Vliv makroekonomických faktorů na výkonnost hráčů esportu

Abstract

Název: Vliv makroekonomických faktorů na úspěšnost hráčů esportu Cíle: Cílem této práce je nalézt statisticky významné faktory úspěchu v prostředí profesionálního hraní her. Na základě regresních koeficientů lze dále předpovědět, jakou měrou každý zjištěný faktor přispívá do výsledného regresního modelu. Výsledky výzkumu by na závěr měly být srovnány s výsledky obdobných prací z prostředí tradičních sportů. Metody: K analýze sekundárních dat bylo užito mnohonásobné lineární regrese. K testování předpokladů regresní analýzy bylo užito Pearsonova korelačního koeficientu. Statistická významnost dat byla testována na hladině významnosti α = 0,05. Regresní model byl sestaven po předchozím testování předpokladů mnohonásobné lineární regrese s využitím programu IBM SPSS Statistics 27. Výsledky: Po vyhodnocení předpokladů regresní analýzy zůstalo celkem 5 proměnných, které byly užity v regresním modelu. Program SPSS odhalil statistickou významnost pouze u 4 ukazatelů: Počet obyvatel, Zápis na vysoké školy, Uživatelé internetu a Export moderních technologií. Největší relativní sílu v modelu mají Počet obyvatel a Zápis na vysoké školy. Většina výzkumů z oblasti tradičních sportů identifikuje ukazatel HDP na obyvatele jako významný faktor úspěchu, tento předpoklad se ale v prostředí esportu nepotvrdil....

Title: The Influence of macroeconomic factors on performance in eSports Objectives: The main objective of this work is to find determinants of success in eSports. Furthermore, interpreting regression coefficients gives us the opportunity to point out the most important factors of success in eSports and also to compare their relative strenght in regression model. The results of the regression analysis will be put in comparison with the outcomes of similiar papers on this topic, mainly focused on the performance in traditional sports. Methods: To analyse our collected secondary data, we use multiple linear regression model. To test some of the assumptions of regression, Pearson correlation coefficient was used. The dataset was tested on the 5 % significance level. The regression model was made via IBM SPSS Statistics 27. Results: There were only 5 independent variables left in the model after testing all the linear regression assumptions. From these 5, only 4 were statistically significant: Population, School enrollment (tertiary), Internet users per 100 and High-technology exports. Population and School enrollment have the most relative strenght in the regression model. Many authors mention GDP per capita as an important predictor of success in traditional sports, however this study does not...