 17

21 Källor Litteraturförteckning Altman, E., Ratios, discriminant analysis, and the prediction of corporate bankruptcy. Journal of Finance, 4(23), pp Backman, J., Idrottsforum. [Online] Available at: [Accessed ]. Barajas, Á. & Rodríguez, P., Spanish Football Clubs* Finances:. International Journal of Sport Finance, Issue 5, pp Bokföringsnämnden, Bokföringsnämndens VÄGLEDNING. [Online] Available at: [Accessed ]. Bryman, A. & Bell, E., Företagsekonomiska forskningsmetoder. Tredje ed. Johanneshov: MTM. Cordery, C. J., Sim, D. & Baskerville, R. F., Three models, one goal: Assessing financial vulnerability in New Zealand amateur sports clubs. Sport Management Review, Issue 16, pp Keating, E. K., Mary, F., Gordon, T. P. & Janet, G., Assessing Financial Vulnerability in the Nonprofit Sector. Faculty Research Working Papers Series, January. Körner, S. & Wahlgren, L., Statistiska Metoder. Tredje ed. Lund: Studentlitteratur AB. Ohlson, J., Financial ratios and the probabilistic prediction of bankruptcy. Jourlnal of Accounting Research, 1(18), pp Peterson, T., Idrotten och samhället. In: I. Broberg, red., Perspektiv på Sport Management. Stockholm: SISU Idrottsböcker, pp Roos, B., Divison 1-föreningarnas ekonomi [Online] Available at: [Accessed ]. Sahlström, K., Analys av de allsvenska föreningarnas ekonomi [Online] Available at: [Accessed ]. Sahlström, K., Analys av de allsvenska klubbarnas ekonomi [Online] Available at: 18

22 B107D4CE4160%7D.pdf [Accessed ]. Sahlström, K., Analys av de allsvenska klubbarnas ekonomi [Online] Available at: [Accessed ]. Sahlström, K., Analys av allsvenska klubbarnas ekononomi [Online] Available at: er.aspx uq [Accessed ] Svensk Fotboll, Ingen elitlicens för Örebro SK. [Online] Available at: [Accessed ]. Svensk fotboll, Anvisningar till elitlicensen ekonomikriterier. [Online] Available at: [Accessed [ ]. Szymanski, S. & Smith, R., The English foothall industry: Profit, performance and industrial. International Review of Applied Economics, 1(11), pp TT, Fem klubbar riskerar elitlicensen, se: Svenska Dagbladet, [Online] Available at: [Accessed ] Tuckman, H. & Chang, C., A methodology for measuring the financial vulnerability of. Nonprofit and Voluntary Sector Quarterly, 4(20), pp Årsredovisningar Publicerade årsredovisningar AIK, [Online] Available at: [Accessed [ ]. Djurgårdens IF, [Online] Available at: [Accessed [ ]. 19

23 IF Elfsborg, , [Online] Available at: [Accessed [ ]. Hammarby IF, [Online] Available at: [Accessed [ ]. Halmstad BK, [Online] Available at: [Accessed [ ]. Helsingborgs IF, [Online] Available at: [Accessed [ ]. IFK Göteborg, [Online] Available at: [Accessed [ ]. Malmö FF, [Online] Available at: [Accessed [ ]. Örebro SK, [Online] Available at: [Accessed [ ]. Årsredovisningar via mejl Gefle IF ( ) BK Häcken ( ) Kalmar FF ( ) GIF Sundsvall ( ) Östersund FK ( ) 20

24 Bilagor Bilaga 1. Population Population Årsredovisningar AIK Djurgårdens IF Hammarby IF Helsingborgs IF IFK Göteborg Malmö FF Kalmar FF IF Elfsborg , Gefle IF BK Häcken Örebro SK Östersunds FK GIF Sundsvall Halmstad BK IF Brommapojkarna Bortfall Falkenbergs FF Bortfall GAIS Bortfall Jönköping Södra IF Bortfall Mjällby AIF Bortfall IFK Norrköping Bortfall Syrianska FC Bortfall Åtvidaberg FF Bortfall Östers IF Bortfall 21

25 Bilaga 2. Sammanställning över klubbarnas O-Score och SR Sammanställning O-Score Djurgården 2004 O-score 0,7531 1,498 0,2949-1,395 3,6823 3,0862 5,0006 4,8157 0,6498 4,1376 1,7578 2,1597 Slutplacering Två års medelslutplacering 2,5 2,5 3,5 4,5 7, , ,5 Sanolikhet exp(o-score)/1+exp(o-score) 0,6799 0,8173 0,5732 0,1987 0,9755 0,9563 0,9933 0,992 0,657 0,9843 0,8529 0,8966 Snitt Szymanski's Ranking 2,5014 2,5014 2,1316 1,8458 1,2238 0,4308 0,5596 0,7621 0,8329 1,1394 1,3122 1,4053 Szymanski's Ranking 1,981 3,4657 1,5041 2,3026 0,5596 0,3054 0,8329 0,6931 0,9808 1,3122 1,3122 1,5041 O-score/ Medel O-score 0,3451 0,4611 0,5758-2,987 1,7073 1,1996 1,2773 1,9668 0,1786 0,8887 0,5603 0,5982 Örebro O-score 2,4963 2,5844 4,3289 2,5765 3,3089 1,6816 Slutplacering Två års medelslutplacering 4,5 7,5 13,5 16,5 12 7,5 Sanolikhet exp(o-score)/1+exp(o-score) 0,9239 0,9298 0,987 0,9293 0,9647 0,8431 Snitt Szymanski's Ranking 1,8458 1,2238 0, ,5596 1,2238 Szymanski's Ranking 2,3026 0,5596 0,1823-0,182 1,5041 0,9808 O-score/ Medel O-score 0,6376 1,0555 1,19 0,5534 1,0547 0,4658 IFK Göteborg O-score 0,5339 5,151 1,3969-0,908 2,0944-1,139-0,046 2,0686 1,5613 2,1392 3,4664 1,4172 Slutplacering Två års medelslutplacering 5 2,5 5 4,5 2 2,5 4, ,5 2 Sanolikhet exp(o-score)/1+exp(o-score) 0,6304 0,9942 0,8017 0,2874 0,8904 0,2425 0,4885 0,8878 0,8265 0,8947 0,9697 0,8049 Snitt Szymanski's Ranking 1,7228 2,5014 1,7228 1,8458 2,7408 2,5014 1,8458 1,3122 1,3122 1,7228 2,5014 2,7408 Szymanski's Ranking 2,3026 2,7408 1,1394 3,4657 2,3026 2,7408 1,3122 1,3122 1,3122 2,3026 2,7408 2,7408 O-score/ Medel O-score 0,2446 1,5855 2,7271-1,944 0,9711-0,443-0,012 0,8448 0,4292 0,4595 1,1049 0,3925 Elfsborg O-score 1,2403 3,1449 1,7728 3,7592 2,1509 4,0656 2,4151 1,8407 Slutplacering Två års medelslutplacering 2,5 3 2,5 3,5 3,5 2 3,5 5 4 Sanolikhet exp(o-score)/1+exp(o-score) 0,7756 0,9587 0,8548 0,9772 0,8958 0,9831 0,918 0,863 Snitt Szymanski's Ranking 2,5014 2,3026 2,5014 2,1316 2,1316 2,7408 2,1316 1,7228 1,981 Szymanski's Ranking 1,981 2,7408 2,3026 1,981 2,3026 3,4657 1,5041 1,981 1,981 O-score/ Medel O-score 2,6565 1,4582 0, ,5353 0,5913 0,8732 0,7698 0,

26 GIF Sundsvall O-score 13,013 9, ,204 Slutplacering Två års medelslutplacering 16,5 18,5 15 Sanolikhet exp(o-score)/1+exp(o-score) 1 0, Snitt Szymanski's Ranking 0-0,244 0,1823 Szymanski's Ranking -0,305-0,182 0,5596 O-score/ Medel O-score 2,795 2,9221 2,8262 Halmstad BK O-score 2,5176 4,6387 Slutplacering Två års medelslutplacering 12 12,5 Sanolikhet exp(o-score)/1+exp(o-score) 0,9254 0,9904 Snitt Szymanski's Ranking 0,5596 0,4947 Szymanski's Ranking 0,8329 0,1823 O-score/ Medel O-score 0,8025 1,2848 Malmö FF O-score 0,216-2,39-5,239-1,002-0,938-0,401 2,7676-0,513 3,3408 2,2654-0,747-0,604 Slutplacering Två års medelslutplacering ,5 6,5 4 2,5 3, Sanolikhet exp(o-score)/1+exp(o-score) 0,5538 0,084 0,0053 0,2686 0,2813 0,4011 0,9409 0,3744 0,9658 0,906 0,3214 0,3535 Snitt Szymanski's Ranking 2,7408 2,3026 1,5041 1,1394 1,2238 1,4053 1,981 2,5014 2,1316 2,7408 3,4657 2,3026 Szymanski's Ranking 3,4657 1,7228 1,3122 0,9808 1,5041 1,3122 3,4657 1,981 2,3026 3,4657 3,4657 1,7228 O-score/ Medel O-score 0,099-0,736-10,23-2,145-0,435-0,156 0,707-0,21 0,9184 0,4866-0,238-0,167 Helsingborg O-score 2,7331 2,1372 0,5125 2,9982 2,0769 4,6786 3,7653-2,578 2,3979 4,4059 1,7689 4,4271 Slutplacering Två års medelslutplacering ,5 3,5 5,5 7 8,5 Sanolikhet exp(o-score)/1+exp(o-score) 0,939 0,8945 0,6254 0,9525 0,8886 0,9908 0,9774 0,0705 0,9167 0,9879 0,8543 0,9882 Snitt Szymanski's Ranking 1,1394 1,1394 1,7228 1,5041 1,5041 1,5041 1,7228 3,0445 2,1316 1,6094 1,3122 1,0586 Szymanski's Ranking 0,8329 1,5041 1,981 1,1394 1,981 1,1394 2,7408 3,4657 1,5041 1,7228 0,9808 1,1394 O-score/ Medel O-score 1,2523 0,6578 1,0004 6,4215 0,963 1,8185 0,9618-1,053 0,6592 0,9463 0,5638 1,

27 Östersund O-score 6,247 5,6613 5,3962 2,9217 3,959 Slutplacering Två års medelslutplacering ,5 19,5 Sanolikhet exp(o-score)/1+exp(o-score) 0,9981 0,9965 0,9955 0,9489 0,9813 Snitt Szymanski's Ranking -3,466-3,466-1,981-0,906-0,368 Szymanski's Ranking -3,466-3,466-1,312-0,56-0,182 O-score/ Medel O-score 2,5513 1,5563 1,159 0,9313 1,0965 Hammarby O-score 3,8874 2,9574 1,6215 4,2092 2,5 2,8308 4,0807 4,1049 4,2073 3,0552 1,4993 0,7083 Slutplacering Två års medelslutplacering 4 5 3,5 4,5 7,5 12, ,5 23,5 20, Sanolikhet exp(o-score)/1+exp(o-score) 0,9799 0,9506 0,835 0,9854 0,9241 0,9443 0,9834 0,9838 0,9853 0,955 0,8175 0,67 Snitt Szymanski's Ranking 1,981 1,7228 2,1316 1,8458 1,2238 0,4947-0,431-1,224-0,906-0,495-0,305 0,3054 Szymanski's Ranking 1,5041 1,981 2,3026 1,5041 0,9808 0,0606-0,981-1,504-0,431-0,56-0,061 0,6931 O-score/ Medel O-score 1,7812 0,9103 3,1655 9,0152 1,1591 1,1003 1,0424 1,6765 1,1566 0,6562 0,4779 0,1962 AIK O-score 4,9715 5,4191 1,0288 1,0729 3,5893 0,6417 4,1907 0,0353 3,0167 2,1491-0,052 3,1535 Slutplacering Två års medelslutplacering ,5 3, , ,5 3 Sanolikhet exp(o-score)/1+exp(o-score) 0,9931 0,9956 0,7367 0,7451 0,9731 0,6551 0,9851 0,5088 0,9533 0,8956 0,4871 0,959 Snitt Szymanski's Ranking 0,9808 0,3054 1,0586 2,1316 1,7228 2,3026 1,5041 1,4053 2,3026 2,3026 2,5014 2,3026 Szymanski's Ranking 0,4308 0,1823 2,7408 1,7228 1,7228 3,4657 0,6931 2,7408 1,981 2,7408 2,3026 2,3026 O-score/ Medel O-score 2,2779 1,668 2,0084 2,2979 1,6642 0,2494 1,0705 0,0144 0,8293 0,4616-0,017 0,8735 Kalmar O-score 0,9692-3,029-10,48-6,896 1,1116 2,4239 2,7429 1,7714 2,7863 2,6664 3,2748 Slutplacering Två års medelslutplacering 4 4 3,5 1,5 2,5 6,5 8, ,5 12 Sanolikhet exp(o-score)/1+exp(o-score) 0,725 0,0461 3E-05 0,001 0,7524 0,9186 0,9395 0,8546 0,9419 0,935 0,9636 Snitt Szymanski's Ranking 1,981 1,981 2,1316 3,0445 2,5014 1,4053 1,0586 0,9808 1,3122 1,2238 0,5596 Szymanski's Ranking 2,3026 1,7228 2,7408 3,4657 1,981 0,9808 1,1394 0,8329 1,981 0,6931 0,4308 O-score/ Medel O-score 0,2983-5,914-22,45-3,197 0,4321 0,6192 1,1202 0,487 0,5984 0,8499 0,

28 Häcken O-score -0,887-3,931-2,488-0,853-1,818-2,269 Slutplacering Två års medelslutplacering 6, ,5 6 Sanolikhet exp(o-score)/1+exp(o-score) 0,2917 0,0192 0,0767 0,2987 0,1397 0,0937 Snitt Szymanski's Ranking 1,4053 1,3122 1,981 1,5041 1,2238 1,5041 Szymanski's Ranking 1,1394 1,5041 2,7408 0,8329 1,7228 1,3122 O-score/ Medel O-score -0,227-1,605-0,684-0,183-0,579-0,629 Gefle O-score 5,3568-1,953 5,0546 2,3898 1,0494 1,9542 Slutplacering Två års medelslutplacering 12 11, , Sanolikhet exp(o-score)/1+exp(o-score) 0,9953 0,1242 0,9937 0,916 0,7407 0,8759 Snitt Szymanski's Ranking 0,5596 0,6257 0,8329 0,6257 0,4308 0,5596 Szymanski's Ranking 0,3054 0,9808 0,6931 0,5596 0,3054 0,8329 O-score/ Medel O-score 1,3683-0,798 1,3895 0,5133 0,3345 0,