Академический Документы
Профессиональный Документы
Культура Документы
FÚTBOL PROFESIONAL
ABSTRACT
1. Introducción
1
Este trabajo ha sido parcialmente subvencionado por el Proyecto de Investigación del Ministerio de
Ciencia y Tecnología TIC2002-04242-C03-03
1
En la primera parte del trabajo utilizamos modelos matemáticos que se nutren de
2
datos estadísticos de los que se extraen los inputs y los outputs para analizar la
eficiencia de las ligas española e italiana. Mostramos que para obtener una buena
clasificación en la liga es mucho más importante ser eficiente defensivamente que serlo
ofensivamente, y se avala la conocida máxima “para ganar la liga hay que sacar la
media inglesa”, es decir, ganar los partidos jugados en casa (ser eficiente
ofensivamente en campo propio) y no hay que perder los jugados fuera de casa (ser
eficiente defensivamente en campo ajeno). Por último, se comprueba que la liga
española es más homogénea y competitiva que la italiana.
Por otro lado, este método se puede realizar un análisis de incidencia de cada
uno de los inputs sobre el valor del índice de eficiencia, es decir un análisis de post-
optimización de los coeficientes técnicos de la matriz de datos, y con ello obtener las
variaciones (tanto positivas como negativas) que se producen en el índice al considerar
variaciones de cada uno de los datos de los inputs. Además, esto permite conocer
cuáles son las modificaciones que alteran en mayor grado la eficiencia de cada equipo.
2
Agradecemos a la empresa GECA Sport S. A. la cesión, de forma desinteresada, de gran parte de los
datos que se utilizan en este estudio.
2
espectador que acude al campo y del televidente, y no olvidemos que los derechos de
televisión serían una de las principales fuentes de financiación de esta competición.
Yi = Yi (X i), i = 1, … , n,
donde Yi es una medida del output del fútbol para el equipo i y Xi es un vector de
inputs. En general, los inputs que se utilizan son evaluados con variables que miden las
habilidades técnicas de los jugadores.
3
Posteriormente, G. W. Scully (1974) en un trabajo aparecido en la American Economic Review realizó
una primera explotación empírica estimando funciones de producción para el mismo deporte. Estos
trabajos fueron secundados por los de T. A. Zak y otros (1979) o el F. A. Scott, J. E. Long y K. Somppi
(1985) centrados en el baloncesto, los de J. A. Schofield (1988) enfocados a la liga de cricket, los de P.
J. Sloane (1971 y 1997) en el fútbol, si bien desde otra perspectiva, o los más recientes de F. Carmichael
y D. Thomas (1995) o F. Carmichael, D. Thomas y R.Ward (2000) directamente centrados en la función
de producción y el estudio de la eficiencia aplicados al rugby y a la liga de Fútbol Inglesa (English
Premier League) o P. Dawson, S. Dobson y B Gerrard, (2000).
3
comparten dos aspectos comunes. En primer lugar, tratan de cuantificar la importancia
relativa de cada uno de los inputs en la obtención del output (es decir, las elasticidades
output de los inputs), lo que permite extraer conclusiones acerca de qué aspectos
técnicos del juego son más relevantes. En segundo lugar, tratar de medir, una vez se
ha controlado por las dotaciones de factores, cuál es la razón por la que difiere la
productividad aparente de cada uno de los equipos4.
En este trabajo suponemos que los equipos de fútbol tienen acceso a una
tecnología común, pero que difieren en sus niveles de eficiencia X, es decir que las
diferencias de productividad se pueden explicar por las diferencias en la calidad de
gestión de los recursos o la eficiencia con la que los organizan. La razón es que, a la
vista de la información y los trabajos disponibles (De la Fuente, 1998) se puede asumir
que la tecnología empleada en el fútbol (tácticas, esquemas, preparación física, etc.) es
muy homogénea y, en lo fundamental, conocida por los profesionales. Por esta razón
se utilizarán técnicas no paramétricas de optimización (concretamente modelos DEA5),
que permiten calcular lo que se denomina la frontera de producción eficiente, que
refleja la producción máxima alcanzable en función de las dotaciones de factores
productivos y permite medir la ineficiencia por la distancia a ella.
4
Es decir, tratar de explicar las razones por las que comparando dos equipos que estuvieran dotados de
jugadores con habilidades idénticas (utilizarán las mismas cantidades de inputs), uno de ellos consigue
más puntos o victorias que el otro.
5
Una introducción a los modelos DEA puede verse en Coelli [7] y Cooper et alt [8].
6
En una estimación de funciones de producción estándar para empresas los inputs siempre deben
presentar un signo positivo, ya que o añaden output a las empresas, con lo que su correlación con éste
debe de ser positiva, o las empresas no los utilizarían.
4
Otro aspecto relevante, es el hecho de que las técnicas DEA permiten también
considerar en el análisis la presencia de más de un output del proceso productivo.
Además, no se requiere ninguna hipótesis sobre la frontera de producción, y la
eficiencia de una unidad queda definida con respecto a las restantes unidades
“observadas”. Este análisis se detiene en la identificación del “mejor comportamiento”
en lugar de en el “comportamiento medio”, como hace el análisis de regresión. De
hecho, en las técnicas DEA no se exige, como en los modelos de frontera, la
especificación de los pesos comunes 7 para los inputs, sino que los pesos individuales
son precisamente las variables del modelo, y la solución determinará aquéllos que
proporcionan los mejores valores de eficiencia. Por lo tanto, son técnicas
perfectamente aplicables al caso del fútbol, donde las DMU's (equipos) presentan una
serie de características diferentes en la composición de su plantilla, es decir, jugadores,
que tendrán una mejor predisposición hacia un determinado número de acciones que
es conveniente explotar, y es el propio modelo quien determina el peso o ponderación
de cada una de las acciones de manera que la combinación sea la más eficiente.
7
Charnes, Cooper y Rhodes (1978), en su artículo inicial, ya tuvieron en consideración dicha dificultad
de cálculo de pesos comunes para la obtención de una eficiencia relativa. Reconocieron la legitimidad
del hecho de que ciertas unidades pueden valorar los inputs y outputs de forma diferente y por tanto,
adoptar pesos distintos de manera que se obtengan los niveles de eficiencia más favorables.
8
En los modelos DEA propuestos se asumen rendimientos constantes a escala (CRS) y no rendimientos
variables a escala (VRS). La justificación de utilizar VRS residiría en que la mayor incidencia de los
inputs pueda incrementar (de forma creciente o decreciente) la consecución de más outputs en un
partido determinado, pero en el total de liga (en casa y fuera) ese efecto queda diluido por el total de los
partidos jugados y, por ello, no se considera relevante.
5
Modelo M-1 Max Φ
n
sujeto a ∑λ x j ij ≤ xi 0 (1)
j=1
∑λ y
n
j kj ≥ Φ y k0
j =1
λ ≥0
donde xij, ykj representan los inputs y outputs, respectivamente, para el j-ésimo equipo,
j = 1, 2, ..., n, xi0 es el nivel de input del equipo que se está analizando, yk0 el output del
mismo y Φ el coeficiente de la combinación óptima para el output ykj. Los dos outputs
que incluiremos en el análisis serán el número de puntos obtenidos y el número de
goles conseguidos, de forma que consideramos conjuntamente el hecho de que a los
equipos se les exige ganar (maximizar los puntos conseguidos), pero valorando que se
consigan muchos goles 9.
sujeto a ∑λ x j ij ≤ θ x i0 (2)
j=1
∑λ y
n
j kj ≥ y k0
j =1
λ ≥0
9
Aunque en el mundo del fútbol lo más importante es ganar, los aficionados prefieren hacerlo por la
máxima diferencia de goles posible por, al menos, dos razones. La primera es que un partido con
muchos goles a favor es un espectáculo mejor valorado. La segunda es que en caso de empate a puntos
en la clasificación entre dos equipos (por ejemplo, en España), queda por delante aquel equipo que tiene
la mayor diferencia de goles a favor.
6
Finalmente, hay otros dos aspectos que es conveniente destacar. El primero de
ellos es una cuestión meramente técnica, que se refiere a la orientación input o output
de los modelos DEA. Aunque es conocido que la orientación del modelo no tiene
influencia sobre la medición de la eficiencia relativa de los equipos, lo cierto es que
conceptualmente parece más razonable medir la eficiencia defensiva empleando un
modelo con orientación input (en el que se minimizan los inputs para unos outputs
dados) y medir la eficiencia ofensiva a partir de modelos con orientación output (en el
que se maximizan los outputs para unos inputs dados). Además, presentamos tres
escenarios alternativos para medir la eficiencia ofensiva o defensiva, con lo que
contaremos con seis mediciones de la frontera de producción eficiente: eficiencia
ofensiva general, en casa y fuera y eficiencia defensiva general, en casa y fuera. Como
veremos, esta desagregación nos va a permitir establecer algunas conclusiones
interesantes acerca de los aspectos que debería mejorar cada equipo para acercarse a
los niveles de eficiencia de los mejores, así como establecer algunas conclusiones
sobre qué facetas del juego, ofensivas o defensivas, permitirían a los equipos mejorar
su clasificación.
En los últimos años han proliferado las estadísticas relacionadas con aspectos del
juego del fútbol, similares a las existentes en otros deportes desde hace bastante
tiempo (por ejemplo, en las ligas profesionales de baloncesto). De esta forma, existen
algunas empresas que se dedican a elaborar estas estadísticas con la finalidad de
distribuirlas fundamentalmente a los medios de comunicación. Así, los informativos
especializados en deporte pueden ofrecer puntualmente una información exhaustiva
sobre cada uno de los partidos disputados, incidiendo en los aspectos más diversos del
juego, valorando el rendimiento de los jugadores e, incluso, ofreciendo clasificaciones
paralelas que corrigen los posibles errores arbitrales.
En este trabajo los datos utilizados han sido facilitados de forma desinteresada por
la empresa GECA Sport, que posee una de las bases de datos más extensas
disponibles referidas al fútbol español e italiano. Aunque en esta base de datos se
7
recoge una gran variedad de aspectos del juego, desglosada en diferentes categorías,
nosotros sólo utilizaremos una pequeña parte de esta información.
10
La razón es que el monto económico de los contratos ha evolucionado de forma espectacular en los
últimos años, coexistiendo jugadores con contratos firmados antes del boom, con jugadores que han
revisado sus contratos y otros que no lo han hecho. Además, en algunos casos hay costes derivados de
los traspasos, mientras que en otros casos se trata de jugadores que han venido con “la carta de
8
Para analizar la eficiencia defensiva se han considerado los inputs y outputs
contrarios a los anteriores:
libertad” o provienen de la cantera. Todas estas razones hacen que sea difícil utilizar el “coste” de un
jugador como proxy de su habilidad.
9
En la Tabla 1, se recoge información sobre los outputs para la liga española y el
calcio italiano en las temporadas 2000/01 y 2001/02. Dado que en ambas ligas el
número de equipos que participan es distinto (20 en España y 18 en Italia) la media y la
desviación estándar de los outputs son poco reveladoras para establecer
comparaciones entre ambos campeonatos. Por ello, también se recoge la media y la
desviación estándar de los cuatro outputs estandarizados por el número de partidos.
Como se puede observar para la temporada 2000/01, de cada 3 puntos en litigio,
en España se han obtenido 1.37, prácticamente los mismos que en Italia (1.36) y, en
consecuencia, se han dejado de obtener 1.63 y 1.64 puntos, respectivamente. Sin
embargo, la desviación estándar es mucho mayor en Italia (0.44) que en España
(0.28). Esto significa que entre los equipos de la liga española las diferencias en la
clasificación han sido de mucho menor entidad que en Italia, lo que implica un nivel
competitivo más igualado entre los equipos de la Liga española que entre los que
integran el Calcio. Por otro lado se observa un descenso en el número de goles por
partido de la liga española en las dos temporadas pasando de 1.44 a 1.26 goles por
partido, casi un 13 por ciento de disminución. Si nos centraremos en la temporada
2001/02, por ser la más reciente, en la liga italiana se han marcado/encajado 1,32
goles por partido, frente a los 1,26 de la liga española 11, y, de nuevo, la desviación
estándar de los goles encajados por partido es sensiblemente mayor en la liga italiana
(0.34) que en la española (0.25), mientras que la dispersión de los goles marcados es
prácticamente idéntica en los dos campeonatos (0.30 y 0.28, respectivamente). Si
tenemos en cuenta, además, que en España la dispersión de los goles marcados es
superior a la de los encajados, mientras que en Italia ocurre precisamente lo contrario,
se pueden extraer dos conclusiones adicionales: las diferencias defensivas (dispersión
en los goles encajados) entre los equipos italianos son más notables que entre los
equipos españoles y las diferencias ofensivas (dispersión en los goles marcados) son
más importantes que las defensivas entre los equipos españoles, mientras que en Italia
ocurre justamente lo contrario. Finalmente, tanto en la Liga como en el Calcio alrededor
del 60% de los puntos y los goles a favor se obtienen en campo propio, mientras que
11
Nótese que esto significa que a lo largo del total del campeonato liguero de 2001/02 cada equipo
italiano ha conseguido/recibido, en promedio, aproximadamente dos goles más que los equipos
españoles.
10
en casa se reciben aproximadamente el 40% de los goles y se dejan de obtener
también entorno al 40% de los puntos.
A la vista de estos datos, resulta evidente la necesidad de distinguir entre
eficiencia ofensiva y defensiva y la consideración de la eficiencia en casa y fuera, y
esto supone algunas limitaciones a la hora de elegir los inputs que se utilizarán en el
cómputo de las fronteras de producción.
Al igual que en el caso de los outputs, en la Tabla 2 se presentan las medias y
desviaciones estándar de los inputs para el global de cada liga, como para los inputs
ponderados por el número de partidos disputados. Sin entrar en el detalle concreto de
cada input, al comparar los dos campeonatos ligueros en las dos temporadas
consecutivas, se aprecian diferencias muy pequeñas en las medias de todos los inputs
ofensivos o defensivos por partido. No obstante, en la mayoría de los inputs
considerados en la liga italiana presenta medias más elevadas que la española (por
ejemplo, el número de remates realizados/recibidos en la temporada 2001/02 por
partido es 13,63 en Italia y 13,07 en España). Es decir, que en la liga italiana el equipo
promedio necesita utilizar más inputs ofensivos en cada partido para conseguir menos
puntos por partido (1,36 en Italia frente a 1,37 en España), si bien consiguiendo un
mejor resultado en el otro output, ya que marca más goles por partido (1,32 en Italia
frente a 1,26 en España). La conclusión es similar en términos de los inputs y outputs
defensivos. Un segundo rasgo importante a considerar es que en España entre las dos
temporadas se ha producido un descenso en los inputs ofensivos, excepto en los
minutos de posesión de balón12 y casi equivalentemente con los inputs defensivos.
Las desviaciones estándar en la temporada 2001/02 de 11 de los 12 inputs
considerados son significativamente superiores en Italia que en España, mientras que
como acabamos las medias por partido son bastante similares. Al igual que con los
outputs la conclusión es evidente, los equipos italianos presentan muchas más
diferencias entre sí, que los equipos españoles entre sí, lo que de nuevo apunta a que
la liga española es mucho más competitiva. Finalmente, también en el caso de los
inputs es obvia la importancia del factor campo, como se puede apreciar en los puntos
por partido (1,36 en Italia frente a 1,37 en España), si bien consiguiendo un mejor
12
Si se considera el avance de los datos de la temporada 2002/03, ocurre exactamente lo mismo.
11
resultado en el otro output, ya que marca más goles por partido (1,32 en Italia frente a
1,26 en España).
12
La conclusión es similar en términos de los inputs y outputs defensivos. Un
segundo rasgo importante a considerar es que en España entre las dos temporadas se
ha producido un descenso en los inputs ofensivos, excepto en leo minutos de posesión
de balón13 y casi equivalentemente con los inputs defensivos.
13
Si se considera el avance de los datos de la temporada 2002/03, ocurre exactamente lo mismo.
13
Tabla 3: Eficiencia en la Liga española 2000/2001
EQUIPO EFICIENCIA OFENSIVA EFICIENCIA DEFENSIVA
General Casa Fuera General Casa Fuera
Real Madrid 1,0000 1,0000 1,0000 1,0000 1,0000 1,0000
Dep. A Coruña 1,0000 1,0000 0,9811 0,9914 1,0000 0,9821
R.C.D. Mallorca 1,0000 0,9763 1,0000 0,9665 0,9172 1,0000
F.C. Barcelona 0,8269 0,8269 0,8404 0,8748 0,7219 0,9510
Valencia C. F. 0,9069 0,8722 0,9446 1,0000 1,0000 1,0000
R.C. Celta Vigo 0,8354 0,8284 0,8426 0,9034 0,7765 0,9322
Villarreal C.F. 0,8431 0,8252 0,8759 0,8002 0,5257 0,9686
Málaga C. F. 0,8754 0,9355 0,8196 0,6276 0,5149 0,6924
R.C.D. Espanyol 0,7203 0,7048 0,7572 0,8425 0,6967 0,9285
Dep. Alavés 0,7442 0,7628 0,7385 0,6878 0,5333 0,7569
Las Palmas 0,7310 0,7217 0,7283 0,6342 0,5576 0,6528
Ath. Bilbao 0,7050 0,6852 0,7144 0,6447 0,5127 0,7348
Rayo Vallecano 0,7464 0,7040 0,7371 0,5307 0,4390 0,5911
Real Sociedad 0,6448 0,6283 0,6435 0,5878 0,4237 0,7072
Osasuna 0,7784 0,7918 0,6961 0,6782 0,4665 0,8450
Real Valladolid 0,6325 0,6769 0,5771 0,8786 0,8933 0,8742
Real Zaragoza 0,5783 0,5962 0,5690 0,6407 0,5261 0,7262
Real Oviedo 0,5952 0,5768 0,6053 0,5693 0,4821 0,6137
C. D. Numancia 0,5775 0,5678 0,5785 0,5596 0,4654 0,6281
Rac. Santander 0,5497 0,5625 0,5449 0,6563 0,6067 0,6477
MEDIA 0,7645 0,7622 0,7597 0,7537 0,6529 0,8116
DESV.EST. 0,1447 0,1439 0,1492 0,1637 0,2058 0,1500
14
Tabla 5: Eficiencia en la Liga italiana 2000/2001
15
y en casa (0,652 y 0,517), no ocurriendo lo mismo en la defensiva fuera (0,811 y
0,802). Por el contrario, la desviación típica se mantiene en los mismos valores. La
explicación de la disminución generaliza se debe fundamentalmente al hecho de que el
Valencia ha introducido un sesgo en los valores de los índices. Mientras en la liga
2000/2001 hay cuatro y cinco equipos que ofrecen índices de eficiencia entre 1 y 0,9,
en la liga 2001/2002 solamente aparece uno en el caso general y dos en casa. La
considerable eficiencia defensiva del Valencia durante la última liga ha desplazado
hacia abajo las restantes eficiencias. Si se observan los datos defensivos, el Valencia
es el equipo que menos goles ha encajado y menos puntos ha dejado de conseguir, al
mismo tiempo es el que menos remates, jugadas y centros ha recibido, y el segundo en
menor número de posesiones en contra y pérdidas de balón.
16
4. Análisis de la eficiencia con datos inciertos
14
Existe prensa especializada que elabora una clasificación alternativa corrigiendo a posteriori los
posibles errores arbitrales y su potencial influencia en los puntos. finales obtenidos por cada equipo. Si
se comparan las dos clasificaciones (real y corregida) la desviación media global se sitúa en torno al 5%.
17
beneficiosa si lo que se estudia son las eficiencias relacionadas con la clasificación en
la liga, pero el efecto puede ser el contrario si lo que interesa es la eficiencia técnica o
económica. Es difícil admitir que un equipo pase de ser técnica o económicamente
eficiente a ineficiente por un solo gol en, por ejemplo, 38 jornadas.
Si para formular los modelos DEA se manejan datos inciertos, las soluciones de
los propios modelos informan acerca de estas situaciones, puesto que, como se verá
en la tabla 7, aparecen equipos cuya eficiencia es muy robusta y otros en los que no.
18
pero, por supuesto, podrían considerarse otras medidas de dispersión, constante o
variables para todos o solamente para algunos de los coeficientes (inputs y outputs).
Teniendo en cuenta unas tolerancias t i y wk dadas, se puede considerar algunos
de los casos siguientes, dependiendo de si nos situamos en escenarios optimistas,
pesimistas o intermedios para la DMU seleccionada:
Inputs Outputs
15
Piénsese por ejemplo que el gol marcado por Rivaldo en el partido Barcelona – Valencia en el último
minuto y partido de la Liga 2000/2001 permitió a su equipo clasificarse en cuarto lugar y participar en la
Champions Leage con los ingresos adicionales que ello representa.
19
Esto permite construir el intervalo de eficiencia [EW, EB] que informa de cuáles
son los valores entre los que está la eficiencia del equipo, pero además, a través de la
amplitud del intervalo, obtenemos una medida de la robustez de la eficiencia del equipo
que estamos analizando.
Veamos a continuación, por ejemplo, cuáles son los resultados que se obtienen
al calcular los intervalos de eficiencia ofensiva general en la Liga española 2001/2002.
Para ello hemos supuesto que todos los inputs tienen una tolerancia de 10% y los
outputs una tolerancia de 5%.
Como se puede observar, hay un equipo para el que el intervalo está formado
por un único punto (el Valencia C. F. con [1, 1]), mientras que para el resto de equipos,
el intervalo de eficiencia aporta información que podría resultar valiosa para el club.
20
Evidentemente, la organización y puesta en práctica de esta competición
supondría precisar muchos matices, pero resulta innegable que uno de los elementos
básicos a considerar sería la elección de los participantes. Una de las posibilidades
sería aplicar criterios territoriales similares a los de las competiciones actuales, es
decir, hacer una selección de equipos en representación de países o áreas geográficas
diferenciadas. Sin embargo, este hecho supone que en determinadas ligas nacionales,
equipos con un elevado nivel competitivo queden excluidos por tener cubierto el cupo
asignado, mientras que se permite la participación de equipos representantes de otros
países con un nivel muy inferior al de los representantes de zonas con ligas nacionales
de gran nivel. Una forma de solucionar este inconveniente y garantizar la uniformidad
en la competición sería medir la eficiencia de todos los equipos de los países
representados en cada una de las competiciones.
21
6. Conclusiones
Del estudio realizado podemos concluir que en las temporadas 200/01 y 2001/02
la liga de fútbol profesional española ha sido más homogénea que la italiana. Este
hecho se ratifica tanto por el análisis estadístico de los datos (outputs e inputs) como
por los resultados de los índices de eficiencia. Además, el número medio de acciones
ofensivas va disminuyendo a lo largo de las diferentes temporadas, y solamente
aumentan los minutos de posesión de balón, como uno de los rasgos característicos
del denominado "fútbol control" en el que sólo se realizan acciones importantes cuando
hay garantías de que la acción culmina adecuadamente.
22
6. Referencias bibliográficas
Bonilla, M; Casasús, T., Medal, A. y Sala, R. (2022), The traffic in spanish ports: an
efficiency analysis , International Journal of Transport Economics, XXIX-2, 215-230.
Charnes, A., Cooper, W.W. y Rhodes, E. (1978), Measuring the Efficiency of Decision
Making Units, European Journal of Operational Research, 2, 429-444.
Charnes, A., Cooper, W.W. , Lewin, A.Y., Morey, R.C. y Rousseau, J. (1985):
Sensitivity and stability in DEA . Annals of Operations Research. 2, 139-156.
Cooper, W.W., Seiford L.M. y Tone, K. (2000): Data Envelopment Analysis. Kluwer.
Boston.
Dawson, P., Dobson, S. y Gerrard, B. (2000), Stochastic Frontiers and the Temporal
Structure of Managerial Efficiency in English Soccer, Journal of Sports Economics,
vol. 1, nº 4, 341-362.
Guo, P. y Tanaka, H. (2001). Fuzzy DEA: A Perceptual Evaluation Method, Fuzzy Sets
and Systems, 119, 149-160.
23
Maudos, J., Pastor, J.M. y Serrano, L (1998), Convergencia en las regiones
españolas: cambio técnico, eficiencia y productividad, Revista Española de
Economía, 15, 235-264.
Olesen, O.B. y Petersen, N.C. (1996): A presentation of GAMS for DEA. Computers
and Operations Research, 23-4, 323-339.
Pastor, J.T., Ruiz, J.L. y Sirvent, I (1999): A statistical test for detecting influential
observations in DEA. European Journal of Operational Research, 115, 542-554.
Scott, F.A., Long, J.E. y Somppi, K. (1985), Salary vs marginal revenue product under
monopsony an competition: The case of professional basketball, Atlantic Economic
Journal, 13, 50-59.
Sloane, P.J. (1971), The economics of professional football, the football club as a utility
maximiser, Scottish Journal of Political Economy, 8, 121-146.
Sloane, P.J. ed. (1997), The economic of sport, número especial Economic Affairs, 17.
Zak, T. A., Huang, C.J. y Siegfried, J.J. (1979), Production efficiency: the case of
professional basketball, Journal of Business, nº 52, 379-392.
24