# Probabilities of First Round Outcomes in the World Cup

Did you know that there are 40 possible point distributions for a group at the first round of the World Cup? I was wondering how many there are and with what probability they occur. So here are the results of my calculations: There are 729 (3^6) variations of the results of the six matches of the group stage, ignoring the actually scored goals and only considering if the first mentionend team wins, draws or loses.

By ordering the resulting point distribution by the number of points, the results can be reduced to 40 combinations, where the first digit belongs to the first placed team, the second to the second placed etc. There is only one variation, a streak of six consecutive draws, which leads to a point distribution with three points for every team (3333). On the other side, there are 36 possible sequences of match results that lead to the distributions 6443 and 7441.

But which point distributions have the highest probability? Well, that depends on the probability of match outcome. If a victory, a loss and a draw have the same probability, it can be calculated by simply dividing the number of variations for a certain distribution by the number of all possible variations. In case of 6443 this would be 36/729 or 4.94 percent. The assumption that all results occur with the same frequency in very unlikely. To calculate „empirical“ probabilities, I looked at the last five World Cups and counted the number of draws in the first round. 63 of 240 matches ended without a winner. Thus, the draw probability for any match, not having any further information on the competitors, is 26.25 percent. For further calculation, I simply assumed that both teams have an equal winning probability of (1-0,2625)/2.

Take a look at the results:

Number of Variations, Probabilities and Real Point Distributions (1998 to 2014) for World Cup Group Stage

Obviously the point distributions with a higher calculated empirical probability occur indeed more often. Having only included 40 groups since 1998, the distribution lacks of course some smoothness. But there probably is a problem with the assumption of equal winning probabilities too. Since 1998 the two combinations with the highest computed probabilities have only occured once or in 2.5 percent of the included groups, although they should have in 12.4 percent. A reasonable explanation is, that team strength plays a crucial rule in the creation of groups. The highest ranking teams in the FIFA are distributed over all groups, making it likely that their winning probability in every match is higher than assumend for my calculations. Point distributions like 6633 and 6443 are more likely to occur if a group consists of teams with similar strengths. The mode of group drawing makes a strength distribution in favor of these point distributions more improbable.

by Tobias Wolfanger

# Die erste Nullnummer der Saison

Nun ist es doch passiert. Am neunten Spieltag der Bundesliga-Saison trennten sich der SC Freiburg und Werder Bremen mit 0:0 und lieferten damit das erste torlose Endergebnis der Spielzeit ab. Bemerkenswert ist der späte Zeitpunkt der Saison. Noch nie zuvor blieben die Bundesligafans so lange von Nullnummern verschont.

In den bisherigen 50 vollendeten Spielzeiten der Bundesliga kam es 22 mal bereits am ersten Spieltag zum torlosen Unentschieden. Lediglich in acht Saisons wurden drei oder mehr Spieltage abgeschlossen, bevor ein Spiel ohne Tor endete. Spätestens am sechsten Spieltag war es aber bisher immer soweit. Da ist der Sprung auf ganze acht Spieltage ohne 0:0 durchaus der Erwähnung wert. Folgendes Diagramm gibt die Häufigkeiten wieder, mit denen der jeweilige Spieltag der erste mit einem torlosen Spiel in der jeweiligen Saison war.

Spieltag des ersten torlosen Saisonspiels – Häufigkeit

Der bisherige Rekord war übrigens fast so alt, wie die Bundesliga selbst. Am 5. Oktober 1963 sorgten der 1. FC Kaiserslautern und Preußen Münster am sechsten Spieltag für das erste torlose Unentschieden der Bundesliga.

von Tobias Wolfanger

# Inter season correlation – What is the right measure?

I’m happy that I gained a lot of positive feedback for my last post about the inter season correlation as a measure for the stability of football leagues. However, there were also two points of critique, which I want to address in this post, as I thought about both of them before and use them as an incentive to think about the future use and possible improvements of inter season correlation.

## r² as a measure of predictability

The first point of critique I was confronted with at reddit is, that Pearson’s r would be a meaningless measure if not adjusted for r². That’s not true. If the argument of predictability is brought into play, as I did, it’s correct that r² is the adequate expression which share of variance can be explained by a correlation. It’s pretty easy to calculate by just squaring r, so it’s hard to see why r should be meanigless. But I admit that for the comparison of predictability of leagues I should have argued with r². The reason I didn’t use it is due to the fact, that I was aware that there might be negative inter season correlations, as they showed up in two early Bundesliga seasons. These would have been invisible otherwise.

## Substituting relegated by promoted teams

The second point of critique was, that I didn’t include relegated teams in the calculation of inter season correlation. I must admit that the main factor I did this was lazyness. As you can imagine, it is a hell lot of work to adjust the database for 245 inter season correlations (5 leagues x 50 years). I gathered the data from a few web sources and after correcting some name changes over the course of years, remarkably many of Italian, French and Spanish teams varied their official name over the last 50 years while the English and German teams kept theirs, I used pivot tables to build my database, with team names in rows and seasons in columns. All matching of relegated and promoted teams is handwork as I haven’t found a way to automate this yet. So the exact way to interpret the inter season correlation as presented in the previous post is the Pearson correlation of the rank of teams which didn’t get relegated in the first of the two seasons.

## Spearman or Pearson

Another way to calculate correlations is to use Spearman’s rho instead of Pearson’s r. Spearman has the advantage of being applicable to ordinal data by using ranks instead of metric data. In the case of team ranks of a league’s final table that doesn’t make much of a difference, because ranking ranks will not have much of an effect. Spearman’s rho as a measure of inter season correlation can be interpreted as the correlation of ranks in the order of teams which didn’t get relegated in the first of the two seasons. The small differerence lies in the effect that promoted teams splitting up the phalanx of non relegated teams can have on Pearson’s r, by influencing the mean value, but not on Spearman’s rho.

## Comparing the measures

In the following graph I plotted different variations of the inter season correlation for the last 20 Premier League seasons. Not surprisingly there are only minimal differences between Pearson’s r and Spearman’s rho, so it’s more or less irrelevant which one is chosen. But have a look at the correlation coefficients for the case that relegated and promoted teams get matched. (Because all teams are included there is no difference between r and rho anymore.)

It seems that it could be worth the effort of doing some handwork. While the coefficients only based on the non relegated teams over the course of 20 seasons have coefficients of variation of 0.25 for Pearson and 0.24 for Spearman, the inclusion of all teams leads to a value of 0.16. The result is a smoother line with much smaller changes from season to season.

## Conclusion

Including all teams by replacing relegated with promoted teams seems to be a good idea, but it is a lot of work. Looking at shorter period of time the effort is definetely worth it, but the effect on the overall trend is rather small. All measures suggest that the inter season correlation of the last Premier League seasons have been on an incredibly high level. Including all teams, the correlation coefficient between 2011/12 and 2012/13 is 0.76 with r² = 0.58. That means that 58 percent of the variance of the 2012/13 table can be explained by the order of the 2011/12 table.

by Tobias Wolfanger

# How stable are Europe’s Football Leagues?

After a preceding post that showed that the trend in Europe’s top flights is going towards greater unequality regarding the share of wins, I decided to take a similar approach in analyzing the degree of revolution the European leagues experience from season to season. The most important column of a last matchday’s football league table is neither the number of points earned nor the number of scored and conceived goals. At the end, the only thing that matters is the final rank of a team. All important decisions for a team’s athletic and economic furture depend on its position in the table. Those at the bottom get relegated, the first teams can call themselves champions and the following teams at least have the great opportunity to participate in European competitions.

So what did I do? I collected the final tables of the last 50 seasons of the German, English, French, Italian and Spanish top leagues and calculated the correlation between the rankings of teams in two consecutive seasons. (Due to the fact that some teams get relegated each year, the calculated correlation is only valid for the selection of teams that were members of the league for two consecutive seasons.) Ranging from -1 to +1, the resulting coefficient Pearson’s r gives an impression how much movement a league has experienced over the course of one season. A perfect positive correlation of 1 means, that the order of teams in the final tables has been perfectly stable. Hence a team’s position in one season would have been a perfect predictor for next one. In contrast, a perfect negative correlation of -1 means, that the previous season’s table has turned upside down. Pearson’s rs around 0 indicate, that there is no connection between two seasons at all.

The two main expectations are, that there is a strong inter season correlation in team’s rankings over the whole examined period with increasing positive correlations in recent years. As we will see, the first holds true for all leagues. With the exception of two Bundesliga seasons in the late 1960s, only positive correlations can be found. The second hunch makes a deeper look necessary. It seems that not all leagues are moving in the same direction.

## Bundesliga (Germany)

Min.: 0.03 – 1st Qu.: 0.49 – Median: 0.65 – Mean: 0.63 – 3rd Qu.: 0.78 – Max.: 0.87 – SD: 0.22

The Bundesliga is becoming more and more popular all across the football world. A big part of the growing admiration is due to its greater competitiveness compared to the English Premier league or La Liga. As the following graph depicts, two of the last three seasons have shown a remarkable extent of rotation in the league’s tables with only a slightly positive correlation. Imagine what this means: During both seasons Borussia Dortmund won the trophy, the table of the previous season wouldn’t have given you hardly any clue about the final ranking of teams. Maybe these two were rather exeptional ones, with the season 2012/13 returning to a level that is within the range of reasonable expectations which the seasons of the later 2000s set. So probably the last season with Bayern Munich raising the Meisterschale is an example of regression to the mean.

After the formation of the Bundesliga in the 1960s there have been some years with big movements in the final tables. But with the beginning of the 1970s the Bundesliga settled a a level of medium to strong correlation between the years. There are a few outliers over the course of 50 years, but in general the sixth degree polynomial I used to smooth the graph makes a pretty good fit.

The only season extremely out of range is 1978/79. A little online recherche might deliver an explanation for the vast revolution the Bundesliga experienced at this time: The winter 1978/79 was extremly strong, but a winter break wasn’t introduced until 1986. Heavy snowfall lead to the cancellation and postponement of not fewer than 46 matches. The lack of playable football fields caused that some clubs didn’t play at all for months from december to march. You can get an impression of the situation in this clip from the Sportschau. So the outside conditions might have had some effect on the final table. What surprises is, that the following season delivered a final table with a comparatively strong correlation to its exeptional predecessor, which suggests, that a relatively stable order of teams emerged from that season. This can have happened more or less by chance, but I’d be very glad if someone comes up with a better explanation.

The stable repetition of  medium sized positive correlations until the recent years shows, that the Bundesliga always left some room for ascending teams. It will be interesting to see, if last season’s rather strong positive correlation is marking an upward trend, a regression to the mean or an outlier in a league that is becoming more competitive.

## Premier League (England)

Min.: 0.23 – 1st Qu.: 0.45 – Median: 0.59 – Mean: 0.57 – 3rd Qu.: 0.67 – Max.: 0.90 – SD: 0.17

If you are looking for a football league that is hard to predict, you should probaly stay away from the English Premier League. Until the early 2000s the Premier League and its predecessors have delivered pretty constant medium to strong correlations. There were some ups and downs, but remarkably the weakest correlation in a period of 40 years is 0.23 in 1976/77. While other leagues had some extraordinary, almost revolutionary seasons, the First Division and Premier League tables always had a decent predictive power for the following season.

The late 1990s and the early 2000s saw a heavy increase in correlation, culminating in 2000/2001 (r = 0.90), where the final league table was almost an excact copy of the season before. Until 2004 the Premier League became more but not completely unpredictable again. Since then there has been an almost steady increase with almost no decline inbetween. That wouldn’t be as alarming, if there were any hints for an inverting trend somewhere in the future. But in contrast to seasons with strong positive correlations in the previous decades, the recent ones were not followed by a modest or sharp decline. The last three seasons each had a correlation above 0.8 with their forerunners. There is not much room for speculation how a team will perform in the upcoming season anymore.

## Ligue 1 (France)

Min.: 0.05 – 1st Qu.: 0.29 – Median: 0.44 – Mean: 0.42 – 3rd Qu.: 0.52 – Max.: 0.82 – SD: 0.18

Like the Bundesliga, the French top flight seems to have gone through different phases, but it’s hard to detect patterns. The most remarkable thing about the League 1 and its predecessor División 1 is, that with r = 0.42 it has the lowest mean correlation of all European top leagues.

The last seasons have seen Pearson’s r at a moderate level.  With the Ligue 1 rather a second tier league in European comparison, lets see what happens when the oligarch’s money keeps rolling in.

## Serie A (Italy)

Min.: 0.03 – 1st Qu.: 0.49 – Median: 0.65 – Mean: 0.62 – 3rd Qu.: 0.78 – Max.: 0.87 – SD: 0.19

The overall trend of the Serie A league tables correlation resembles that of France, but on a much higher level, with a mean correlation of 0.62 and a first quantil at 0.49. That means that more than 75 percent of Serie A seasons have a higher inter season correlation than the average Ligue 1 or Bundesliga season. Serie A shows extremly stable correlations over the last 50 seasons, with the exeption of two years.

In an otherwise stable league environment both dents are explainable by match fixing scandals and the resulting punishments. The season of 1979/80 saw Milan and Lazio relegated to the Serie B due to the Totonero scandal. A few other teams were deducted five points in the following season without any bigger impact of the final classement.

The dent in 2005/2006 is owed to another sad episode of Italian football. The punishment for the fixing of matches lead to the relegation of Juventus FC and the deducement of points for Milan, Lazio and Fiorentina with an enourmous impact on the final table. The sentence included deducement of points for the latter ones and Reggina in the following season as well, but the league returned to a regular level of inter season correlation.

Justitia seems to be the only one to ramble up the Serie A.  But there is also a good thing to say about Italian Football: They had a strong regular correlation between seasons even before the big commercial times in football began. If it wasn’t for the scandals, the trend would almost be a straight line, like in Spain.

## Primere División (Spain)

Min.: 0.34 – 1st Qu.: 0.49 – Median: 0.60 – Mean: 0.60 – 3rd Qu.: 0.67 – Max.: 0.91 – SD: 0.13

If there hadn’t been the Serie A scandals, Spains top flight would have been the one with the  strongest average inter season correlation (0.60). With an incredible r of 0.91 in 1994/95 and 0.34 in 1987/88 La Liga holds the record for the highest maximun and minimum values. It also has by far the smallest standard deviation over the last 50 seasons.

Despite only two teams competing for the trophy every year, there obviously is at least some room left for the ascent and decent of other teams. Currently at least more than in Italy or England. If there is this often complained about lack of competiveness, it is to seek at the top of the league.

## Conclusions and future expectations

A mere look at the inter season correlation presents the picture of La Liga and Serie A conducting as they have done for the last half century and probably will in the future, with medium to strong correlations each year. It’s harder to make predictions for Bundesliga and Ligue 1. Bundesliga’s downward trend with regards to the correlation of club rankings in recent years is due to two extraodinary seasons in the last three years. The current season might give us a clue in which direction it will develop. For the traditionally volatile Ligue 1, an important factor could be the amount of money that flows into the system and whether it will only be targeted at two clubs.

Here lies a weekness of the approach undertaken in this post. The correlation of a league’s two conscecutive seasons may give us an idea how much movement can be expected from year to year, but doesn’t tell much about in which areas of the table there is the most rotation. Because it does’t take into account the point difference between two neighbouring teams, it gives us little insight how close the race for the national title has been.

As the Spanish example shows, inter season correlation can’t express what’s happening at the top. It doesn’t show that the only two serious contenders for the title are Barcelona and Real Madrid. The situation in the Premier League is different. With both Manchester clubs, the London sides Chelsea, Arsenal and Tottenham and Liverpool having nested themselves in a comfortable way at the top of the league, there is not much room left for surprise teams or rotation at all. But on the other hand there are more than just two teams with at  least resonable odds for a bet on them winning the championship. The question is, which option is more attractive for observers of a football league. A very stable league with more contest at the top but not much movement at all or another one with an extremely stable top but some competition from the third rank downwards.

by Tobias Wolfanger

# Body Data of Bundesliga Players by Position

As promised last week, here’s my follow up post with a look at the body data of Bundesliga players according to their positions. I aggregated the data I collected from whoscored.com last week and calculated the average age, height, weight and BMI for each position.

The difficulty of an analysis by position arises from the natural fact, that some players can and do play on more than just one position or at least some variation of it. 163 out of 546 players in the data set have played at least two different positions during the past season. Therefore it is necessary to determine how to deal with this noise in the data. Aggregating data on a higher level would not be a good solution. Imagine summarizing centre backs (D(C)), left (D(L)) and right backs (D(C)) into one position: Putting together lively full backs and heavyset center backs would ruin a lot of the expected insight.

So what did I do about it? If a player played more than just one position in the last season, I made a duplicate entry for each position played. So if for example Thomas Müller played as an offensive midfielder in the center, left and right and as a forward, he has four entries in the data set which I used for analysis. I also removed those players from the data set, who were members of a team, but didn’t have any appearences on the field. So all results presented in the following diagrams can be interpreted as the mean values for body data of players who had at least one appearance on the respective position in the past season. The data set used for the analysis can be downloaded here.

## Age and Position

Looking at the following diagram, the reader might ask why midfielders (M) and defenders (D) are much younger on average. This is more a less a statistical artifact due to the fact that the database at whoscored.com isn’t able to further specificate the position for players with few appearances. Therefore the players summarized under these positions are mostly younger ones. The same is true for forwards (FW), but there is no further specification for their position (center, left or right).

Over all, there is not a big difference regarding the age by position. Besides goalkeepers (GK) being the oldest on average, there might be a slight tendency to staff the more defensive positions with older players. Maybe this is where routine comes into play. We all know that a single defensive mistake can often have a more serious effect on the result than those in the opponent’s half of the field.

Average Age of Bundesliga Players by Position in Years

## Goalkeepers are the tallest on the field

As I suggested in my last post, goalkeepers are indeed the tallest on average. They also have the highest mean weight and BMI. This is not surprising if one considers their job to keep their goal clean. Some extra centimeters make it much easier to block a higher share of shots coming towards them. Some extra weight, as long as it has no effect on their ability to reach the farest corners of the goal, can help them to dominate their six-yard-box.

Average Height of Bundesliga Players by Position in cm

## Heavyweight in the Penalty Box

Their men in front, the centre backs (D(C)), are the second tallest and heaviest on the field. With regard to the height of their natural opponents, a decent height is necessary for the upkeep of air dominance. Forwards are smaller and lighter than centre backs, but surmount all other positions. They seem to have the body requirements to hold against the defenders in the penalty box. So it doesn’t surprise, that players deployed as defensive midfielders (DM(C)) are the next tallest and heaviest.

Average Weight of Bundesliga Players by Position in kg

## Midfielders and Full Backs

The left and right backs are smaller in comparison to their centre back colleagues, with an average height and weight that resembles the body data of midfielders. Differences between the various positions in the (attacking) midfield and full backs are marginal. Similar physical requirements such as speed or technical skills might be a reason for that and an explanation why many full backs are deployed as attacking midfielders and vice versa from time to time.

So what can we get out of this analysis? At least there seems to be a connection between the physical appearance of a professional football player and the positions he’s playing. So I’m pretty sure now why I spend almost all of my football „career“ as a defender. Not to mention that reflexes like a railway crossing gate didn’t give me a chance to aim at the goalkeeper’s position.

by Tobias Wolfanger

# Body Data of Bundesliga Players and Average Germans

So recently I came across that wonderful website whoscored.com, which offers a great database with a lot of player and team data far beyond the information usually available. Having dealt with football data on the aggregate level of leagues before, I thought it might be a good idea to take a closer look on some features to gain some insights on the micro level of the game. So here I am, digging into some of the data I scraped from the website.

Wondering which hypothesis I could go after, it crossed my mind that I could start with the basics. What can be said about the body physics of professional football players? How can they be compared to the German average?

I plotted weight and height of all the Bundesliga players and enriched the diagram with additional lines representing the edges of Body Mass Index (BMI) zones. The BMI is calculated by dividing the weight in kg by the square of the height in meters. It is used to measure the physical condition of people or societies under consideration of their height.

Height and Weight of Bundesliga Players in the season 2012/13 with BMI zones

## Marco Reus, you and me

Not surprising there is a strong correlation (Pearson’s r = 0.82) between height an weight, with an average of 183.7 cm and 78.6 kg. Compared to the average male German, Bundesliga players are more than 5 cm taller (1.78 cm) and nearly 5 kg lighter (83.4 kg), if the whole male population is included. These metrics are of course biased, because older people tend to be smaller and heavier, at least until they get into their 60s. The following table compares the physics of Bundesliga players to average German males in their respective age groups. The data are from chapter four of Statistisches Jahrbuch 2012.

Comparison of height, weight and overweight percentage of Bundesliga players and average German males

While there is almost no difference regarding the weight of both groups, the professional players tend to be a few centimeters taller. In the group of the players between 30 and 35, the difference is 6 cm. The main reason for this: More than 22 percent of the players in this age group are goalkeepers who tend to have a longer career and are taller than other players.

Regarding the BMI, the majority of players is located in the normal weight zone with a tendency towards the upper edge. According to the BMI criteria, only a few players can be classified as slightly overweight. It’s improbable that any of them are fat. I think the more plausible reason some of them are hitting the overweight zone is their high share of muscle tissue. The BMI doesn’t make any any differences between fat and muscles. Compared to average males, the percentage of overweight football players is rather small.

The final conclusion this far: Bundesliga players have average weight for their age groups, but are slightly taller. Only a small share of them is overweight by BMI criteria.

## What else can be done with body data?

As the goalkeeper example has shown, some positions seem to have special demands for the body measurements of players. I’ll soon write a follow up post that will deal with this relation. Finally there probably is also a connection between average body height an the performance of teams. Have a look at this blog post by Chris Anderson which suggests a strong correlation between the average height of a population and the FIFA coefficient of its national team.

by Tobias Wolfanger

# Die stärkste Liga der Welt? (III) – Transferströme 2012/2013

Noch bis Ende August ist das Transferfenster geöffnet und rund um den Erdball wechseln gegenwärtig Profifußballer den Arbeitgeber. Das hat mich auf die Idee gebracht, in meine Fußball-Reihe einen Beitrag zu internationalen Transferbewegungen einzubauen und zu überlegen, ob sich anhand dieser Entwicklungen eine Ahnung von der Verschiebung der Kräfteverhältnisse zwischen den europäischen Ligen gewinnen lässt. Da die aktuelle Transferperiode noch nicht zu Ende ist, greife ich zunächst auf die Daten der letzten Saison zurück. So ergibt sich ein gutes Vergleichskriterium zum späteren Abgleich mit den Daten der aktuellen Transferperiode.

Nachfolgende Grafiken, erstellt im Radial Axis Layout von Gephi, zeigen die globalen Transferströme basierend auf den Daten von Transfermarkt.de. Der jeweilige Kreis repräsentiert das Transfervolumen der Vereine des jeweiligen Landes in Millionen Euro in Ablösesummen, die Verbindungen bilden die Transferströme in monetärer Hinsicht ab. Für letztere habe ich aus optischen Gründen auf eine Beschriftung verzichtet. Die Daten können bei Transfermarkt.de eingesehen werden.

## Spielermagnet Premier League, Powershopping in Russland

Mit großem Abstand vor allen anderen besitzt England nach wie vor eine große Anziehungskraft. Allein aus Frankreich wechselten Spieler für eine kumulierte Ablösesumme von ca. 140 Millionen Euro auf die Insel, damit war dieser Transferstrom der größte der letzten Saison. Auch aus Italien, Deutschland, Spanien und Brasilien wechselten Spieler für beträchtliche Ablösesummen in die Premier League. Bemerkenswert ist, dass Russland bereits auf dem zweiten Platz folgt. Für rund 96 Millionen Euro wechselten Spieler aus Portugal nach Russland, darunter allerdings auch Hulk, der mit 55 Millionen Euro Ablöse für mehr als die Hälfte der Summe verantwortlich ist. Nach Italien und vor Frankreich liegt Deutschland an vierter Stelle. Die ausgehenden Transferströme verteilen sich relativ gleichmäßig auf viele Länder. Eine weitere Auffälligkeit ist Spanien. Das Volumen der Ablösesummen für neu in die Primera Division wechselnde Spieler war vergleichsweise gering und bewegte sich eher in der Größenordnung von Ländern wie der Türkei oder Brasiliens anstelle der anderen großen europäischen Ligen.

Eingehende Transfers in Millionen Euro, Kreisdurchmesser proportional zum Volumen der für internationale Zugänge gezahlten Ablösesummen

## Sparkurs im Süden

Während in England weiter mächtig eingekauft wird, scheint in Spanien und Italien mittlerweile mehr aufs Geld geachtet zu werden. Auch in Frankreich, Brasilien und Portugal fallen die kumulierten Abslösesummen für die abgewanderten Spieler deutlich höher aus als diejenigen für die Zugänge. Das passt ins Bild dieser  Ligen als solche, die von vielen Spielern als Transfersprungbrett zu den großen europäischen Clubs genutzt werden.

Ausgehende Transfers in Millionen Euro, Kreisdurchmesser proportional zum Volumen der für internationale Abgänge erzielten Ablösesummen

Die Bundesliga hatte im Vergleich zu den anderen großen Ligen vor und während der letzten Saison internationale Abgänge in vergleichsweise geringem Umfang zu verzeichnen. Das Volumen der Zugänge überragte diese deutlich. Möglicherweise kann daraus bereits ein Hinweise auf die steigende Attraktivität der Bundesliga abgelesen werden. In diesem Fall sollte sich in der aktuellen Transferperiode der Trend fortsetzen.

## Was bringt diese Transferperiode?

Interessant wird zu sehen sein, wie sich die internationalen Transferströme dieses Sommers im Vergleich zu denen von 2012/2013 gestalten werden. Ganz sicher wird England wieder an erster Stelle stehen. Aber wird sich der Sparkurs in Südeuropa fortsetzen? Für die Bundesliga könnten gute Chancen bestehen, Italien vom dritten Platz abzulösen. Einen Aufsteiger kann ich bereits jetzt mit großer Sicherheit ankündigen: Da die Transferströme bei Transfermarkt.de den AS Monaco trotz seiner Teilnahme am französischen Ligenbetrieb als Vertreter Monacos klassifizieren, wird das Fürstentum in dieser Transferperiode zu den Top-Einkäufern im internationalen Vergleich zählen.

von Tobias Wolfanger

# Die stärkste Liga der Welt? (II) – Bezaubernder GINI

Heute folgt der zweite Teil meiner Reihe „Die stärkste Liga der Welt?“. Wie wir gesehen haben, hebt sich die Bundesliga bezüglich der Verteilung der Meisterschaften auf verschiedene Vereine nur unwesentlich von den anderen europäischen Top-Ligen ab. Im Vergleich zu den höchsten Spielklassen Italiens, Englands und Spaniens gibt es unabhängig von der Wahl des retrospektiven Betrachtungszeitraums maximal zwei zusätzliche nationale Meister. Aber es wäre unzureichend eine ganze Saison mit 306 ausgetragenen Spielen (bei 18 Teilnehmern) lediglich auf den Meister zu reduzieren. Anhänger eines Vereins aus einer in der Nähe von Herne-West würden mir wohl uneingeschränkt zustimmen. In diesem Teil der Serie soll es also darum gehen, tiefer in die Breite der Ligen vorzustoßen und das gesamte dortige Leistungsspektrum zum Untersuchungsobjekt zu machen.

In der Wirtschafts- und Sozialstatistik wird zur Messung der Ungleichverteilung von Ressourcen gerne auf den GINI-Koeffizienten zurückgegriffen. Im Wertebereich zwischen 0 und 1 gibt dieser an, wie gleichmäßig (0) oder ungleichmäßig (1) eine Ressource unter einer Anzahl von Einheiten verteilt ist. Seine Entwicklung geht auf den italienischen Staistiker, Soziologen und – leider – Faschisten Corrado Gini zurück, der mit ihm die Verteilung von Vermögen in Volkswirtschaften berechnete. Grundsätzlich lässt sich sein Konzept aber auf eine Vielzahl von Zusammenhängen anwenden, sogar auf Fußball.

Für diesen Beitrag habe ich für die fünf ausgewählten europäischen Ligen die GINI-Koeffizienten aufgrund der Verteilung der Siege innerhalb einer Saison für die letzten 50 Jahre berechnet.

### Exkurs zur Methodik:

Prinzipiell stehen unterschiedliche Größen als Ressource zur Berechnung des GINI-Koeffizienten zur Verfügung – erzielte Tore, Punkte und Siege. Die Schwierigkeit bei einer Sportart wie Fußball ergibt sich aus dem Umstand, dass ein vergleichsweise hoher Anteil von Spielen mit einem Unentschieden endet. Bei den am ehesten vergleichbaren Mannschaftssportarten wie Handball, Basketball oder Eishockey ist die Wahrscheinlichkeit eines Matches an dessen Ende kein Sieger feststeht deutlich geringer: entweder aufgrund der Spielanlage, die Wahrscheinlichkeit dass ein Angriff mit einem Punktgewinn abgeschlossen wird ist beim Handball und Basketball deutlich höher, oder aufgrund besonderer Regeln wie beim Eishockey oder Basketball, die im Falle des Gleichstands auch in der regulären Saison eine Verlängerung vorsehen.

Die Punkteverteilung in der Abschlusstabelle einer Fußballiga eignet sich daher nur eingeschränkt als die Ressource, deren Verteilung mit Hilfe des GINI-Koeffizienten berechnet werden soll. Denn da selbst die dominanteste Mannschaft nur an einem Bruchteil der Spiele einer Saison (34 von 306 bei 18 Teilnehmern) teilnehmen kann, gleichzeitig aber in jedem Spiel zumindest zwei Punkte vergeben werden, bei Unentschieden jeweils einer an beide Mannschaften, im anderen Fall drei an den Sieger. Ein GINI-Koeffizient von 1, also absolute Ungleichverteilung, ist in Bezug auf die verteilten Punkte also bereits theoretisch ausgeschlossen. (Außerdem hatte ich keine Lust auf die Umrechung auf das Drei-Punktesystem.)

Bei der Anzahl der erziehlten Tore besteht diese Eingrenzung nicht. Allerdings ist die Verwendung nur einer Seite der Tordifferenz problematisch, da sie zwar Auskunft über die Angriffsleistungen einer Mannschaft gibt, nicht jedoch über deren Verteidigung. Demnach hätten Mannschaften wie Werder Bremen, die sich in den letzen Saisons oft durch eine ebenso erfolgreiche Offensive wie relativ desatröse Defensive auszeichneten, einen erheblichen Einfluss auf das Ergebnis, der aber wenig mit der sportlichen Wertigkeit der erzielten Ergebnisse zusammenhängt.

Es soll aber nicht verschwiegen werden, dass auch die Wahl der Siege eine theoretische Schwachstelle hat. Man stelle sich einmal eine Saison vor, in welcher mit Ausnahme eines Spiels alle anderen Parteien mit einem Unentschieden enden. Diese würde bei der gewählten Methode einen GINI-Wert von 1, also maximale Ungleichheit, aufweisen, während das Verständnis des geneigten Fußballfans wohl eher von einer extrem ausgelichenen Saison sprechen würde. Dieser Einwand verliert aber an Bedeutung, je geringer die Anzahl unentschiedener Spiele in einer Saison ist. In der abgelaufenen Bundesligasaison endeten etwa 25% der Spiele ohne Sieger.

# According to GINI – Der Wettbewerb in den Europas Ligen

## Jede Saison ist anders

Eine Betrachtung der ermittelten GINI-Werte offenbart, dass in allen Ligen zwischen zwei aufeinanderfolgenden Saisons beträchtliche Schwankungen möglich sind, d.h. sehr ausgeglichene Saisons können auf sehr unausgeglichene folgen und andersherum. Im nachfolgenden Diagramm ist der Verlauf für alle Saisons abgetragen.

GINI-Koeffizienten im Zeitverlauf 1964-2013

Eine Betrachtung des Verlaufs der reinen Messwerte lässt einen fast so verloren zurück wie jemanden, der den Versuch unternimmt, die Transferbemühungen des BVB in dieser Sommerpause nachzuvollziehen. Für ein bisschen mehr optische Struktur habe ich deshalb versucht, basierend auf den Datenpunkten Trendlinien in das Diagramm hineinzulegen.

So wird es möglich, zumindest einen groben Eindruck der Entwicklungsverläufe des internen Wettbewerbs in den ausgewählten Ligen zu erhaschen. Gleichzeitig wird deutlich: Ein Blick auf den GINI-Koeffizienten einer Saison hat kaum längerfristige Aussagekraft und gibt vergleichweise wenig Aufschluss darüber, wie es in der nächsten aussehen könnte.

## Ähnlichere und unausgeglichenere Ligen in Europa

Trotz der Komplexität der Daten lassen sich zwei generelle Trends der letzten 50 Jahren auf aggregiertem Niveau abzeichnen. Berechnet man den Mittelwert der GINI-Koeffizienten über alle Ligen hinweg, so lässt sich feststellen, dass der Trend in den europäischen Top-Ligen sich insgesamt eher in Richtung einer unausgeglicheneren Verteilung von Siegen entwickelt, mit einer Zunahme von ca. 0,006 bis 0,007 GINI-Punkten alle zehn Jahre.

Der zweite Trend ist die Konvergenz der untersuchten Ligen im Zeitverlauf. Die Unterschiede in deren Ausgeglichenheit sind während der letzten 50 Jahre merklich verschwommen. Eine Berechnung der Spannweite – der Differenz des höchsten und des niedrigsten GINI-Koeffizienten einer Saison – ergibt einen deutlichen Abwärtstrends. Während in den 1960 und 1970 er Jahren stark unausgeglichene Abschlusstabellen in Italien mit vergleichsweise umkämpften Saisons in Deutschland oder Frankreich parallel auftraten, sind die Unterschiede heutzutage vergleichsweise gering, vor allem aufgrund der Tatsache, dass besonders ausgeglichene Saisons mittlerweile sehr selten geworden sind. Auch die Standardabweichung unterliegt im gleichen Zeitraum einem Abwärtstrend.

Mittelwert, Spannweite und Standardabweichung über alle Ligen im Zeitverlauf 1964-2013

Diese Beobachtungen legen den Schluss nahe, diese Ergebnisse in Zusammenhang mit der Kommerzialisierung und Globalisierung des Fußballs zu sehen. Zwar heißt es immer, Geld schieße keine Tore. Ich bin mir aber sehr sicher, dass eine günstige finanzielle Ausgangssituation die Wahrscheinlichkeit für den sportlichen Erfolg einer Mannschaft cetreris paribus deutlich erhöht.

Große Summen können vor allem auf zwei Wegen in den Fußball-Kosmos einfließen: durch (internationalen) sportlichen Erfolg sowie durch externe Investoren und Sponsoren. Letzteres ist vermutlich durch die Globalisierung der Weltwirtschaft ebenso begünstigt worden wie durch die Kommerzialisierung des Fussballs. Die außereuropäische Vermarktung nationaler Ligen und der UEFA-Wettbewerbe macht diese für Investoren und Sponsoren attraktiv.

Auch die stetige Erhöhung der Auschüttungen aus den europäischen Wettbewerben, vor allem der Champions League, sind ein Resultat der globalen Vermarktung. Vereine die einmal in diesem Geldregen standen, schaffen sich beste Voraussetzungen auch in der nachfolgenden Saison wieder nass zu werden. Die Ausgeglichenheit des nationalen Wettbewerbs dürfte kaum dadurch gefördert werden, dass sich finanzielle Mittel an einem Ende der Tabelle konzentrieren.

## Die nationalen Ligen im Vergleich

Die jährlichen Schwankungen der GINI-Koeffizenten gestalten es relativ schwierig, die nationalen Fußballligen miteinander zu vergleichen und nach der Intensität ihres Wettbewerbs zu ordnen. In der letzten Saison war die Bundesliga nach der Premier League diejenige mit dem zweithöchsten Koeffizienten. Folgende Tabelle gibt die berechneten Werte wieder. Grün hervorgehobene Werte zeichnen sich im Ligenvergleich durch geringen GINI-Koeffizienten aus, rote durch einen hohen.

Tabelle der GINI-Koeffizienten 1964-2013

Bis in die 1990er Jahre hinein war die Serie A eindeutig die europäische Top-Liga mit dem höchsten GINI-Koeffizienten. Im Gegensatz zu den anderen Ligen weist der Trend aber leicht abwärts, hin zu einem ausgeglicheneren Wettbewerb. Mittlerweile wurde die Serie A an der Spitze von der Premier League abgelöst. Seit Mitte der 2000er findet der unausgeglichenste Wettbewerb in den meisten Spielzeiten auf der Insel statt. Die Identifizierung der Liga mit dem intensivsten Wettbewerb fällt besonders in den letzten fünf Jahren schwer. War während der 2000er die französische Liga am heißesten umkämpft, so war es in jüngster Zeit je zweimal die spanische und deutsche, einmal die französische.

Wo steht nun die Bundesliga im internationalen Vergleich? Wie immer kommt es dabei auf den gewählten Zeitrahmen an. Betrachtet man ausschließlich die letzten zwei Jahre, so fällt der Wettbewerb in der Bundesliga nicht als besonders ausgeglichen aus, während er in den zwei Jahren zuvor im europäischen Vergleich sehr intensiv war. In den 2000er Jahren lag die Bundesliga eher im Mittelfeld, ausgeglichener als die Premier League und die Serie A, aber tendenziell unausgeglichener als Ligue 1 und Primera Division.

## Fazit

Der intensivste Wettbewerb findet derzeit definitiv nicht in der höchsten Spielklasse Englands statt. Die Premier League hat die Serie A in dieser Hinsicht von der (negativen) Spitze verdrängt. Welche Liga den höchsten GINI-Koeffizienten aufweist, hat sich in den letzten Jahren ständig verändert. Dies mag vor allem Ausdruck der Konvergenz der Ligen sein, deren Rahmenbedingungen sich aufgrund der Kommerzialisierung immer mehr angleichen und mit Ausnahme der italienischen Serie A sich allesamt im Trend in eine Richtung entwickeln, in welcher die Verteilung der Siege als Grundlage  zur Berechnung des GINI-Koeffizienten eine stärkere Konzentration innerhalb der Ligen erfährt. Die Premier League könnte der Vorbote einer Entwicklung sein, die auch die anderen europäischen Ligen ereilen könnte. Die These, dass der massive finanzielle Einstieg von Investoren ein wesentlicher Faktor für zunehmend unausgeglichenen Wettbewerb ist, lässt sich anhand des englischen Beispiels diskutieren. Insgesamt sollte diese Entwicklung im Auge behalten werden.

Wie sich die Bundesliga unter dem Gesichtspunkt des Wettbewerbs entwickeln wird ist unklar. Zum einen bietet die berühmte 50+1-Regel einen gewissen Schutz vor extremen finanziellen Vorteilen einiger Clubs, andererseits verhindert diese auch das priviligierte Positionen die durch kontinuierlichen Erfolg in europäischen Wettbewerben erzielt werden, durch den disruptiven Aufstieg eines anderen Vereins in Frage gestellt werden.

Ist die Bundesliga nun die stärkste Liga der Welt? Allein unter Gesichtspunkten des inneren Wettbewerbs in den letzten zwei Jahren wohl nicht. Möglicherweise muss der sportliche Erfolg in Europa ja mit zunehmendem Ungleichgewicht in der heimischen Liga bezahlt werden. Aber wie immer ist es eine Frage der Perspektive, abhängig von der Wahl des Betrachtungszeitraums und des Kriteriums. Ich werde am Ball bleiben.

von Tobias Wolfanger

# Die stärkste Liga der Welt? (I) – Der Kreis der Titelträger im Zeitverlauf

## Die Bundesliga auf dem Vormarsch?

Der deutsche Fußball befindet sich nach dem hochklassigen Champions-League-Finale zwischen Borussia Dortmund und Bayern München in Hochstimmung und erfreut sich zunehmender internationaler Anerkennung. Besonders im Vorfeld  des großen Spiels konnten vermehrt Stimmen vernommen werden, welche die deutsche Bundesliga unter den Verdacht stellten, die stärkste Liga in Europa und damit implizit auch der ganzen Welt zu sein.

Aber wie gelangt man zu einer derartigen Einsicht? Kann allein aus dem Umstand, dass zwei Teilnehmer eines Landes im Finale des wichtigsten Turniers im europäischen Vereinsfußball aufeinandertreffen eine solche Schlussfolgerung gezogen werden? Kann eine derartige Behauptung ohne das Expertenurteil von Lothar Matthäus überhaupt ernstgenommen werden? Was macht die Stärke einer Liga aus?

# Europapokal und interner Wettbewerb

Meiner Ansicht nach werden bei dem Versuch des Vergleichs nationaler Fußballligen zu häufig zwei unterschiedliche Kriterien in einen Topf geworfen, die nicht notwendigerweise etwas miteinander zu tun haben müssen. Das eine ist die Performanz der Vertreter einer Liga im europäischen Wettbewerb, worunter auch das das deutsche Finale in Wembley zu verbuchen ist. Das von der UEFA verwendete Maß zur Messung des Abschneidens der nationalen Verbände ist die Fünfjahreswertung.

Das andere Kriterium ist die Ausgeglichenheit des Wettbewerbs innerhalb einer Liga. Neben der Bedeutung im Sinne von Bündnis nennt das „Digitale Wörterbuch der deutschen Sprache“ die Bedeutung des Begriffs „Liga“ im Bereich des Sports als „Leistungsklasse, in der etwa gleich starke Mannschaften zusammengefasst sind.“ Die möglichst ausgeglichene Zusammensetzung einer Spielklasse bringt einige Vorteile mit sich. Je ähnlicher sich die teilnehmenden Mannschaften in Hinblick auf ihre Spielstärke sind, desto schwieriger gestalten sich Prognosen über Spielergebnisse und Abschlusstabelle, desto spannender gestaltet sich der Wettbewerb für neutrale Beobachter. Es besteht also auch ein Zusammenhang mit der ökonomischen Verwertbarkeit der Liga als Produkt. Dies dürfte beispielsweise der Grund für den im Jahr 2004 von Uli Hoeneß Borussia Dortmund zur Verfügung gestellten Notkredit sein. Unabhängig wieviel Altruismus bei dieser für den BVB überlebenswichtigen Maßnahme im Spiel gewesen sein mag, die Relevanz der Borussia für die Attraktivität des Wettbewerbs in der Bundesliga hat sicherlich eine Rolle gespielt.

Aber welches Kriterium ist das entscheidende dafür, eine Liga als stärkste der Welt zu identifizieren und wie kann man beide gegeneinander abwägen? Eine ausschließliche Fokussierung auf den internen Wettbewerb hätte zur Folge, dass zumindest alle höchsten nationalen Spielklassen der Welt als deren stärkste in Frage kämen. In diesem Fall würde ich mich zu der kühnen  Behauptung versteifen, während weiter Teile der 1970er und 80er Jahre gab es genau eine stärkste Liga der Welt. Sie ahnen es bereits: es ist die rumänische Divizia A. 😉 Man siehe sich einmal die Abschlusstabelle der Saison 1974/75 an. Auf der anderen Seite kann auch der Erfolg der Ligavertreter im internationalen Geschäft nicht das alleinige Maß sein. Wenn immer die gleichen Vereine die Liga im europäischen Vergleich gut dastehen lassen, sagt das wenig über Qualität einer Liga ihrer Wortbedeutung nach aus.

Vielleicht lässt sich aus der Kombination beider Kriterien ein besseres Verständnis ableiten. Eine stärkste Liga der Welt, die eindeutig als solche anerkannt werden könnte, müsste meiner Ansicht nach beides bieten. Intensiven internen Wettbewerb und hervorragende Leistung ihrer Vertreter im Europapokal. Während letzteres relativ einfach etwa anhand der Fünfjahreswertung oder des UEFA-Clubrankings festzustellen ist, fällt die Bestimmung der  Ausgeglichenheit einer Liga sehr viel schwerer.

Über die nächsten Wochen werde ich in loser Reihe Beiträge veröffentlichen, die sich dem Thema der Ausgeglichenheit des Wettbewerbs in den großen Ligen Europas mit unterschiedlichen Ansätzen annähern. Ausgewählt habe ich die jeweils die obersten Spielklassen des englischen, spanischen, deutschen, italienischen und französischen Fußballverbands. Die Fallauswahl ergibt sich im Wesentlichen aus zwei Auswahlkriterien: Hinsichtlich der kumulierten Marktwerte der Spieler nach Transfermarkt.de sind handelt es sich dabei um die teuersten Ligen der Welt – wenngleich die Vereine der russichen Liga mittlerweile einen höheren durchschnittlichen Marktwert aufweisen als die französischen Erstligisten. In der UEFA-Fünfjahreswertung belegen England, Spanien, Deutschland und Italien die ersten vier Plätze, Frankreich liegt nach dieser Saison auf Platz sechs hinter Portugal. Die Fallauswahl umfasst also die aktuell hinsichtlich Marktwert der Spieler und UEFA-Fünfjahreswertung vier wichtigsten Fußballigen der Welt sowie die höchste französische Spielklasse die in beiden Ranglisten auf dem sechsten Platz liegt.

# Verteilung von Meisterschaften über die Zeit

Einige Zeit nach dem Abschluss einer Saison, spätestens mit dem Beginn der neuen Spielrunde, beginnen sich die Erinnerungen an die abgelaufene Spielzeit bei Vielen bereits zu verflüchtigen. Im kollektiven Fußballgedächtnis bleiben vor allem die Titelgewinner. Einen Vereinsnamen pro Saison kann sich ein Fußballinteressierter merken, Zweit- oder Drittplatzierte werden schnell vergessen. Ein guter Einstiegspunkt in den Liegenvergleich könnte also sein, sich als erstes die Verteilung der Meistertitel auf verschiedenen Vereine anzusehen.

## Die letzten zehn Jahre

Ich habe zu diesem Zweck zwei Diagramme erstellt. Da ich die letzten 50 Jahre in den höchsten Spielklassen der fünf größten Ligen in Europa betrachte, habe ich zur Vereinfachung eine Einteilung in Jahrzehnte rückwirkend von der gerade zu Ende gegangenen Saison vorgenommen. Das passt außerdem sehr gut, da die Bundesliga in der zurückliegenden ihre 50. Jubiläumssaison feierte.

Im Vergleich zu den anderen Ländern kommt die Bundesliga immerhin auf fünf verschiedene Vereine, welche die Salatschüssel in den letzten zehn Jahren in die Höhe recken konnten: Neben Bayern München (5x) und Borussia Dortmund (2x) auch Werder Bremen, der VfB Stuttgart und der VfL Wolfsburg. Damit gibt es immerhin einen Meister mehr als in England (Manchester United (5x), Chelsea (3x), Manchester City und Arsenal London) und zwei mehr als in Spanien (FC Barcelona (6x), Real Madrid (3) und FC Valencia) und Italien (Inter Mailand (5x), Juventus Turin (2x) und AC Mailand (2x), 2005 wurde Juventus Turin der Titel wegen des Manipulationsskandals nachträglich aberkannt).

Ein besonderer Blick lohnt sich auf die französiche Ligue Un: Innerhalb der letzten zehn Jahren wurden ganze sechs verschiedene Vereine Meister (Olympique Lyon (5X) sowie jeweils einmal Paris Saint-Germain, HSC Montpellier, OSC Lille, Olympique Marseille und Girondins Bordeaux). In den letzten sechs Jahren wurde sogar jeweils ein anderer Verein Meister. Ob die Abwechslung an der Spitze auch nach dem wahnwitzigen Aufrüsten bei PSG vor der abgelaufenen und des AS Monaco vor der anstehenden Saison bestehen bleiben wird, darf angezweifelt werden. Vielleicht wechseln sich in Zunkunft nur zwei Mannschaften mit dem Gewinn der Meisterschaft ab, das wäre immerhin eine mehr als zwischen 2002 und 2008, als Olympique Lyon sieben Jahre in Folge Meister wurde und damit etwas schaffte, das in den letzten 50 Jahren keinem anderen Verein in den untersuchten Ligen gelungen ist. Aus der Perspektive der nationalen Meisterschaften ist die französiche Liga aus einem Zustand der Serienmeisterschaft direkt in eine Ära mit großer Abwechslung an der Spitze der Abschlusstabelle übergegangen.

Zahl verschiedener nationaler Fußballmeister in Zehnjahresschritten 1964-2013

## Eine Frage des Zeitrahmens

Ein Problem der Betrachtung in Zehnjahreshäppchen ist der Umstand, dass die Einteilung in diese ziemlich willkürlich erfolgt. Würden die Jahresgrenzen um nur eine Saison verschoben, ergäbe sich ein ganz anderes Bild. Daher habe ich im nachfolgenden Diagramm einen anderen Ansatz gewählt, um die Größe des Kreises der Titelträger im Zeitverlauf zu dokumentieren. Ausgehend von der Saison 2012/2013 wird in der Zeit zurückgehend die Zählung jeweils um eins erhöht, wenn ein anderer Verein in dem so geschaffenen Zeitrahmen in den Kreis der Titelträger aufgenommen wird. So lässt sich auf der Abzysse des Diagramms der rückwärts gerichtete Zeitrahmen ablesen, auf der Ordinate die Anzahl verschiedener Vereine, die in diesem Zeitraum mindestens eine nationale Meisterschaft errangen.

Anzahl unterschiedlicher nationaler Meister nach retrospektivem Zeitrahmen

Was lässt sich nun über die europäischen Top-Ligen hinsichtlich der Verteilung der Meisterschaften mit Blick in die Vergangenheit sagen?

• Die höchste französische Spielklasse ist, unabhängig von der Wahl des Zeitrahmens über den eine Auswahl getroffen werden soll, jeweils diejenige, welche die meisten unterschiedlichen nationalen Meister aufweisen kann.
• Am anderen Ende findet sich die spanische Primera Division. In einem Zeitrahmen von 50 Jahren gab es lediglich sieben unterschiedliche spanische Meister. In der jüngsten Vergangenheit muss sogar ganze zehn Saisons zurückgehen, um einen Meister zu finden, der nicht Real Madrid oder FC Barcelona heißt.
• In der Premier League und ihrer Vorgängerin der First Division wurden während der letzen 50 Saisons elf unterschiedliche Vereine englischer Meister. Innerhalb der letzten 18 Jahre kamen aber nur vier verschiedene Teams aus Manchester und London zu dieser Ehre. In der Saison 1994/95 waren die Blackburn Rovers das letzte andere Team, welches Meister werden konnte.
• In den Annalen von Italiens Serie A muss man immerhin zwölf Jahre zurückgehen, um einen Meister zu finden, der nicht aus Mailand oder Turin stammt. 2001 und 2000 wurden zuletzt die beiden römischen Vereine AS und Lazio italienischer Meister.
• Mit fünf verschiedenen Deutschen Meister in den letzten zehn Jahren, ist die Bundesliga mit Ausnahme der Ligue Un den anderen Top-Ligen etwas voraus. Während aber in Italien und England bei weiterem Rückschritt in die Vergangenheit der Kreis der Meister recht beständig zunimmt, macht es bei der Bundesliga keinerlei Unterschied, ob die letzten 16 oder die letzten 30 Jahre betrachtet werden. Deutscher Meister wurde stets einer von sechs Vereinen. Neben den bereits oben genannten zusätzlich der 1. FC Kaiserslautern. 30 Jahre ist es her, als mit dem Hamburger SV zuletzt ein anderes Team am Ende der Saison auf dem ersten Tabellenplatz stand.

## Die Bundesliga als stärkste Liga der Welt?

Wenn die Verteilung von Meistertiteln über einen bestimmten Zeitraum eine Aussage über die sportliche Ausgeglichenheit einer Liga zulässt, dann steht die Bundesliga im Vergleich mit den höchsten Spielklassen Englands, Spaniens und Italiens recht gut dar. Wählt man die zeitliche Begrenzung irgendwo zwischen den letzten fünf bis 23 Jahren, so kann die Bundesliga stehts mit ein oder zwei zusätzlichen Meistern aufwarten als die anderen Ligen. Eine deutlich buntere Ehrentafel der nationalen Meister gibt es in Frankreich, es lässt sich aber mit einiger Berechtigung in Frage stellen, ob die Ligue Un dem unmittelbaren Kreis der Top-Ligen zuzurechnen ist.

Insgesamt gibt die Betrachtung der Meistermannschaften einen guten Eindruck über das wichtigste Resultat einer Saison. Was in der Liga insgesamt los war, bleibt allerdings weitestgehend im Verborgenen. Im nächsten Teil der Reihe werde ich daher die Blende weiter aufziehen und die Betrachtung auf die ausgewählten Ligen als Gesamtprodukt ausdehnen. Also: Am Ball bleiben!

von Tobias Wolfanger