Veröffentlicht am 16. Juli 2024

Abstract

Dieser Beitrag untersucht den Einfluss der Trainerfluktuation auf die Vereinsqualität im deutschen Fußball von der Saison 8/09 bis zur Saison 2023/24. Anhand einer Datenanalyse von 89 Vereinen wurde Cramer's V als Maß für den Zusammenhang zwischen der Anzahl der Trainerwechsel und der Vereinsqualität (VQSEN) verwendet. Die Ergebnisse zeigen einen moderaten Zusammenhang (Cramer's V = 0.28) zwischen den Variablen, was darauf hindeutet, dass Trainerwechsel einen messbaren, aber nicht dominanten Einfluss auf die Vereinsqualität haben. Es wird diskutiert, dass Vereine eine ganzheitliche Strategie verfolgen sollten, die über bloße Trainerwechsel hinausgeht, um die Vereinsqualität nachhaltig zu verbessern.

Keywords: Trainerwechsel, Profifußball, Fußballvereine, Langzeitstudie

1.  Einleitung

Im modernen Profifußball ist die Fähigkeit eines Clubs, nicht nur kurzfristige Erfolge zu erzielen, sondern auch langfristig konkurrenzfähig zu bleiben, von entscheidender Bedeutung. Die Bewertung der Leistung von Fußballvereinen, insbesondere im Kontext der deutschen Seniorenteams, bietet wertvolle Einblicke in die Effektivität von Clubstrategien und die Entwicklung von Talenten über die Jahre. Eine umfassende Analyse der Leistungsentwicklung ermöglicht es, die konstant erfolgreichsten und dynamischsten Clubs zu identifizieren und die Faktoren hinter ihrem Erfolg oder Misserfolg zu erforschen.

Die Grundlage für diese Untersuchung bildet die Studie "Dynamik der Leistungsentwicklung im deutschen Profifußball: Eine 15-Jahres-Analyse der Vereinsqualität deutscher Seniorenteams", die die Leistungsentwicklung deutscher Profi-Fußballteams von 2008/09 bis 2023/24 analysiert. Diese Studie nutzt einen datengesteuerten Ansatz, um die Vereinsqualität (VQ) und deren Schwankungen zu analysieren. Anhand umfangreicher Datensätze werden die konstant erfolgreichsten und dynamischsten Clubs identifiziert sowie die Faktoren, die zu ihrem Erfolg oder Misserfolg beitragen, untersucht. Die Ergebnisse dieser Untersuchung bieten wertvolle Einsichten für Clubmanager und Stakeholder im Bereich des Sports, um ihre Strategien zur Leistungssteigerung zu optimieren.

Die methodische Grundlage der vorliegenden Untersuchung basiert auf dem von Lanwehr et al. (2021) entwickelten Ansatz zur Bewertung der Qualität von Nachwuchsleistungszentren, der eine ökonomische und valide Bewertungsmethode vorschlägt. Dieser Ansatz nutzt output-orientierte Indikatoren, um die Leistungsfähigkeit von Fußballvereinen zu messen, wobei ein besonderer Fokus auf die konvergente Validität zwischen traditionellen inputorientierten und innovativen outputorientierten Verfahren gelegt wird. Die Forschung von Lanwehr et al. zeigt, dass die korrelativen Beziehungen zwischen den Indikatoren robust genug sind, um sie für breitere Bewertungen der Clubleistung zu adaptieren.

Diese Studie baut auf den Erkenntnissen der vorherigen Untersuchung auf und erweitert sie, indem sie den Einfluss der Trainerfluktuation als mögliche Einflussvariable auf die Vereinsqualität untersucht. Trainer sind ein zentraler Bestandteil der sportlichen Produktion und beeinflussen maßgeblich die Leistung eines Teams. Ein häufiger Trainerwechsel kann die Stabilität und Kontinuität eines Teams beeinträchtigen, während eine langfristige Zusammenarbeit zwischen Trainer und Mannschaft zu besseren Leistungen führen kann. Daher ist es von Interesse, den Zusammenhang zwischen Trainerwechseln und Vereinsqualität genauer zu untersuchen.

Zielsetzung und Forschungsfragen

Ziel dieser Studie ist es, zu ermitteln, ob und in welchem Ausmaß Trainerwechsel die sportliche Leistung eines Fußballvereins beeinflussen. Es werden vier spezifische Forschungsfragen adressiert:

M1: Wie viele ungeplante Trainerwechsel gab es während der Saisons bezogen auf alle Clubs (N=89) von der Saison 2008/09 bis einschließlich Saison 2023/24?**

M2: Steigt die Anzahl der Trainerwechsel während der Saison im Beobachtungszeitraum?**

M3: Welche Clubs haben während der Saison am meisten gewechselt, welche waren am konstantesten?**

M4: Hat die Trainerfluktuation einen Einfluss auf die Vereinsqualität (VQSEN)?**

Diese Forschungsfragen sollen dazu beitragen, die Dynamiken der Trainerwechsel und ihre potenziellen Auswirkungen auf die Vereinsqualität besser zu verstehen. Durch die Beantwortung dieser Fragen wird nicht nur ein Beitrag zur wissenschaftlichen Diskussion über Sportperformance und Clubmanagement geleistet, sondern es werden auch praktische Einblicke für Stakeholder in der Sportindustrie geboten, die zur Optimierung von Strategien und zur Steigerung der Leistungsfähigkeit im professionellen Fußball genutzt werden können.

2.  Methodik

Für diese Studie wurden Daten von 89 deutschen Fußballvereinen aus den Saisons 2008/09 bis 2023/24 analysiert. Die Vereinsqualität wurde anhand des VQSEN-Maßes bewertet, das verschiedene Leistungsindikatoren umfasst. Die Anzahl der Trainerwechsel wurde für jede Saison und jeden Verein erfasst, wobei ungeplante Wechsel während der Saison besonders berücksichtigt wurden.

Datenquellen

Die Datenbasis dieser Studie beinhaltet umfangreiche Jahresendplatzierungen und Punktestatistiken deutscher Fußballseniorenteams von der Saison 2008/09 bis 2023/24. Diese Informationen wurden aus offiziellen Fußballdatenbanken und Archiven bezogen, die detaillierte Aufzeichnungen über die Spielergebnisse, die erzielten Punkte und die zugehörigen Ligastufen enthalten. Für die Analyse wurden ausschließlich Teams berücksichtigt, die mindestens eine Saison in der 3. Liga oder höher gespielt haben, um eine konsistente Vergleichbarkeit der Leistungsdaten sicherzustellen.

Berechnung der Vereinsqualität (VQ)

Die Bewertung der Leistungsfähigkeit der Fußballclubs basiert auf einem adaptierten Modell der Studie von Lanwehr et al. (2021), das ursprünglich zur Bewertung der Qualität von Nachwuchsleistungszentren entwickelt wurde. Dieses Modell nutzt output-orientierte Indikatoren, um die Effektivität der Clubs im Hinblick auf ihre sportliche Leistung zu messen. Die von Lanwehr et al. vorgestellte Methode kombiniert traditionelle inputorientierte Bewertungsansätze, wie Investitionen in Spieler und Infrastruktur, mit output-orientierten Ergebnissen, wie den erreichten Punkten und den Ligapositionen.

Für die Berechnung der Vereinsqualität (VQ) wurde folgende Formel verwendet:

Hierbei steht Ligalevel für die Spielklasse des Teams, mit 1 für die Bundesliga und aufsteigend für niedrigere Ligen. Punkte repräsentiert die in einer Saison erreichten Punkte, und dPZDM5 ist der Durchschnitt der Punkte der Deutschen Meister über die letzten fünf Saisons, der als Benchmark für die maximale Leistungsfähigkeit dient. Dieser Ansatz ermöglicht eine normierte Bewertung der Clubleistung, unabhängig von der Liga, und berücksichtigt sowohl die absolute Leistung als auch die Leistung im Verhältnis zur Spitze des deutschen Fußballs.

Datenauswertung

Die Daten wurden mit Hilfe der Programmiersprache R und der integrierten Entwicklungsumgebung RStudio analysiert. Für die Datenmanipulation und -aufbereitung kamen spezielle R-Pakete wie `dplyr` und `tidyr` zum Einsatz. Die Erstellung der Visualisierungen erfolgte mit Hilfe des Pakets `ggplot2`.

1. Ungeplante Trainerwechsel:

Die Anzahl der ungeplanten Trainerwechsel wurde durch Zählen der Saisons mit mehr als einem Trainerwechsel berechnet. Trainerwechsel, die zum Saisonbeginn geplant waren, wurden dabei nicht berücksichtigt.

2. Trendanalyse der Trainerwechsel:

Die Anzahl der Trainerwechsel pro Saison wurde berechnet und grafisch dargestellt, um Trends über die Zeit zu identifizieren. Ein lineares Regressionsmodell wurde verwendet, um eine Trendlinie zu erstellen und die Entwicklung der Trainerwechsel über den Beobachtungszeitraum zu analysieren.

3. Vergleich der Clubs:

Die Anzahl der Trainerwechsel pro Club wurde berechnet und die Clubs wurden hinsichtlich der Anzahl der Trainerwechsel sortiert, um diejenigen mit den meisten und den wenigsten Wechseln zu identifizieren.

4. Einfluss auf die Vereinsqualität:

Cramer's V wurde verwendet, um den Zusammenhang zwischen Trainerfluktuation und Vereinsqualität zu messen. Die Vereinsqualität wurde in Klassen unterteilt, und die Häufigkeitstabellen der Trainerwechsel in diesen Klassen wurden analysiert. Zusätzlich wurden Chi-Quadrat-Tests durchgeführt, um die statistische Signifikanz der beobachteten Zusammenhänge zu prüfen.

Statistische Analyse

Nach der Berechnung der VQ-Werte für jeden Club und jede Saison wurden diese Daten verwendet, um die Forschungsfragen zu beantworten. Dabei wurde insbesondere auf die Entwicklung der Teams über den Zeitraum, die Identifikation von Spitzenreitern und die Konsistenz der Leistung geachtet. Die Analyse umfasste deskriptive Statistiken, Trendanalysen und die Anwendung von Varianzanalysen, um die Teams mit der größten Leistungsverbesserung, den größten Rückgängen sowie der höchsten Konsistenz zu identifizieren.

Verwendung von R und RStudio:

Für die statistische Analyse und Datenvisualisierung in dieser Studie wurde die Programmiersprache R verwendet, die speziell für statistische Berechnungen und grafische Darstellungen entwickelt wurde. R ist aufgrund seiner Flexibilität, Erweiterbarkeit und der umfangreichen Verfügbarkeit von Paketen, die speziell auf die Bedürfnisse der Datenanalyse zugeschnitten sind, eine ideale Wahl für wissenschaftliche Forschungsprojekte.

RStudio, eine integrierte Entwicklungsumgebung (IDE) für R, wurde verwendet, um die Handhabung der Datenanalyse und -visualisierung zu erleichtern. 

Für die Datenmanipulation und -aufbereitung kamen spezielle R-Pakete wie `dplyr` und `tidyr` zum Einsatz, die eine effiziente Handhabung und Transformation großer Datensätze ermöglichen. Die Erstellung der Visualisierungen erfolgte mit Hilfe des Pakets `ggplot2`, dass eine mächtige und flexible Grundlage für die Erstellung von komplexen Grafiken bietet. 

3. Ergebnisse

Die Analyse der Vereinsqualität (VQ) und der Trainerwechsel über den Zeitraum von 2008/09 bis 2023/24 lieferte aufschlussreiche Ergebnisse zur Leistungsentwicklung der deutschen Fußballseniorenteams. Hier sind die detaillierten Ergebnisse zu den einzelnen Forschungsfragen:

M1: Anzahl ungeplanter Trainerwechsel

Die Analyse ergab, dass es insgesamt 580 ungeplante Trainerwechsel während der untersuchten Saisons gab. Ungeplante Trainerwechsel sind definiert als Wechsel, die während der laufenden Saison und nicht zum Saisonbeginn stattfanden.

M2: Trend der ungeplanten Trainerwechsel pro Saison

Die Anzahl der Trainerwechsel pro Saison zeigte einen leicht steigenden Trend über den Beobachtungszeitraum. Die folgende Abbildung zeigt die Anzahl der Trainerwechsel pro Saison:

Diese Visualisierung zeigt, dass die Anzahl der Trainerwechsel pro Saison insgesamt zugenommen hat, was auf eine steigende Tendenz hindeutet.

M3: Clubs mit den meisten und wenigsten Trainerwechseln

Die Clubs mit den meisten Trainerwechseln über den gesamten Beobachtungszeitraum sind:

1. FC Ingolstadt 04 Senioren: 12

2. KFC Uerdingen 05 Senioren: 12

3. Wuppertaler SV Borussia Senioren: 12

4. 1. FC Kaiserslautern Senioren: 11

5. 1. FC Nürnberg Senioren: 11

6. F.C. Hansa Rostock Senioren: 11

7. VfB Stuttgart Senioren: 11

8. DSC Arminia Bielefeld Senioren: 10

9. FC Carl Zeiss Jena Senioren: 10

10. FC Erzgebirge Aue Senioren: 10

Die Clubs mit den wenigsten Trainerwechseln sind:

1. 1. FC Heidenheim 1846 Senioren: 0

2. BSV Kickers Emden Senioren: 1

3. SC Freiburg Senioren: 1

4. SC Fortuna Köln Senioren: 2

5. SC Verl Senioren: 2

6. 1. FC Union Berlin Senioren: 3

7. Eintracht Frankfurt Senioren: 3

8. RB Leipzig Senioren: 3

9. SC Freiburg U23: 3

10. SV Babelsberg 03 Senioren: 3

M4: Einfluss der Trainerfluktuation auf die Vereinsqualität

Die Berechnung von Cramer's V ergab einen Wert von 0.28, was auf eine moderate Assoziation zwischen der Trainerfluktuation und der Vereinsqualität hinweist. Die Häufigkeitstabelle der Trainerwechsel in den verschiedenen Vereinsqualitätsklassen ist wie folgt:

Die erwarteten Häufigkeiten basierend auf der Chi-Quadrat-Statistik sind:

Der Chi-Quadrat-Test bestätigte, dass die erwarteten Häufigkeiten ausreichend groß sind, um die Berechnung von Cramer's V zu rechtfertigen. Die Ergebnisse deuten darauf hin, dass Trainerwechsel einen moderaten Einfluss auf die Vereinsqualität haben, was durch einen Cramer's V von 0.28 belegt wird.

Hinweis: Werte unter 0 wurden der Klasse [0,0.5) zugeordnet und Werte über 5 der Klasse [4.5,5).

4. Diskussion der Ergebnisse

4.1 Forschungsfrage M1: Anzahl ungeplanter Trainerwechsel

Die Analyse der ungeplanten Trainerwechsel in den deutschen Fußballvereinen von der Saison 2008/09 bis zur Saison 2023/24 ergab, dass insgesamt 580 ungeplante Trainerwechsel stattfanden. Diese hohe Anzahl an Trainerwechseln deutet auf eine beträchtliche Instabilität in den Vereinsführungen hin. Ungeplante Wechsel während der Saison können oft als Reaktion auf schlechte Leistungen oder andere interne Probleme des Clubs interpretiert werden.

Interpretation der Ergebnisse

Die hohe Anzahl ungeplanter Trainerwechsel zeigt, dass viele Vereine versuchen, ihre sportliche Leistung durch einen Trainerwechsel während der Saison zu verbessern. Dies kann als kurzfristige Maßnahme verstanden werden, um unmittelbare Leistungsprobleme zu adressieren. Jedoch ist es fraglich, ob diese Strategie langfristig erfolgreich ist. Einige Studien legen nahe, dass häufige Trainerwechsel eher zu Instabilität und Unsicherheit innerhalb des Teams führen können, was die Leistung auf dem Spielfeld negativ beeinflussen könnte.

Ein weiterer wichtiger Aspekt ist die psychologische und moralische Wirkung eines Trainerwechsels auf die Spieler. Während ein neuer Trainer frischen Wind und neue Taktiken mitbringen kann, könnte er auch zu Verunsicherung und Anpassungsproblemen innerhalb der Mannschaft führen. Die Balance zwischen dem Nutzen eines Trainerwechsels und den potenziellen negativen Auswirkungen muss daher sorgfältig abgewogen werden.

4.2 Forschungsfrage M2: Trend der Trainerwechsel pro Saison

Die Analyse der Anzahl der Trainerwechsel pro Saison ergab, dass es über den Beobachtungszeitraum einen leicht steigenden Trend in der Anzahl der Trainerwechsel gab. Dies deutet darauf hin, dass Vereine im Laufe der Zeit häufiger zu einem Trainerwechsel als Mittel zur Leistungsverbesserung greifen.

Interpretation der Ergebnisse

Der leicht steigende Trend in der Anzahl der Trainerwechsel pro Saison könnte darauf hinweisen, dass die Erwartungen an sofortigen Erfolg in der wettbewerbsorientierten Umgebung des Profifußballs gestiegen sind. Vereine sind möglicherweise weniger geduldig und eher bereit, Trainer zu wechseln, um kurzfristige Ergebnisse zu erzielen. Dies kann durch den zunehmenden Druck von Fans, Medien und Sponsoren erklärt werden, die schnelle Erfolge sehen wollen.

Jedoch könnte ein häufiger Trainerwechsel auch die langfristige Entwicklung und Stabilität des Teams beeinträchtigen. Kontinuität und ein stabiler Führungsstil sind oft entscheidend für die Entwicklung einer erfolgreichen Mannschaft. Ein häufiger Wechsel könnte zu einem Verlust dieser Stabilität führen und letztlich die Leistung des Teams beeinträchtigen.

4.3 Forschungsfrage M3: Clubs mit den meisten und wenigsten Trainerwechseln

Die Analyse ergab, dass bestimmte Clubs eine besonders hohe Anzahl an Trainerwechseln hatten, während andere Clubs relativ konstant blieben. Die Clubs mit den meisten Trainerwechseln waren FC Ingolstadt 04 Senioren, KFC Uerdingen 05 Senioren und Wuppertaler SV Borussia Senioren, während 1. FC Heidenheim 1846 Senioren und BSV Kickers Emden Senioren die wenigsten ungeplanten Wechsel verzeichneten.

Interpretation der Ergebnisse

Clubs mit einer hohen Anzahl an ungeplanten Trainerwechseln könnten strukturelle oder organisatorische Probleme haben, die sie daran hindern, langfristige Stabilität zu erreichen. Diese Probleme könnten finanzieller, personeller oder managementbedingter Natur sein. Die hohe Fluktuation kann auch ein Symptom für fehlende langfristige Planung und Vision sein.

Auf der anderen Seite zeigen Clubs mit wenigen Trainerwechseln eine bemerkenswerte Stabilität und Kontinuität. Diese Clubs profitieren möglicherweise von einem langfristigen Plan und einer kohärenten Strategie, die nicht durch häufige Änderungen in der Führung gestört wird. Diese Stabilität kann zu einer besseren Teamdynamik und einem kontinuierlichen Leistungsaufbau führen.

4.4 Forschungsfrage M4: Einfluss der Trainerfluktuation auf die Vereinsqualität

Die Berechnung von Cramer's V ergab einen Wert von 0.28, was auf eine moderate Assoziation zwischen der Trainerfluktuation und der Vereinsqualität hinweist. Dies deutet darauf hin, dass Trainerwechsel einen gewissen Einfluss auf die sportliche Leistung eines Vereins haben können.

Interpretation der Ergebnisse

Der moderate Wert von Cramer's V legt nahe, dass es einen Zusammenhang zwischen der Anzahl der Trainerwechsel und der Vereinsqualität gibt, jedoch ist dieser Zusammenhang nicht sehr stark. Dies könnte bedeuten, dass andere Faktoren, wie die finanzielle Ausstattung, die Infrastruktur des Clubs und die Qualität der Spieler, eine größere Rolle für die Vereinsqualität spielen als die Trainerfluktuation allein.

Die Ergebnisse zeigen, dass ein Trainerwechsel zwar kurzfristig positive Effekte haben kann, aber nicht der einzige oder wichtigste Faktor für den langfristigen Erfolg eines Vereins ist. Eine gut durchdachte und langfristig angelegte Vereinsstrategie, die alle Aspekte des Clubmanagements berücksichtigt, ist vermutlich entscheidender für den nachhaltigen Erfolg.

5 Schlussfolgerungen

Die Ergebnisse dieser Studie bieten wertvolle Einblicke in die Dynamik und die Auswirkungen von Trainerwechseln auf die sportliche Leistung deutscher Fußballvereine. Auf Basis der analysierten Daten und der identifizierten Trends lassen sich mehrere wichtige Schlussfolgerungen ziehen:

1. Häufigkeit ungeplanter Trainerwechsel:
   Die hohe Anzahl ungeplanter Trainerwechsel (580) zeigt, dass viele Vereine auf kurzfristige Lösungen setzen, um Leistungsprobleme zu beheben. Diese Praxis kann jedoch die Stabilität und Kontinuität innerhalb des Vereins beeinträchtigen. Langfristig orientierte Strategien und eine stabile Vereinsführung könnten nachhaltigere Erfolge bringen.
2. Trend zu häufigeren Trainerwechseln:
   Der leicht steigende Trend in der Anzahl der Trainerwechsel pro Saison deutet darauf hin, dass Vereine zunehmend bereit sind, Trainer zu wechseln, um sofortige Ergebnisse zu erzielen. Dies könnte durch den steigenden Druck von Fans, Medien und Sponsoren erklärt werden. Allerdings ist es wichtig, die langfristigen Auswirkungen dieser Entscheidungen auf die Teamdynamik und die sportliche Leistung zu berücksichtigen.
3. Unterschiede zwischen den Clubs:
   Clubs mit einer hohen Anzahl an Trainerwechseln könnten strukturelle oder organisatorische Probleme haben, die ihre langfristige Stabilität beeinträchtigen. Im Gegensatz dazu zeigen Clubs mit wenigen Trainerwechseln eine bemerkenswerte Stabilität und Kontinuität, was zu einer besseren Teamdynamik und einem kontinuierlichen Leistungsaufbau führen kann. Diese Unterschiede verdeutlichen die Bedeutung einer langfristigen und konsistenten Führungsstrategie.
4. Einfluss der Trainerfluktuation auf die Vereinsqualität:
   Die moderate Assoziation zwischen Trainerfluktuation und Vereinsqualität (Cramer's V = 0.28) zeigt, dass Trainerwechsel zwar einen gewissen Einfluss auf die sportliche Leistung haben, jedoch nicht der dominierende Faktor sind. Andere Faktoren wie finanzielle Ausstattung, Infrastruktur und Spielerqualität spielen eine entscheidendere Rolle für den langfristigen Erfolg eines Vereins. Ein ausgewogener Ansatz, der alle Aspekte des Clubmanagements berücksichtigt, ist entscheidend für nachhaltigen Erfolg.

Insgesamt zeigt diese Studie, dass Trainerwechsel eine komplexe und vielschichtige Angelegenheit sind, die sowohl kurzfristige als auch langfristige Auswirkungen auf die sportliche Leistung eines Vereins haben können. Vereinsmanager und Entscheidungsträger sollten daher sorgfältig abwägen, wann und wie sie Trainerwechsel einsetzen, und dabei die langfristigen Ziele und die Stabilität des Vereins im Blick behalten.

Zukünftige Forschungen könnten sich darauf konzentrieren, weitere Einflussfaktoren auf die Vereinsqualität zu identifizieren und die Wechselwirkungen zwischen diesen Faktoren genauer zu untersuchen. Zudem wäre es interessant, qualitative Daten zu den spezifischen Umständen und Gründen für Trainerwechsel zu erheben, um ein noch tieferes Verständnis der Dynamiken im Profifußball zu gewinnen.

Literaturverzeichnis:

Lanwehr, R., Honsel, M., & Wilms, R. (2021). Die Evaluation von Qualität–Ein Methodenvergleich anhand von Nachwuchsleistungszentren im deutschen Profifußball. Gruppe. Interaktion. Organisation. Zeitschrift für Angewandte Organisationspsychologie, 52(1), S. 25-35.

Anhang

Anhang 1: R Code

# Forschnungsfragen
# Annahme: VQTrainf ist bereits definiert und enthält die Spalten Club, Season, VQ, und Anzahl_Trainer
library(dplyr)
library(ggplot2)
library(vcd)

# DataFrames basierend auf Club und Season zusammenführen
VQTrainf <- inner_join(VQ, Trainerfluk, by = c("Club", "Season"))

# Ergebnis anzeigen
print(VQTrainf)

# Sicherungskopie
df <- VQTrainf


# M1: Wie viele ungeplante Trainerwechsel gab es während der Saisons bezogen auf alle Clubs (N=89) von der Saison 2008/09 bis einschließlich Saison 2023/24?
# Anzahl der ungeplanten Trainerwechsel berechnen
ungeplante_trainerwechsel <- VQTrainf %>%
  filter(Anzahl_Trainer > 1) %>%
  summarise(Anzahl_ungeplante_Trainerwechsel = n())

print(ungeplante_trainerwechsel)

# M2: Steigt die Anzahl der Trainerwechsel während der Saison im Beobachtungszeitraum?
# Anzahl der Trainerwechsel pro Saison berechnen
trainerwechsel_pro_saison <- VQTrainf %>%
  group_by(Season) %>%
  summarise(Anzahl_Trainerwechsel = sum(Anzahl_Trainer > 1))

# Sicherstellen, dass Season als Faktor mit richtiger Reihenfolge behandelt wird
trainerwechsel_pro_saison <- trainerwechsel_pro_saison %>%
  mutate(Season = factor(Season, levels = unique(Season)))

# Plotten der Anzahl der Trainerwechsel pro Saison mit Trendlinie
ggplot(trainerwechsel_pro_saison, aes(x = Season, y = Anzahl_Trainerwechsel, group = 1)) +
  geom_line() +
  geom_point() +
  geom_smooth(method = "lm", se = FALSE, color = "red") + # Trendlinie hinzufügen
  labs(title = "Anzahl der Trainerwechsel pro Saison", x = "Saison", y = "Anzahl der Trainerwechsel") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))


# M3: Welche Clubs haben während der Saison am meisten gewechselt, welche waren am konstantesten?
# Bibliotheken laden
library(dplyr)

# Annahme: VQTrainf ist bereits definiert und enthält die Spalten Club, Season, VQ, und Anzahl_Trainer

# Anzahl der Trainerwechsel pro Club berechnen
trainerwechsel_pro_club <- VQTrainf %>%
  group_by(Club) %>%
  summarise(Anzahl_Trainerwechsel = sum(Anzahl_Trainer > 1)) %>%
  arrange(desc(Anzahl_Trainerwechsel))

# Top 10 Clubs mit den meisten Trainerwechseln
top10_wechsel <- head(trainerwechsel_pro_club, 10)

# Top 10 Clubs mit den wenigsten Trainerwechseln
top10_konstant <- head(arrange(trainerwechsel_pro_club, Anzahl_Trainerwechsel), 10)

print(top10_wechsel)
print(top10_konstant)


# M4 Cramers V und Chi Quadrat Test
# Binäre Variable für Trainerwechsel erstellen (mindestens ein Trainerwechsel)
VQTrainf <- VQTrainf %>%
  mutate(Trainerwechsel = ifelse(Anzahl_Trainer > 1, "Ja", "Nein"))

# Neue Spalte VQ_neu erstellen und Werte anpassen
VQTrainf <- VQTrainf %>%
  mutate(VQ_neu = case_when(
    VQ < 0 ~ 0.01,
    VQ > 5 ~ 4.9,
    TRUE ~ VQ
  ))

# VQ_neu in Klassen unterteilen
breaks <- c(0, 0.5, 1, 1.5, 2, 2.5, 3, 3.5, 4, 4.5, 5)
labels <- c("[0,0.5)", "[0.5,1)", "[1,1.5)", "[1.5,2)", "[2,2.5)", "[2.5,3)", "[3,3.5)", "[3.5,4)", "[4,4.5)", "[4.5,5)")

VQTrainf <- VQTrainf %>%
  mutate(VQ_Klasse = cut(VQ_neu, breaks = breaks, labels = labels, right = FALSE, include.lowest = TRUE))

# Häufigkeitstabelle erstellen
haeufigkeitstabelle <- table(VQTrainf$Trainerwechsel, VQTrainf$VQ_Klasse)
print(haeufigkeitstabelle)

# Chi-Quadrat-Statistik berechnen
chi2 <- chisq.test(haeufigkeitstabelle)

# Erwartete Häufigkeiten überprüfen
expected <- chi2$expected
print(expected)

# Cramer's V berechnen, falls die erwarteten Häufigkeiten ausreichend groß sind
if (all(expected >= 5)) {
  cramers_v <- sqrt(chi2$statistic / (sum(haeufigkeitstabelle) * (min(dim(haeufigkeitstabelle) - 1))))
  print(paste("Cramer's V:", cramers_v))
} else {
  print("Die erwarteten Häufigkeiten sind zu klein für die Chi-Quadrat-Approximation.")
}

# Alternative: Fisher's Exact Test verwenden, wenn die erwarteten Häufigkeiten zu klein sind
if (any(expected < 5)) {
  fisher_test <- fisher.test(haeufigkeitstabelle, simulate.p.value = TRUE)
  print(fisher_test)
}

# Visualisierung der neuen Klassenverteilung
ggplot(VQTrainf, aes(x = VQ_Klasse, fill = Trainerwechsel)) +
  geom_bar(position = "dodge") +
  labs(title = "Verteilung der Vereinsqualität nach Trainerwechseln", x = "Vereinsqualität (VQ)", y = "Anzahl", fill = "Trainerwechsel") +
  theme_minimal() +
  theme(axis.text.x = element_text(angle = 45, hjust = 1))