Die vorliegende Arbeit hat zum Ziel, die Rückraumspieler der ersten Deutschen Handballliga aus der Saison 2014/2015 hinsichtlich ihres Offensivverhaltens nach effizienten sowie ineffizienten Spielern zu unterteilen. In der nachgelagerten Betrachtung werden zudem die Strafen für einen „Fairness-Faktor“ berücksichtigt.
Als Methode zur Effizienzberechnung wird eine Data Envelopment Analyse (DEA) mittels der PIM-DEA Software durchgeführt. Die Ergebnisse der DEA werden anschließend kritisch bewertet und ein Ausblick auf weitere Anwendungsmöglichkeiten gegeben. Anhand der Berechnungen konnten die fünf effizientesten (Jens Schöngarth, Michael Müller, Rolf Hermann, Andy Schmid und Thomas Mogensen) sowie die fünf ineffizientesten Spieler (Sascha Ilitsch, Rasmus Lauge Schmidt, Jonas Link, Evars Klesniks und Davor Dominikov) ermittelt werden.
Nicht erst durch den Sieg der Handball Weltmeisterschaft 2007 und der Handball Europameisterschaft 2016 erfreut sich Handball immer größer werdender Beliebtheit in Deutschland. Laut Statista befindet sich der Handball seit vielen Jahren auf Platz 2 der beliebtesten Sportarten in Deutschland, nur geschlagen vom Volkssport Nummer 1, dem Fußball.
Diese zunehmende Beliebtheit bleibt auch Sponsoren nicht verborgen und führt zu so einer immer weiter steigenden Marktkapitalisierung und Professionalisierung des Handballsports. Diese Professionalisierung lässt Trainer und Funktionäre von Handballteams über den Tellerrand hinausschauen und öffnet den Markt für Methoden zur Beobachtung und Berechnung von Faktoren, welche das individuelle Handballspiel verbessern können.
Inhaltsverzeichnis
- 1. Einleitung
- 1.1 Theoretische Grundlagen der DEA
- 1.2 Einordnung in die Literatur
- 2. Modellierung und Datenerhebung
- 2.1 Definition der Forschungsfrage
- 2.2 Modellorientierung und Skalenertragsannahmen
- 2.3 Datenerhebung
- 2.4 Auswahl und Abgrenzung der DMUS
- 2.5 Auswahl der Input- und Outputvariablen
- 2.5.1 Haupt-DEA
- 2.5.2 Nachgelagerte Betrachtung
- 3. Analyse
- 3.1 Haupt-DEA
- 3.2 Nachgelagerte Betrachtung
- 4. Kritische Betrachtung und Handlungsempfehlung
- 4.1 Kritische Betrachtung der Ergebnisse
- 4.2 Ausblick und Handlungsempfehlungen
- 5. Fazit
Zielsetzung und Themenschwerpunkte
Diese Arbeit untersucht die Effizienz von Rückraumspielern der 1. Deutschen Handballliga der Saison 2014/2015. Ziel ist die Einteilung der Spieler in effiziente und ineffiziente Gruppen, wobei in einem zweiten Schritt auch Fairness-Aspekte (Strafen) berücksichtigt werden. Die Data Envelopment Analysis (DEA) dient als Methode zur Effizienzberechnung. Die Ergebnisse werden kritisch bewertet und Ausblicke auf weitere Anwendungsmöglichkeiten gegeben.
- Effizienzmessung von Handballspielern mittels DEA
- Bewertung des Offensivverhaltens von Rückraumspielern
- Einbezug von Fairness-Aspekten (Strafen) in die Effizienzbewertung
- Anwendung und Interpretation der DEA-Methode im Kontext des Handballsports
- Kritische Reflexion der Ergebnisse und Ausblick auf zukünftige Anwendungen
Zusammenfassung der Kapitel
1. Einleitung: Dieses Kapitel führt in die Thematik ein und erläutert die steigende Popularität und Professionalisierung des deutschen Handballsports. Es wird die Data Envelopment Analysis (DEA) als Methode zur Effizienzmessung vorgestellt und die Zielsetzung der Arbeit dargelegt: die Bewertung der Effizienz von Rückraumspielern der 1. Bundesliga hinsichtlich ihres Offensivverhaltens und unter Berücksichtigung eines Fairness-Faktors. Die theoretischen Grundlagen der DEA werden kurz angerissen und der Aufbau der Arbeit skizziert.
2. Modellierung und Datenerhebung: In diesem Kapitel wird die Forschungsfrage präzisiert und die Modellannahmen (insbesondere die Skalenertragsannahmen) erläutert. Die Datenerhebungsmethoden werden beschrieben, und die Auswahl der Decision Making Units (DMUs) – die Rückraumspieler – sowie die Input- und Outputvariablen werden detailliert dargestellt. Der Fokus liegt auf der Methodik der DEA-Anwendung im Kontext der gegebenen Daten. Es wird zwischen der Haupt-DEA und einer nachgelagerten Betrachtung (mit Einbezug von Strafen) unterschieden.
3. Analyse: Dieses Kapitel präsentiert die Ergebnisse der DEA-Analyse. Die Ergebnisse der Haupt-DEA (ohne Berücksichtigung von Strafen) und der nachgelagerten Betrachtung (mit Strafen) werden separat dargestellt und interpretiert. Die Analyse konzentriert sich auf die Identifizierung der effizientesten und ineffizientesten Spieler in beiden Betrachtungsweisen und die daraus resultierenden Erkenntnisse.
4. Kritische Betrachtung und Handlungsempfehlung: Dieses Kapitel beinhaltet eine kritische Reflexion der Ergebnisse der DEA-Analyse. Potenzielle Limitationen der Methode und der Datengrundlage werden diskutiert. Schließlich werden Handlungsempfehlungen für zukünftige Anwendungen der DEA im Handball und mögliche Verbesserungen der Methodik formuliert. Ausblicke auf weiterführende Forschungsfragen werden gegeben.
Schlüsselwörter
Data Envelopment Analysis (DEA), Effizienzmessung, Handball, Rückraumspieler, 1. Bundesliga, Offensivverhalten, Fairness, Input-Output-Analyse, Effizienz, Ineffizienz, Benchmarking, Spielerbewertung, Sportökonomie.
Häufig gestellte Fragen zur Arbeit: Effizienzmessung von Rückraumspielern in der 1. Handball-Bundesliga
Was ist das Thema der Arbeit?
Die Arbeit untersucht die Effizienz von Rückraumspielern der 1. Deutschen Handballliga der Saison 2014/2015 mithilfe der Data Envelopment Analysis (DEA). Sie bewertet die Spieler hinsichtlich ihres Offensivverhaltens und berücksichtigt dabei auch Fairness-Aspekte (Strafen).
Welche Methode wird verwendet?
Die Data Envelopment Analysis (DEA) dient als Methode zur Effizienzberechnung der Rückraumspieler. Diese Methode ermöglicht die Einteilung der Spieler in effiziente und ineffiziente Gruppen.
Welche Daten wurden verwendet?
Die Arbeit verwendet Daten aus der Saison 2014/2015 der 1. Deutschen Handballliga. Die genauen Input- und Outputvariablen werden im Kapitel 2 detailliert beschrieben. Es werden sowohl offensive Statistiken als auch Strafen berücksichtigt.
Wie ist die Arbeit aufgebaut?
Die Arbeit gliedert sich in fünf Kapitel: Einleitung (theoretische Grundlagen der DEA, Einordnung in die Literatur), Modellierung und Datenerhebung (Forschungsfrage, Modellannahmen, Datenerhebung, Auswahl der DMUs und Variablen), Analyse (Haupt-DEA und nachgelagerte Betrachtung mit Strafen), Kritische Betrachtung und Handlungsempfehlung (Limitationen, Ausblick, Handlungsempfehlungen) und Fazit.
Welche Ergebnisse wurden erzielt?
Die Analyse identifiziert effiziente und ineffiziente Spieler, sowohl in der Haupt-DEA (ohne Strafen) als auch in der nachgelagerten Betrachtung (mit Strafen). Die Ergebnisse werden im Kapitel 3 detailliert dargestellt und interpretiert.
Welche Schlussfolgerungen werden gezogen?
Die Arbeit zieht Schlussfolgerungen aus den DEA-Ergebnissen und diskutiert Limitationen der Methode und der Daten. Sie gibt Handlungsempfehlungen für zukünftige Anwendungen der DEA im Handballsport und schlägt weitere Forschungsfragen vor.
Welche Schlüsselwörter beschreiben die Arbeit am besten?
Data Envelopment Analysis (DEA), Effizienzmessung, Handball, Rückraumspieler, 1. Bundesliga, Offensivverhalten, Fairness, Input-Output-Analyse, Effizienz, Ineffizienz, Benchmarking, Spielerbewertung, Sportökonomie.
Welche Aspekte der Fairness werden berücksichtigt?
Die Fairness-Aspekte werden in einer nachgelagerten Betrachtung der DEA-Analyse berücksichtigt, indem Strafen als Faktor in die Effizienzbewertung eingebunden werden. Dies ermöglicht eine umfassendere Bewertung der Spielerleistung.
Welche Limitationen der Studie werden angesprochen?
Im Kapitel 4 werden potenzielle Limitationen der Methode und der Datengrundlage diskutiert. Dies umfasst beispielsweise die Auswahl der Input- und Outputvariablen und die möglichen Einschränkungen der DEA-Methode selbst.
Was ist der Ausblick der Arbeit?
Die Arbeit gibt einen Ausblick auf weiterführende Forschungsfragen und mögliche Verbesserungen der Methodik. Sie regt zu weiteren Anwendungen der DEA im Handballsport an.
- Quote paper
- Anonym (Author), 2020, Die Effizienz von Spielern aus der Handball-Bundesliga Saison 14/15. Data Envelopment Analyse, Munich, GRIN Verlag, https://www.grin.com/document/1036618
