Ein empirischer Zusammenhang zwischen Motivationsgewinn und NBA-Statistiken: Anwendung hierarchischer linearer Modellierung

Sep 16, 2023

BMC Psychology Band 11, Artikelnummer: 135 (2023) Diesen Artikel zitieren

306 Zugriffe

Details zu den Metriken

Diese Studie testete, ob der Motivationsgewinn in Gruppen das Ergebnis sozialer Kompensation oder des Köhler-Effekts ist, indem sie gestaffelte Einzelgehälter von Spielern der National Basketball Association (NBA) untersuchte. Beide Faktoren erklären die positiven Effekte einer Gruppe im Gegensatz zum geselligen Faulenzen. Unterschiedliche Ursachen für den Motivationszuwachs hängen jedoch damit zusammen, ob Spieler leistungsschwach oder leistungsstark sind, sowie mit dem Köhler-Effekt oder dem sozialen Ausgleich.

Um den Motivationsgewinn zu testen, nutzte diese Studie 11-jährige NBA-Statistikdaten von 3247 Spielern unter Anwendung der hierarchischen linearen Modellierung (HLM) und HLM 7.0 wurde für die Analyse verwendet. Die individuellen Statistiken und Jahresgehälter der Spieler wurden jeweils auf den Websites der NBA und ESPN gesammelt. Während frühere Studien den Motivationszuwachs durch Rekorde in Leichtathletik und Schwimmstaffeln untersuchten, verifizierte diese Studie den Motivationszuwachs durch Gehaltsschwankungen bei NBA-Spielern und ihren angeschlossenen Teams.

Die Leistungsträger verdienten bei der Auswahl von Teams mit größeren Leistungsunterschieden zwischen den Teammitgliedern ein höheres Gehalt als bei der Auswahl von Teams mit geringeren Leistungsunterschieden zwischen den Teammitgliedern. Diese Studie ergab, dass es bei Leistungsträgern zu einem Motivationsgewinn kam, der als Unterstützung für soziale Kompensation und nicht als Köhler-Effekt interpretiert werden kann.

Wir nutzten unser Ergebnis, um die Grundlage für spielerische Entscheidungen von Einzelpersonen und Teamverhalten aufzuklären. Unsere Ergebnisse sind auf die Weiterentwicklung von Coaching-Strategien anwendbar und führen letztendlich zu einer Verbesserung der Teammoral und -leistung. Es kann interpretiert werden, dass die Motivationssteigerungen von Leistungsträgern in der NBA eher von der Kostenkomponente des Teammitglieds-Effort-Expenditure-Modells (TEEM) als von den Erwartungs- und Wertkomponenten bestimmt werden.

Peer-Review-Berichte

Studien, die den Motivationszuwachs im Allgemeinen untersucht haben, konzentrierten sich entweder auf Laboraufgaben oder auf reale Sportteams [1,2,3,4,5,6]. Zeitgenössische Forscher untersuchen dieses Gebiet und andere verwandte Bereiche weiterhin. Studien zur Motivationssteigerung, die sich auf Sportarten konzentrierten, verwendeten ausschließlich Archivdaten entweder aus der Leichtathletik [5, 6] oder dem Schwimmen [1,2,3,4, 7]. Bei Staffelsportarten wie Leichtathletik oder Schwimmen kann der Motivationsgewinn anhand der Differenz zwischen Einzel- und Staffelrekorden überprüft werden. Wie kann jedoch bei Sportarten, die die Leistung durch Interaktion und Zusammenarbeit zwischen Teammitgliedern fördern, die Existenz eines Motivationsgewinns bestätigt werden? Gibt es außerdem einen Motivationsgewinn bei Mannschaftssportarten außerhalb der Staffelsportarten? In dieser Studie wurde nach der Einführung eines neuen Ansatzes zur Bestätigung des Motivationsgewinns in der National Basketball Association (NBA) anhand der Beziehung zwischen dem individuellen Jahresgehalt, objektiven Leistungsindikatoren und der Standardabweichung des Team-Jahresgehalts das Vorhandensein eines Motivationsgewinns in der NBA nachgewiesen wurde ebenfalls bestätigt.

Karau und Williams [8] führten das Collective Effort Model (CEM) ein, ein integratives Modell der individuellen Motivation innerhalb der Gruppe, um Vorhersagen über Gruppenergebnisse auf der Grundlage individueller Anstrengungen zu erstellen. Das CEM geht davon aus, dass der Einsatz eines einzelnen Mitglieds im Verlauf der Teamarbeit eine Funktion von drei psychologischen Faktoren ist, nämlich Erwartung (d. h. ein hohes Maß an Anstrengung führt zu einem hohen Leistungsniveau), Instrumentalität (d. h. eine qualitativ hochwertige Leistung ist entscheidend für das Erreichen eines Ergebnis; [8], S. 685) und Valenz (dh sie ist vorhanden, wenn die Ergebnisse der Leistung als wünschenswert angesehen werden; [9]). Karau und Williams [11] stellten fest, dass Erwartung multipliziert mit Instrumentalität multipliziert mit Valenz die resultierende Motivationskraft ergibt. Wenn also einer der drei Faktoren gegen „0“ konvergiert, verschwindet die Motivationskraft und es kann zum Phänomen des sozialen Faulenzens kommen.

Soziales Faulenzen ist ein Phänomen, bei dem Menschen weniger Anstrengungen unternehmen, um Ziele zu erreichen, wenn sie zusammenarbeiten, als wenn sie alleine arbeiten [10]. Bei CEM investieren Mitglieder, die an kollektiven Aufgaben teilnehmen, viel Mühe, wenn sie glauben, dass individuelle Anstrengungen eine wichtige Rolle bei der Erreichung von Gruppenzielen spielen. Wenn sie dies jedoch nicht tun, kommt es tendenziell zu sozialem Faulenzen [11]. Hüffmeier und Hertel [12] stellten zwei Fälle vor, in denen individuelle Anstrengungen bei kollaborativen Aufgaben hervorgerufen werden können. Der erste Fall liegt vor, wenn einzelne Mitglieder Ergebnisse im Zusammenhang mit der Gruppenleistung als wertvoll empfinden, und der zweite Fall liegt vor, wenn aufgrund der eigenen Anstrengungen bei der gemeinsamen Arbeit bessere individuelle Ergebnisse erwartet werden als bei der individuellen Arbeit.

Gemessen am Umsatz ist die NBA nach der National Football League (NFL) und der Major League Baseball (MLB) die drittreichste Profisportliga in Nordamerika und zählt zu den vier besten Ligen der Welt [13]. Ab 2021 sind NBA-Spieler gemessen am durchschnittlichen Jahresgehalt pro Spieler die bestbezahlten Sportler der Welt [14]. Im Fall von Weltklasse-Profiligen wie der NBA, in der nur wenige Spieler durch harte Konkurrenz ausgewählt werden, um in der Traumliga zu spielen, erlangen die Spieler durch Teamsiege und gute Leistungen Ruhm und Reichtum. Athleten aus 30 NBA-Teams bestreiten in der regulären Saison 82 Spiele und versuchen, so viele zu gewinnen, wie nötig sind, um in die Playoffs einzuziehen. Daher ist die Möglichkeit des sozialen Herumlungerns in der NBA gering.

Unter verschiedenen theoretischen Ansätzen induzieren sowohl der Köhler-Effekt als auch die soziale Kompensation einen Motivationsgewinn bei gegensätzlichen Subjekten. Beide Theorien erklären den Motivationsgewinn von Teammitgliedern, allerdings kann dieser je nach Leistungsniveau des Mitglieds unterschiedlich induziert werden. Bei Ersterem [15, 16] handelt es sich um ein Phänomen, bei dem der Aufwand bei leistungsschwachen Personen zunimmt, während eine gemeinsame Aufgabe mit leistungsstarken Personen ausgeführt wird [17], während letzteres einen Motivationszuwachs bei leistungsstarken Personen zeigt [18]. Beim Köhler-Effekt hängt der Motivationsgewinn von der wahrgenommenen sozialen Unentbehrlichkeit des Leistungsträgers für die Gruppe, der Diskrepanz zwischen den Leistungsträgern und sich selbst (sozialer Vergleich) und der Vermeidung sozialer Stigmatisierung (Eindrucksmanagement) ab. Diese Mechanismen sind bei konjunktiven Aufgaben und bei moderaten Leistungsunterschieden relevanter. Im Gegensatz dazu sind bei sozialen Kompensationseffekten die Wichtigkeit der Aufgabe, die erwarteten geringeren Fähigkeiten der Teamkollegen und disjunktive Aufgaben relevantere Mechanismen zur Erklärung sozialer Kompensationseffekte.

Viele experimentelle Studien haben den Köhler-Motivationsgewinn untersucht und konsistente Ergebnisse für konjunktive Aufgaben gefunden [19,20,21,22,23,24]. Die Ergebnisse dieser Studien lassen sich zusammenfassen: Die Produktivität des leistungsschwachen Mitglieds verbesserte sich unter der konjunktiven Aufgabenbedingung, bei der die Teamleistung vom leistungsschwachen Mitglied bestimmt wurde. Osborn et al. [4] untersuchten, ob der Köhler-Effekt in realen Sportumgebungen existiert, indem sie Aufzeichnungen eines Staffelschwimmwettbewerbs und einer additiven Aufgabe untersuchten, bei der eine Gruppe durch die Zusammenfassung der Anstrengungen oder Beiträge einzelner Mitglieder konkurriert. Sie stellten fest, dass die Köhler-Motivation dadurch zunahm, dass die Staffelbilanz des leistungsschwachen Läufers im Vergleich zu seiner Einzelzeit verbessert wurde. Im Zusammenhang mit der sozialen Vergütung unternehmen Menschen im kollektiven Umfeld größere Anstrengungen als im individuellen Umfeld. Einer der Faktoren ist die mangelhafte Leistung eines Kollegen (z. B. eines Mitarbeiters mit geringer Leistung). Wenn der Beitrag eines Leistungsträgers nicht ausreicht, muss ein Einzelner (ein Leistungsträger) größere Anstrengungen unternehmen, um das kollektive Ziel zu erreichen [25, 26]. „Soziale Kompensation“ bezieht sich auf das Phänomen, dass der Motivationszuwachs bei Leistungsträgern statt bei Leistungsträgern mit geringer Leistungsfähigkeit auftritt [18].

Während CEM mit seinem Schwerpunkt auf drei psychologischen Faktoren einen Verdienst bei der Erklärung der Entstehung und Verringerung von Leistungsverlusten in Teams hat, ist es als theoretischer Rahmen nicht ausreichend, um das gesamte Spektrum vom Motivationsgewinn bis zum Motivationsverlust zu integrieren [27]. Torka et al. [27] stellte das Team Member Effort Expenditure Model (TEEM) vor, das nicht nur die Ursachen für Aufwandsverluste, sondern auch die Ursachen für Aufwandsgewinne klar erklärt, basierend auf den Studien von Karau und Williams [8] und Shepperd [28], erklärt TEEM dass Aufwandsgewinn und Aufwandsverlust durch drei Komponenten verursacht werden können (1. Erwartung, 2. Wert und 3. Kosten).

Die Erwartungskomponente, die einen Leistungszuwachs auslöst, manifestiert sich als Motivationszuwachs, wenn das Verhalten und das Ergebnis während der Teamarbeit als eng miteinander verknüpft wahrgenommen werden. (z. B. bei einem Schwimmstaffellauf (Teamarbeit) haben die Teammitglieder, mit Ausnahme des letzten Schwimmers, die Erwartung, dass die anderen Teammitglieder gute Leistungen erbringen und sich die Teambilanz verbessern wird, auch wenn seine oder ihre Bilanz nicht gut ist ( geringe Verhaltens- und Ergebnisbeziehung)). Der letzte Spieler hat jedoch keine derartigen Erwartungen und geht daher davon aus, dass seine Leistung den größten Einfluss auf die Leistung des Teams hat (hohe Verhaltens- und Ergebnisrelation), was zu einem Leistungsgewinn führt [29]. Ein Aufwandsverlust tritt auf, wenn der Eindruck entsteht, dass Verhalten und Ergebnis bei der Teamarbeit nur schwach miteinander verknüpft sind. (z. B. Verzicht auf individuelle Beiträge (Trittbrettfahren)) [30].

Die Wertkomponente, die einen Aufwandsgewinn auslöst, tritt auf, wenn der Wert einer Aktion und/oder eines Ergebnisses bei Teamarbeit als höher wahrgenommen wird als bei Einzelarbeit. (Wenn ein Spieler beispielsweise seine Leistung mit der eines mäßig überlegenen Mitspielers vergleichen kann, erhält er soziale Vergleichsinformationen, die er in der Einzelarbeit nicht erhalten hätte, und beurteilt seine Bemühungen als wertvoller [31]. Ein Aufwandsverlust tritt auf, wenn Der Wert einer Aktion und/oder eines Ergebnisses wird bei Teamarbeit als geringer wahrgenommen als bei Einzelarbeit (z. B. Nichtidentifizierbarkeit von Beiträgen (soziales Faulenzen)) [32].

Schließlich führt die Kostenkomponente zu Aufwandsgewinnen, wenn das Kosten-Nutzen-Verhältnis des Aufwands bei Teamarbeit günstiger wahrgenommen wird als bei Einzelarbeit. (Beispiel: Stärkere Teammitglieder geben sich mehr Mühe, weil sie glauben, dass die Fähigkeiten und Anstrengungen schwächerer Teammitglieder nicht ausreichen, um das gemeinsame Ziel zu erreichen [33]. Aufwandsverluste treten auf, wenn das Kosten-Nutzen-Verhältnis des Aufwands als ungünstiger wahrgenommen wird in der Teamarbeit als in der Einzelarbeit (Anstrengungsreduzierung als Reaktion auf Trittbrettfahren von Kollegen (Sucker-Effekt)) [34].

Basierend auf TEEM sind Wert und Kosten die Komponenten, die den Motivationsgewinn in der NBA beeinflussen. Da die NBA aus den besten Spielern der Welt besteht, können die Leistungszuwächse von Spielern mit geringer Leistung (Köhler-Effekt) der Wertkomponente zugeschrieben werden, wenn die Annahme erfüllt ist, dass der Leistungsunterschied zwischen leistungsstarken und leistungsschwachen Spielern moderat ist. Wenn andererseits der Aufwandsgewinn bei Leistungsträgern vorhanden ist (soziale Vergütung), kann daraus geschlossen werden, dass der Motivationsgewinn durch die Kostenkomponente ausgelöst wird.

Studien zum Motivationsgewinn wurden an echten Sportmannschaften durchgeführt, darunter Leichtathletik [5] und Schwimmen [1,2,3,4]. Der Motivationszuwachs in beiden Sportarten kann durch den Vergleich von Einzel- und Staffelrekorden untersucht werden. Es gibt jedoch einige Einschränkungen. Erstens können sich Unterschiede im Startvorgang zwischen Staffelschwimmern auf die individuelle Leistung auswirken. Beispielsweise beginnt beim Schwimmen der erste Schwimmer mit einem Kanonenstart, während die anderen mit einem fliegenden Start starten. Bei letzterem kann der Schwimmer auf der Grundlage der Vorhersage starten, dass die Hand des Frontschwimmers das Touchpanel berühren wird, sodass die Reaktionszeit schneller ist als bei einem Pistolenstart. Hüffmeier et al. [1] hat die Reaktionszeit angepasst, um die durch Kanonen- und Flugstarts verursachten Einzel- und Staffelleistungsfehler auszugleichen. Es ist jedoch immer noch schwer zu erkennen, dass der Leistungsfehler aufgrund des unterschiedlichen Startvorgangs vollständig kontrolliert wird. Zweitens beschränken sich additive Aufgaben nicht nur auf Schwimmen und Leichtathletik-Staffeln. Somit müssen Motivationsgewinne auch in einer Reihe anderer Sportarten bestätigt werden. Fußball, Basketball und Baseball sind Mannschaftssportarten, bei denen eine Mannschaft danach strebt, ein gemeinsames Ziel zu erreichen und gleichzeitig durch gegenseitige Abhängigkeit und Interaktion zwischen den Teammitgliedern eine kollektive Beziehung aufrechtzuerhalten. Daher ist es notwendig, den Motivationsgewinn auch im kooperativen Sport zu untersuchen und nicht nur bei additiven Aufgaben allein.

In dieser Studie wurde der Motivationsgewinn anhand der Differenz zwischen den Gehältern von NBA-Spielern und -Teams untersucht. Da das Gehalt eines Sportlers mit einem objektiven Indikator der Gesamtbewertung der individuellen Fähigkeiten steigen kann [35,36,37], sollte es mit anderen Leistungsindizes wie Punkten (PTS) und Effizienz (EFF) verknüpft werden. Wenn die Beziehung zwischen individuellen Gehältern und Leistungsstatistiken (z. B. PTS, EFF) durch eine Abweichung im Teamgehalt beeinflusst wird (z. B. besteht ein Team mit einer großen Teamgehaltsabweichung aus leistungsstarken und leistungsschwachen Leistungsträgern, während ein Team mit einer kleinen Teamgehaltsabweichung aus Leistungsträgern besteht). Spieler mit ähnlichen Leistungen) lässt sich indirekt ein Motivationsgewinn nachweisen. Dieser Ansatz kann dazu beitragen, eine neue Methode zur Überprüfung des Motivationsgewinns einzuführen, die sich völlig von der bestehenden Methode unterscheidet, die Einzel- und Staffelrekorde in Leichtathletik und Schwimmen vergleicht.

In dieser Studie wurde getestet, ob der Motivationsgewinn in der NBA das Ergebnis einer Kostenkomponente (soziale Vergütung) oder einer Wertkomponente (Köhler-Effekt) ist, indem skalierte Einzelgehälter von NBA-Spielern und Standardabweichungen zwischen den Gehältern in jedem Team mithilfe der hierarchischen linearen Modellierung (HLM) untersucht wurden ) Analyse. Wie in Abb. 1 dargestellt, bestätigt HLM, wie die Steigung der individuellen Statistiken (Stufe 1) (PTS oder EFF) der vorherigen Saison auf die individuellen Gehälter der aktuellen Saison durch Teamvariablen (Stufe 2) wie TM (Gesamtmittelwert über 11) beeinflusst wird (Jahre des Durchschnittsgehalts für jedes Team) oder TSD (Gesamtdurchschnitt über 11 Jahre der Standardabweichung des Gehalts für jedes Team).

Forschungsmodell. Hinweis Zeit 1 = vorherige Saison. Zeit 2 = aktuelle Saison. PTS = Punkte. EFF = Effizienz. TM = Gesamtdurchschnitt über 11 Jahre des Durchschnittsgehalts für jedes Team; TSD = Gesamtmittelwert der Standardabweichung des Gehalts für jedes Team über 11 Jahre

Hypothese 1 (unterstützende Wertkomponente von TEEM [31]): Der positive Zusammenhang zwischen einzelnen PTS und den individuellen Gehältern wird bei Leistungsträgern schwächer sein als bei Leistungsträgern mit niedrigen Leistungen (Stufe 1), und dieser Zusammenhang wird in Teams mit großen Standardabweichungen zu finden sein im Gehalt, jedoch nicht bei denen mit hohen Durchschnittsgehältern (Stufe 2). Hypothese 2 (unterstützende Wertkomponente von TEEM [31]): Der positive Zusammenhang des individuellen EFF mit den individuellen Gehältern wird bei Leistungsträgern schwächer sein als bei Leistungsträgern mit niedrigen Leistungen (Stufe 1), und dieser Zusammenhang wird in Teams mit großen Standardabweichungen zu finden sein im Gehalt, jedoch nicht bei denen mit hohen Durchschnittsgehältern (Stufe 2). Hypothese 3 (unterstützende Kostenkomponente von TEEM [33]): Der positive Zusammenhang zwischen einzelnen PTS und den individuellen Gehältern wird bei Leistungsträgern stärker sein als bei Leistungsträgern mit niedrigen Leistungen (Stufe 1), und dieser Zusammenhang wird in Teams mit großen Standardabweichungen zu finden sein im Gehalt, jedoch nicht bei denen mit hohen Durchschnittsgehältern (Stufe 2). Hypothese 4 (unterstützende Kostenkomponente von TEEM [33]): Die positive Beziehung des individuellen EFF zu den individuellen Gehältern wird bei Leistungsträgern stärker sein als bei Leistungsträgern mit geringer Leistung (Stufe 1), und dieser Zusammenhang wird in Teams mit großen Standardabweichungen zu finden sein im Gehalt, jedoch nicht bei denen mit hohen Durchschnittsgehältern (Stufe 2).

NBA-Daten umfassten gesammelte Informationen zu den Gehältern und Statistiken der Spieler über einen längeren Zeitraum von 11 Jahren, beginnend von der Saison 2005/6 bis zur Saison 2015/16. Fußnote 1 Die einzelnen Jahresgehälter wurden aus den von ESPN bereitgestellten Spielergehaltsdaten ermittelt (http ://www.espn.com/nba/salaries). Die einzelnen Statistiken wurden aus den auf der NBA-Homepage (http://stats.nba.com) bereitgestellten Daten ermittelt. Zunächst wurden 779 Spieler, für die keine individuellen Gehaltsnachweise gefunden werden konnten, aus dem Datensatz gelöscht (5001 bis 4222 Spieler; Tabelle 1). Basierend auf den 4222 Fällen wurden der Mittelwert und die Standardabweichung des Gehalts in jeder Mannschaft pro Saison berechnet. Die zweite Runde der Datenbereinigung ergab 3.247 Fälle nach der Löschung von 975 Fällen, in denen die individuellen Gehälter für eine aktuelle Saison nicht mit den individuellen Statistiken der vorherigen Saison abgeglichen werden konnten.

NBA-Spieler waren in 30 Teams untergebracht. Diese hierarchische Beziehung eignet sich für die mehrstufige Modellierung. Die Standardabweichung des Gehalts in jedem Team, die Variable der Stufe 2, ist nützlich beim Testen von Gruppeneffekten (Kostenkomponente oder Wertkomponente). Im Allgemeinen erwarten wir, dass Spieler mit hohem Gehalt bessere Leistungen erbringen als Spieler mit niedrigem Gehalt. Wenn ein Team mit größeren Standardabweichungen im Gehalt über 11 Jahre größere Unterschiede aufweist, sind die Unterschiede in der individuellen Leistung zwischen den Mitgliedern groß. Im Gegensatz dazu weisen Teams mit geringen Gehaltsabweichungen geringe Leistungsunterschiede zwischen den Spielern auf. Daher ist die Standardabweichung des Gehalts geeigneter als das Durchschnittsgehalt der Teams, um das Vorhandensein eines Gruppeneffekts zu testen, der entsteht, wenn das Leistungsniveau der Teammitglieder variiert.

Die individuellen Gehälter in jeder Saison (z. B. Saison 15–16) wurden durch die individuellen Statistiken (z. B. EFF und PTS) aus der vorherigen Saison (z. B. Saison 14–15) beeinflusst. Der Performance Level (PL) wurde anhand des Durchschnittsgehalts (4,62 Millionen Dollar) der 4.222 Spieler ermittelt, die nach der ersten Datenbereinigungsrunde analysiert wurden (Tabelle 1). Spieler, die weniger bzw. mehr als den Durchschnitt verdienten, wurden in die Kategorien „Low Performer“ und „High Performer“ eingeteilt. PL wurde durch das Gehalt der Spieler in der vergangenen Saison bestimmt. Wie in Tabelle 3 zu sehen ist, war der Spearman-Rho (r = 0,65, p < 0,001) des PL, der durch die Gehälter in der vorherigen und aktuellen Saison bestimmt wurde, nicht hoch und es gab nicht das Problem der Multikollinearität. Daher war PL als Leistungsindex geeignet, um das Gehalt in der laufenden Saison vorherzusagen.

Vor diesem Hintergrund wurden Level-1-Gleichungen in den Zufallskoeffizienten- und Bedingungsmodellen erstellt (Tabelle 2). Bei den Daten der Ebene 2, die auf der ersten Runde der Datenbereinigung basierten, handelte es sich um kombinierte Statistiken für das Durchschnittsgehalt (d. h. Mslope und TM) und für die Standardabweichung des Gehalts in jedem Team (d. h. SDslope und TSD). Da es 11 Durchschnittsgehälter gab (1 für jede in die Analyse einbezogene Saison), stellte die X-Achse die Saisons dar und die Y-Achse die entsprechenden Durchschnittsgehälter. Die Steigung der Regressionsgeraden war Mslope. Ebenso betrug die Steigung über 11 Saisons hinweg SDslope für die Standardabweichung des Gehalts für jedes Team. Dies impliziert, dass Teams mit größerem Mslope stetig steigende Durchschnittsgehälter hatten und Teams mit größerem SDslope steigende Standardabweichungen aufwiesen, jeweils über 11 Saisons. Für die Durchschnittsgehälter wurde der Gesamtdurchschnitt über 11 Spielzeiten berechnet, und das Gleiche wurde für die Standardabweichungen der Gehälter für jedes Team berechnet. Vor diesem Hintergrund sind in Tabelle 2 auch Level-2-Analysen im Zufallskoeffizienten- und Bedingungsmodell aufgeführt.

Wenn in dem in Tabelle 2 gezeigten bedingten Modell γ31 oder γ32 für Mslope und TM nicht statistisch signifikant sind, sondern nur für SDslope oder TSD, unterscheidet sich die Auswirkung der individuellen Statistiken der vorherigen Saison auf die individuellen Gehälter der aktuellen Saison je nach Höhe von die individuelle Leistung der Spieler (hoch oder niedrig). Somit wird der Effekt durch die Level-2-Variablen SDslope oder TSD beeinflusst. Die kombinierten Statistiken für Standardabweichungen des Gehalts (SDslope und TSD) spiegeln die Unterschiede zwischen den Leistungsniveaus der Teammitglieder wider und bedeuten, dass die Auswirkungen einzelner Statistiken auf die einzelnen Gehälter je nach Leistungsniveau der Teammitglieder unterschiedlich sind. Daher kann ein Drei-Wege-Interaktionsdiagramm den Grad der Verbesserung der individuellen Leistung basierend auf dem Leistungsniveau der Teammitglieder (hoch oder niedrig) bestimmen. Wenn beispielsweise der Effekt der sozialen Kompensation vorhanden ist, erhalten die Leistungsträger in einem Team mit großen Leistungsunterschieden (ein Team mit großem SDslope oder TSD) höhere Gehälter, selbst wenn ihre Leistungsstatistiken mit denen von Leistungsträgern mit geringen Leistungsunterschieden übereinstimmen ( ein Team mit kleinem SDslope oder TSD). Wenn dagegen der Köhler-Effekt vorhanden ist, erhalten die leistungsschwachen Mitarbeiter in einem Team mit großen Leistungsunterschieden (ein Team mit großem SDslope oder TSD) höhere Gehälter, selbst wenn ihre Leistungsstatistiken mit denen von leistungsschwachen Spielern mit geringen Leistungsunterschieden übereinstimmen ( ein Team mit kleinem SDslope oder TSD). Wenn daher γ31 oder γ32 für die kombinierte Statistik der Standardabweichungen des Gehalts im Gegensatz zur kombinierten Statistik des Durchschnittsgehalts statistisch signifikant sind, kann unterschieden werden, ob der Gruppeneffekt auf die Verbesserung der Leistung hoher (sozialer Vergütung) zurückzuführen ist ) oder Low-Performer (Köhler-Effekt). Um dies zu untersuchen, wurde HLM 7.0 zur Analyse verwendet, Korrelations- und deskriptive Statistiken wurden mit dem Statistikprogramm SPSS analysiert und das Signifikanzniveau wurde auf 0,05 festgelegt.

Da es sich bei PL um kategoriale Daten handelt, wurde die Korrelation zwischen PL und Gehalt mit Spearmans Rho analysiert, und die kontinuierlichen Variablen – Gehalt, PTS und EFF – wurden mit Pearsons Korrelationskoeffizienten in Tabelle 3 analysiert. Die Korrelationen zwischen Gehalt und PL, PTS und EFF waren mit 0,65 (p < 0,001), 0,59 (p < 0,001) bzw. 0,61 (p < 0,001) signifikant. Es gab kein Multikollinearitätsproblem, da keine hohe Korrelation vorlag. Allerdings war die Korrelation zwischen PTS und EFF mit 0,93 (p < 0,001) sehr hoch. Daher ist es wünschenswert, diese beiden Variablen getrennt einzufügen, da in diesem Zusammenhang ein Multikollinearitätsproblem bestand. Da ein positiver Zusammenhang zwischen Gehalt und Statistiken (PTS, EFF) bestand, galt die konvergente Validität als gesichert. Tabelle 4 zeigt die deskriptiven Statistiken für die Ebenen 1 und 2.

Das Zufallskoeffizientenmodell in Tabelle 5 zeigt, dass γ00 5,69 betrug (t (29) = 48,08, p = 0,001), was darauf hindeutet, dass das Durchschnittsgehalt aller Teilnehmer auf individueller Ebene dem in Tabelle 3 gezeigten ähnlich war (d. h. 5,66). . Auf Ebene 1 wurde nach Eingabe des Leistungsniveaus (PL), des individuellen Gehalts der aktuellen Saison, des EFF der vorherigen Saison und des EFF der vorherigen Saison × PL die Auswirkung auf das individuelle Gehalt der aktuellen Saison untersucht. Die Ergebnisse zeigten einen positiven festen Effekt von EFF der vorherigen Saison (β = 0,28, t (29) = 13,85, p = 0,001) und PL (β = 3,15, t (29) = 9,52, p = 0,001) auf das individuelle Gehalt der aktuellen Saison (siehe Tabelle 5). Daher verdienten Spieler mit einem höheren EFF der vorherigen Saison und einem höheren PL höhere Gehälter.

Die klasseninterne Korrelation (ICC) im Zufallskoeffizientenmodell betrug 13,3 %, was darauf hindeutet, dass der Anteil der Gesamtvarianz des individuellen Gehalts in der aktuellen Saison auf individueller Ebene (Ebene 1) durch die drei unabhängigen Variablen (PL, EFFvorherige Saison, EFFvorherige Saison × PL) betrug 86,7 % (11,28/13,02 × 100), und der auf Teamebene (Ebene 2) erklärte Anteil betrug 13,3 % (1,73/13,02 × 100). Da u3 mit 0,018 (χ2 (29) = 46,69, p = 0,020) für die Zufallseffekte im Zufallskoeffizientenmodell signifikant war, war die Steigung der Interaktionsvariablen (EFFvorherige Saison × PL) auf das individuelle Gehalt in der aktuellen Saison jeweils unterschiedlich die 30 NBA-Teams, was bedeutet, dass es wesentliche Teile gab, die durch die Level-2-Variablen erklärt werden konnten. Daher wurde die bedingte Modellanalyse nach Eingabe der Level-2-Variablen SDSlope und TSD durchgeführt.

Die Ergebnisse zeigten, dass für die festen Effekte im bedingten Modell γ32 bei 0,10 (t (29) = 2,49, p = 0,019) signifikant war. Daher war die Steigung der Interaktionsvariablen EFFvorige Saison × PL für jedes der 30 NBA-Teams unterschiedlich. Dieser Unterschied wurde durch eine Variable der Ebene 2, nämlich TSD, beeinflusst. Um diesen Effekt zu interpretieren, wurde die Drei-Wege-Interaktion grafisch dargestellt (Abb. 2), nachdem die fünf besten Teams mit dem größten TSD (Gruppe mit hohem TSD) und die fünf Teams mit dem geringsten TSD (Gruppe mit niedrigem TSD) identifiziert wurden.

Drei-Wege-Interaktionsdiagramm. Hinweis PL = Performance Level. EFF = Effizienz. TSD = Gesamtmittelwert der Standardabweichung des Gehalts für jedes Team über 11 Jahre

In Abb. 2 zeigten die Leistungsträger bei der Auswahl von Teams mit größerem TSD, d . Dies bedeutet, dass die Leistungsträger bei der Auswahl von Teams mit größeren Leistungsunterschieden zwischen den Teammitgliedern ein höheres Gehalt verdienten als bei der Auswahl von Teams mit geringeren Leistungsunterschieden zwischen den Teammitgliedern. Interessanterweise waren im bedingten Modell, bei dem Mslope und TM eingegeben wurden, weder γ31 noch γ32 signifikant. Unter der Annahme, dass das Gehalt ein objektives Maß für die individuelle Leistung ist, können die Ergebnisse daher dahingehend interpretiert werden, dass die soziale Vergütung und nicht der Köhler-Effekt unterstützt wurde, da die Leistung von Leistungsträgern in NBA-Teams zunahm, bei denen die PL zwischen den Mitgliedern unterschiedlich war ist groß.

In Ebene 1 des Zufallskoeffizientenmodells wurde der PL zur Erklärung des individuellen Gehalts der aktuellen Saison, PTS der vorherigen Saison und PTS der vorherigen Saison × PL eingegeben, um die Auswirkung auf das individuelle Gehalt der aktuellen Saison zu untersuchen. Die Ergebnisse zeigten, dass sich PTS der vorherigen Saison (β = 0,30, t (29) = 13,68, p = 0,001) und PL (β = 3,71, t (29) = 12,02, p = 0,001) bei festen Effekten positiv auf das individuelle Gehalt der aktuellen Saison auswirkten (siehe Tabelle 6). Daher verdienten Spieler mit einem höheren PTS in der vergangenen Saison und einer höheren Leistung höhere Gehälter. Für den Zufallseffekt betrug der ICC 11,7 %, was bedeutet, dass die Gesamtvarianz des individuellen Gehalts in der aktuellen Saison (d. h. 12,97), vorhergesagt durch drei unabhängige Variablen (PL, PTSvorige Saison, PTSvorige Saison × PL), 88,3 % (11,46/12,97 × 100) betrug ) wurde auf individueller Ebene (Stufe 1) erklärt und 11,7 % (1,51 / 12,97 × 100) wurden auf Teamebene (Stufe 2) erklärt. Da u3 bei 0,02 (χ2 (29) = 38,86, p = 0,104) nicht signifikant war, wurde keine bedingte Modellanalyse durchgeführt.

Die Mehrebenenmodellierung ist eine Methode zur Analyse hierarchisch strukturierter Daten, etwa der Zugehörigkeit von Einzelpersonen zu bestimmten sozialen Organisationen, was zur Erklärung des Motivationszuwachses in Gruppen nützlich ist [38, 39]. Myers und Feltz [39] schlugen vor, dass mehrstufige Modelle wie HLM erforderlich sind, um die Wirkung von Variablen auf Teamebene auf Variablen auf individueller Ebene im Sport zu untersuchen. In dieser Studie wurde die mehrstufige statistische Technik angewendet, die zur Bestätigung des Motivationsgewinns in früheren Studien vorgeschlagen wurde (38, 39).

Die Spieler, die in dieser Studie von der ersten Runde der Datenbereinigung ausgeschlossen wurden, haben die Saison wahrscheinlich aufgrund von Faktoren wie Verletzung oder Tausch nicht abgeschlossen. In der zweiten Runde der Datenbereinigung wurden Daten von 975 Personen gelöscht, die gegen die Annahme verstießen, dass das individuelle Gehalt durch den Leistungsindikator der vorherigen Saison beeinflusst wird. Im Fall von Star-Rookies liegen zwar die Gehaltsdaten der aktuellen Saison vor, die individuellen Statistiken der vorherigen Saison jedoch nicht. Daher hat die zweite Runde der Datenbereinigung dazu beigetragen, Daten von einigen Spielern zu entfernen, die ihre niedrigen Gehälter übertrafen (z. B. Star-Rookies). Zusammenfassend lässt sich sagen, dass die Durchführung einer Level-1-Analyse nach der Entfernung von 1754 Fällen durch die beiden Datenbereinigungsverfahren ein Mittel zur Erhöhung der Validität und Zuverlässigkeit der Ergebnisse war.

Obwohl die Daten der Stufe 1 nach zwei Datenbereinigungsrunden erhalten wurden, wurde die Stufe 2 anhand der Daten berechnet, die nach der ersten Datenbereinigungsrunde erfasst wurden. Der Grund dafür ist, dass der Gruppeneffekt möglicherweise nicht angemessen dargestellt wird, wenn Variablen der Ebene 2 (Mslope, TM, SDslope, TSD) aus den Daten berechnet werden, die nach der zweiten Runde der Datenbereinigung entnommen wurden. Während es hilfreich wäre, den Super-Rookie-Bias zu beseitigen, um die statistische Aussagekraft unserer Ergebnisse zu erhöhen, führt in der echten NBA die Anwesenheit eines Star-Rookies in einem Team zu Motivationssteigerungen, weshalb wir die Daten aus der zweiten Datenrunde verwendet haben Reinigung, um die Variable Hebel 2 zu berechnen.

Wenn ein Team einen Spieler hat, der trotz eines niedrigen Gehalts (oder eines hohen Gehalts) eine hohe Leistung erbringt, wie zum Beispiel einen Star-Rookie (oder einen hochqualifizierten Spieler, obwohl er eine schwache Leistung erbringt, wenn er gegen Ende seiner Karriere einen langen Vertrag hat) , γ31 oder γ32 ist signifikant, wenn Variablen der Ebene 2, Mslope und TM, eingegeben werden. Bei der Interpretation der Direktionalität sollten leistungsschwache Spieler (Star-Rookies, die aufgrund ihres niedrigen Gehalts als leistungsschwach eingestuft wurden, auch wenn sie tatsächlich außergewöhnlich gute Leistungen erbrachten) tendenziell eine stärkere Beziehung zwischen individuellen Statistiken und der Leistung in einem Team mit niedrigem Mslope oder TM aufweisen ( oder Hochleistungsspieler (hochqualifizierte Spieler, die aufgrund ihres hohen Gehalts als leistungsstark eingestuft wurden, auch wenn sie tatsächlich außergewöhnlich niedrige Leistungen erbrachten) sollten tendenziell eine schwächere Beziehung zwischen individuellen Statistiken und der Leistung in einem Team mit hohem Mslope oder TM aufweisen. Allerdings wurde in dieser Studie kein signifikanter γ31 oder γ32 festgestellt, wenn Mslope oder TM eingegeben wurde. Daher wird erwartet, dass die Probleme mit der Validität und Zuverlässigkeit aufgrund der Spieler, die ihre Gehälter übertreffen (oder untertreffen), minimal sind. Schließlich haben das Zufallskoeffizientenmodell, EFFvorherige Saison, PTSvorherige Saison und PLvorige Saison aufgrund der Analyse in Ebene 1 einen statistisch signifikanten positiven Effekt auf das Gehalt in der aktuellen Saison, was die Vorhersagevalidität gewährleistet.

Die Forschung zum Gruppeneffekt konzentrierte sich hauptsächlich auf den Aspekt des Leistungsverlusts [31, 40]. Forscher haben verschiedene Ursachen für Motivationsverluste bei Einzelpersonen bei der Arbeit in Gruppen im Vergleich zur Einzelarbeit theoretisiert, die durch soziales Faulenzen [8] und Trittbrettfahren [30, 34] dargestellt werden. Es scheint, dass die Entbehrlichkeit individueller Beiträge in der NBA nicht der Fall ist, da es ein klares gemeinsames Gewinnziel unter den Mitgliedern und eine klare Belohnung für den Gewinn (Preisgeld oder Gehaltserhöhung) gibt und daher kein Motivationsverlust durch die Erwartungshaltung zu beobachten ist Bestandteil von TEEM.

Diese Studie ergab, dass es bei Leistungsträgern zu einem Motivationsgewinn kam, der als Unterstützung für soziale Kompensation interpretiert werden kann. Eine soziale Kompensation wird induziert, wenn ein leistungsstarkes Individuum unter den Gruppenmitgliedern denkt, dass es mehr Eigenleistung benötigt, weil es erwartet, dass andere Mitglieder schlechte Leistungen erbringen [5]. Ein Team mit großen Gehaltsunterschieden seiner Mitglieder ist ein Team, in dem leistungsstarke und leistungsschwache Mitarbeiter nebeneinander existieren. In solchen Fällen wird ein Motivationszuwachs erwartet, da die Leistungsträger von den Leistungsträgern schlechte Leistungen erwarten. Mit anderen Worten: Gemäß der Kostenkomponente von TEEM haben die Leistungsträger einen höheren Aufwand, weil sie glauben, dass die Fähigkeiten und der Einsatz des Leistungsträgers mit geringer Leistung nicht ausreichen werden, um das gemeinsame Ziel zu erreichen.

Motivationsgewinne wurden durchweg unter Bedingungen hoher Unentbehrlichkeit beobachtet, sei es eine konjunktive Aufgabe, bei der das schwächste Mitglied die Teamleistung bestimmt; eine disjunktive Aufgabe [41], bei der das stärkste Mitglied die Teamleistung bestimmt, oder bei der die spätere oder letzte Teilnahme während der aufeinanderfolgenden Teamarbeit (z. B. der letzte Läufer in einem Staffellauf) die Teamleistung bestimmt [27, 42, 43]. Da die reguläre Saison der NBA aus 82 Spielen in 25 Wochen besteht, ist es sinnvoller, Motivationsgewinne mit der Kostenkomponente zu erklären als mit der Erwartungskomponente, die eine disjunktive Aufgabenbedingung annimmt, bei der jedes Spiel von einem Leistungsträger gewonnen oder verloren wird.

Wenn keine Leistungsbewertungen vorgenommen werden können, können sich Teammitglieder „in der Masse verstecken“ [44] und erkennen möglicherweise nicht die Notwendigkeit, hart zu arbeiten, wenn sie nicht für ihre Leistung gelobt oder kritisiert werden [45]. Torka et al. [27] argumentierten, dass die Bewertung wahrscheinlich nicht zu einem Leistungsgewinn führen wird, wenn Teammitglieder nicht mit zusätzlichen Vorteilen (z. B. Anerkennung oder Lob) rechnen können. NBA-Spieler werden von Fans und Medien bewertet, in dieser Studie wurde jedoch festgestellt, dass die Motivationsgewinne in der Kostenkomponente der Leistungsträger des Teams erheblich sind. Daher kann es eine gute Strategie sein, zusätzliche Optionsverträge zu unterzeichnen, die auf den Statistiken von Leistungsträgern basieren, um deren Aufwandsausgaben zu erhöhen (z. B. enthalten Optionsverträge Vorteile auf der Grundlage von Statistiken, bei denen leistungsstarke Zentren mit mehr als regulären Saison-Rebounds belohnt werden). und Wachen werden basierend auf Assists usw. belohnt.)

Da die Unverzichtbarkeit durch die Zuweisung einzigartiger Aufgaben an Teammitglieder erreicht werden kann, haben Forscher [46, 47] die Hauptaufgabe in Unteraufgaben für einzelne Teammitglieder unterteilt, um bei den Teammitgliedern eine Leistungssteigerung zu bewirken. Um den Leistungsaufwand der NBA für Low-Performer zu erhöhen, wäre es hilfreich, das Training auf der Grundlage von Spielsituationen mit hoher Unverzichtbarkeit anzupassen. Wenn Sie beispielsweise einen Spieler haben, der schlecht dribbelt und schnell ist, aber einen guten 3-Punkte-Wurf hat, können Sie ihn wiederholt ein Muster aus 3-Punkte-Würfen in kritischen Situationen einüben lassen Eine Aufgabe wurde ihm übertragen, die nur er in Situationen höchster Unentbehrlichkeit erfüllen kann.

Emich [48] hat anhand von Basketballmannschaften mit drei Spielern gezeigt, dass in der Offensive ein Spieler den Ball umso eher an diejenigen weitergibt, die punkten können, als zu versuchen, selbst zu punkten, je größer das Vertrauen in seine Mitspieler ist. In der Verteidigung gilt jedoch: Je größer das Vertrauen in die Fähigkeiten seiner Teamkollegen ist, desto mehr Mühe investiert der Spieler in die Aufgabe, da das schwächste Glied in der Verteidigung die Leistung des gesamten Teams bestimmen kann. In der Verteidigung können Leistungsträger einen Motivationszuwachs bewirken, um den Mangel an Leistungsschwächeren auszugleichen. Daher wird die Sozialentschädigung höchstwahrscheinlich in den verteidigungsbezogenen Statistiken auftauchen. Während PTS eine Statistik ist, die Angriffe darstellt, ist EFF eine Statistik, die auch Verteidigungen wie Rebounds, Steals und Blocks berücksichtigt. Daher kann es in der EFF und nicht in der PTS zu einem sozialen Ausgleich kommen, wie die Ergebnisse dieser Studie zeigen.

Der Datensatz impliziert ein dreistufiges Modell, wenn wir berücksichtigen, dass die Daten wiederholter Messungen innerhalb von Einzelpersonen und Einzelpersonen innerhalb von Teams verschachtelt sind. Bei der Analyse des Drei-Ebenen-Modells in HLM werden die Zeilendaten jedoch aufgrund von Einschränkungen zur Erfüllung statistischer Annahmen ausgeschlossen. Im Drei-Ebenen-Modell handelt es sich bei Ebene 1 um wiederholte Messdaten. Daher müssen alle Spieler die gleiche Anzahl an Spielzeiten haben und im selben Team sein. Daher wurde in dieser Studie ein zweistufiges Modell verwendet.

Hüffmeier et al. [42] stellten fest, dass sich unter Sportplatzbedingungen ein Gefühl der Zugehörigkeit und des Zusammenhalts entwickelte, bei dem sich die Mitglieder gut kennen und schon lange zusammengearbeitet haben, wo es bei einer Feldstudie eher zu Motivationssteigerungen als unter Laborbedingungen kommt . Da verschiedene psychologische Faktoren wie Führung sowie die Beziehung und der Zusammenhalt zwischen Mitgliedern die Motivation beeinflussen können, wurde in dieser Studie das Leistungsniveau der Mitglieder anhand des individuellen Jahresgehalts und nicht anhand von Statistiken (z. B. EFF, PTS) unterteilt. Dies liegt daran, dass wir der Meinung sind, dass es schwierig ist, die Beziehung und den Zusammenhalt von Teamkollegen und Führungskräften anhand individueller Statistiken zu bewerten, aber individuelle Gehälter können nicht nur zur Bewertung der objektiven Leistung eines Spielers, sondern auch anderer Faktoren verwendet werden, die nicht mithilfe von Statistiken gemessen werden können (z. B. Führung, Charakter usw.). Zukünftige Forscher werden von großem Nutzen sein, wenn sie die Unterschiede im Motivationszuwachs anhand der Beziehungen zwischen Mitgliedern (z. B. sehr enge Freunde im Vergleich zur allgemeinen Gruppe) und internen Faktoren der Teilnehmer mithilfe von Laborstudien untersuchen.

Frühere Studien [1,2,3,4,5] haben den Motivationsgewinn aus der Perspektive der wahrgenommenen Unentbehrlichkeit auf der Grundlage von CEM untersucht. In dieser Studie wurde nur die erste Möglichkeit, nämlich „die Leistung des Einzelnen und der Mannschaft“, unter den drei Möglichkeiten der wahrgenommenen Unentbehrlichkeit berücksichtigt, da sie nur auf der Grundlage von Spielergehältern und persönlichen Aufzeichnungen durchgeführt wurde. Zukünftige Studien sollten die zweite Möglichkeit untersuchen, nämlich „die Leistung des Teams und die daraus resultierenden Teamergebnisse (z. B. werden Spieler von Teams, die in der vorherigen Saison in der Liga einen höheren Rang belegten, im Vergleich zu Spielern von Teams, die in der Liga niedriger platziert waren, einen Leistungszuwachs erzielen)“ und die dritte Möglichkeit, „die Ergebnisse der Mannschaft und die Ergebnisse, die sie individuell erzielen (z. B. sind Playoffs ein wertvollerer Wettbewerb als reguläre Ligen, daher kann es in Playoffs zu Leistungssteigerungen der Spieler kommen)“.

Gemäß der Erwartungskomponente von TEEM können Anstrengungsaufwendungen bei jedem auftreten, unabhängig davon, ob es sich um Leistungsträger mit hoher oder geringer Leistung handelt. Bei Staffelläufen, Feldwettkämpfen oder Schwimmwettkämpfen gibt es unter Bedingungen hoher Unverzichtbarkeit einen Kraftzuwachs beim vierten Läufer [1,2,3,4,5,6]. Mit anderen Worten: Eine Situation mit einem hohen Maß an Unentbehrlichkeit kann bei Leistungsschwächeren zu höheren Leistungen führen. Viele Laborstudien [31, 49, 50] lieferten ähnliche Ergebnisse wie im Sportbereich, und es wird erwartet, dass es in der NBA oder MLB auch zu einer Verbesserung der Leistung von Leistungsträgern mit geringer Leistung kommt, wenn ein hohes Maß an Leistungsfähigkeit vorliegt Unentbehrlichkeit. In den Playoffs von NBA und MLB treten Spitzenteams gegeneinander an, die voraussichtlich über ähnliche Fähigkeiten verfügen, und die Leistung der Leistungsträger unter den Teams sollte anders als in der regulären Saison ähnlich sein. In einer Situation, in der das Leistungsniveau des Leistungsträgers dem Leistungsniveau des Leistungsträgers mit geringer Leistung ähnelt, ist es wahrscheinlicher, dass die Leistungsträger mit geringer Leistung eine bessere Leistung erbringen müssen, damit das Team gewinnt (eine Situation, die für Leistungsträger mit geringer Leistung äußerst unentbehrlich ist), sodass bei ihnen Motivationsgewinne zu erwarten sind Low-Performer. Zukünftige Untersuchungen müssen anhand von Playoff-Daten der NBA und MLB die Aufwandsaufwendungen von Spielern mit geringer Leistung aufgrund ihrer Unverzichtbarkeit überprüfen.

Diese Studie testete die Motivationsgewinne in Gruppenergebnissen aus der Wertkomponente oder der Kostenkomponente von TEEM, indem sie skalierte Einzelgehälter der NBA-Spieler untersuchte und dabei Indizes verwendete, die sich auf über ein Jahrzehnt gesammelte Spielerstatistiken bezogen. Um den Motivationsgewinn zu testen, nutzte diese Studie 11-jährige NBA-Statistikdaten von 3247 Spielern durch Anwendung von HLM. Die Ergebnisse zeigen, dass nicht der Köhler-Effekt, sondern der soziale Ausgleich zu einem Motivationsgewinn führte. Unsere Ergebnisse können für Saisonentscheidungen verwendet werden, beispielsweise für Personalentscheidungen von General Managern und für die Verbesserung von Trainerstrategien, was letztendlich die Moral und Leistung der Mannschaft verbessert.

Die individuellen Jahresgehälter wurden aus den von ESPN bereitgestellten Spielergehaltsdaten (http://www.espn.com/nba/salaries) ermittelt. Die einzelnen Statistiken wurden aus den auf der NBA-Homepage (http://stats.nba.com) bereitgestellten Daten ermittelt.

Die Datenerhebung für diese Studie begann im Jahr 2017 und wurde 2018 abgeschlossen. Nach 2019 wurde sie aufgrund der COVID-19-Pandemie nicht mehr erhoben.

Nationaler Basketball-Verband

Modell der kollektiven Anstrengung

Nationale Fußball Liga

Major League Baseball

Punkte

Effizienz

Hierarchische lineare Modellierung

Leistungsstufe

Gesamtdurchschnitt des durchschnittlichen Gehalts für jedes Team über 11 Jahre

Gesamtmittelwert der Standardabweichung des Gehalts für jedes Team über 11 Jahre

Korrelation innerhalb der Klasse

Hüffmeier J, Filusch M, Mazei J, Hertel G, Mojzisch A, Krumm S. Zu den Randbedingungen von Aufwandsverlusten und Aufwandsgewinnen in Aktionsteams. J Appl Psychol. 2017;102:1673–85. https://doi.org/10.1037/apl0000245.

Artikel PubMed Google Scholar

Hüffmeier J, Hertel G. Wenn das Ganze mehr ist als die Summe seiner Teile: Gruppenmotivation gewinnt in freier Wildbahn. J Exp Soc Psychol. 2011;47:455–9. https://doi.org/10.1016/j.jesp.2010.12.004.

Artikel Google Scholar

Neugart M, Richiardi MG. Sequentielle Teamarbeit in Wettbewerbsumgebungen: Theorie und Beweise aus Schwimmdaten. Eur Econ Rev. 2013;63:186–205. https://doi.org/10.1016/j.euroecorev.2013.07.006.

Artikel Google Scholar

Osborn KA, Irwin BC, Skogsberg NJ, Feltz DL. Der Köhler-Effekt: Motivationsgewinne und -verluste in realen Sportgruppen. Sport Exer Perform Psychol. 2012;1:242–53. https://doi.org/10.1037/a0026887.

Artikel Google Scholar

Schleu JE, Mojzisch A, Hüffmeier J. Laufen für das Team: eine Analyse der Leistungssteigerungen in Leichtathletik-Staffeln. Psychol Sport Exer. 2019;45:101567. https://doi.org/10.1016/j.psychsport.2019.101567.

Artikel Google Scholar

Haugen T, Pels F, Gysland TS, Hartvigsen FK, Høigaard R. Rennen mit überlegenen und unterlegenen Teammitgliedern: ein experimenteller Test von Kraftänderungen in einem Radsport-Teamsprint. Int J Sportübung Psychol. 2021;19(6):975–87. https://doi.org/10.1080/1612197X.2020.1827001.

Artikel Google Scholar

Hüffmeier J, Krumm S, Kanthak J, Hertel G. „Lass die Gruppe nicht im Stich“: Facetten der Instrumentalität moderieren die motivierende Wirkung von Gruppen in einem Feldexperiment. Eur J Soc Psychol. 2012;42(5):533–8. https://doi.org/10.1002/ejsp.1875.

Artikel Google Scholar

Karau SJ, Williams KD. Soziales Faulenzen: eine metaanalytische Überprüfung und theoretische Integration. J Pers Soc Psychol. 1993;65:681–706. https://doi.org/10.1037/0022-3514.65.4.681.

Artikel Google Scholar

Karau SJ, Williams KD. Die Auswirkungen des Gruppenzusammenhalts auf soziales Faulenzen und sozialen Ausgleich. Gruppe Dyn Theor Res Pract. 1997;1:156–68. https://doi.org/10.1037/1089-2699.1.2.156.

Artikel Google Scholar

Ohlert J, Kleinert J. Soziales Faulenzen während der Vorbereitung auf Auftrittssituationen. Soc Psychol. 2013;43:1–7. https://doi.org/10.1027/1864-9335/a000107.

Artikel Google Scholar

Karau SJ, Williams KD. Soziales Faulenzen: Forschungsergebnisse, Implikationen und zukünftige Richtungen: Forschungsergebnisse. Curr Dir. Psychol. Sci. 1995;4:134–40. https://doi.org/10.1111/1467-8721.ep10772570.

Artikel Google Scholar

Hüffmeier J, Hertel G. Leistungsverluste und Leistungsgewinne in Sportmannschaften. In: Individuelle Motivation innerhalb von Gruppen. Steven, JK, Herausgeber. Akademische Presse; 2020. S. 109–48.

Mathewson TJ. TV ist der größte Treiber für den Umsatz der globalen Sportliga im Jahr 2019. https://globalsportmatters.com/business/2019/03/07/tv-is-biggest-driver-in-global-sport-league-revenue/.

Sylvester D. Die bestbezahlte Sportart der Welt im Jahr 2021; 2021. https://sportsbrowser.net/highest-paying-sports-in-the-world/.

Köhler O, Bei Einzel-Und K. Gruppenabeit [Physical performance in individual and group situations]. Ind Psychotechnik. 1926;3:274–82.

Google Scholar

Köhler O. Uber den Gruppenwirkungsgrad der menschlichen Korperarbeit und die Bedingung optimaler Kollektivkraftreaktion [On group efficiency of physical labor and the conditions of optimal collective performance]. Ind Psychotechnik. 1927;4:209–26.

Google Scholar

Hertel G, Kerr NL, Scheffler M, Geister S, Messé LA. Erforschung des Köhler-Motivationsgewinneffekts: Eindrucksmanagement und spontane Zielsetzung. Z Sozialpsychologie. 2000;31:204–20. https://doi.org/10.1024/0044-3514.31.4.204.

Artikel Google Scholar

Williams KD, Karau SJ. Soziales Faulenzen und soziale Kompensation: die Auswirkungen der Erwartungen an die Leistung von Kollegen. J Pers Soc Psychol. 1991;61:570–81. https://doi.org/10.1037//0022-3514.61.4.570.

Artikel PubMed Google Scholar

Gockel C, Kerr NL, Seok D, Harris DW. Unverzichtbarkeit und Gruppenidentifikation als Quellen der Aufgabenmotivation. J Exp Soc Psychol. 2008;44:1316–21. https://doi.org/10.1016/j.jesp.2008.03.011.

Artikel Google Scholar

Kerr NL, Messé LA, Park ES, Sambolec EJ. Identifizierbarkeit, Leistungsrückmeldung und der Köhler-Effekt. Gruppenprozesse Intergruppenbeziehung 2005;8:375–90. https://doi.org/10.1177/1368430205056466.

Artikel Google Scholar

Kerr NL, Messé LA, Seok DH, Sambolec EJ, Lount RB Jr, Park ES. Psychologische Mechanismen, die dem Köhler-Motivationsgewinn zugrunde liegen. Pers Soc Psychol Bull. 2007;33:828–41. https://doi.org/10.1177/0146167207301020.

Artikel PubMed Google Scholar

Kerr NL, Seok D. „...mit ein wenig Hilfe von meinen Freunden“: Freundschaft, Leistungsnormen und Gruppenmotivationsgewinn. J Manag Psychol. 2011;26:205–18. https://doi.org/10.1108/02683941111112640.

Artikel Google Scholar

Kerr NL, Seok D, Poulsen JR, Harris DW, Messé LA. Soziale Ausgrenzung und Gruppenmotivation nehmen zu. Eur J Soc Psychol. 2008;38:736–46. https://doi.org/10.1002/ejsp.499.

Artikel Google Scholar

Lount RB, Kerr NL, Messé LA, Seok D, Park ES. Eine Untersuchung der Stabilität und Persistenz des Köhler-Motivationsgewinneffekts. Gruppe Dyn Theor Res Pract. 2008;12:279–89. https://doi.org/10.1037/1089-2699.12.4.279.

Artikel Google Scholar

Heckhausen H. Leistungsmotivation und ihre Konstrukte: ein kognitives Modell. Motiv Emot. 1977;1:283–329. https://doi.org/10.1007/BF00992538.

Artikel Google Scholar

Vroom VH. Arbeit und Motivation. Wiley; 1964.

Torka AK, Mazei J, Hüffmeier J. Gemeinsam erreichen alle mehr – oder weniger? Eine interdisziplinäre Metaanalyse zu Leistungszuwächsen und -verlusten in Teams. Psychol Bull. 2021;147(5):504.

Artikel PubMed Google Scholar

Shepperd JA. Produktivitätsverlust in Leistungsgruppen: eine Motivationsanalyse. Psychol Bull. 1993;113(1):67–81. https://doi.org/10.1037/0033-2909.113.1.67.

Artikel Google Scholar

Hüffmeier J, Schleu JE, Nohe C. Die Stärke der Situation: Entflechtung der situativen Erklärung für Leistungszuwächse bei Schwimmstaffeln von personenbezogenen Berichten. J Sportübung Psychol. 2020;42(5):394–406. https://doi.org/10.1123/jsep.2020-0036.

Artikel Google Scholar

Kerr NL, Bruun SE. Entbehrlichkeit der Mitgliederanstrengung und Gruppenmotivationsverluste: Trittbrettfahrereffekte. J Pers Soc Psychol. 1983;44(1):78–94. https://doi.org/10.1037/0022-3514.44.1.78.

Artikel Google Scholar

Hertel G, Niemeyer G, Clauss A. Soziale Unentbehrlichkeit oder sozialer Vergleich: das Warum und Wann von Motivationsgewinnen minderwertiger Gruppenmitglieder. J Appl Soc Psychol. 2008;38(5):1329–63. https://doi.org/10.1111/j.1559-1816.2008.00350.x.

Artikel Google Scholar

Latané B, Williams K, Harkins S. Viele Hände erleichtern die Arbeit: die Ursachen und Folgen des sozialen Faulenzens. J Pers Soc Psychol. 1979;37(6):822–32. https://doi.org/10.1037/0022-3514.37.6.822.

Artikel Google Scholar

Todd AR, Seok DH, Kerr NL, Messé LA. Soziale Kompensation: Fakt oder soziales Vergleichsartefakt? Gruppenprozess Intergruppenbeziehung. 2006;9(3):431–42.

Artikel Google Scholar

Kerr NL. Motivationsverluste in Kleingruppen: eine soziale Dilemmaanalyse. J Pers Soc Psychol. 1983;45(4):819–28. https://doi.org/10.1037/0022-3514.45.4.819.

Artikel Google Scholar

Hoffer AJ, Freidel R. Bleibt die Gehaltsdiskriminierung für ausländische Athleten in der NBA bestehen? Appl Econ Lett. 2014;21:1–5. https://doi.org/10.1080/13504851.2013.829183.

Artikel Google Scholar

Holmes P. Neue Beweise für Gehaltsdiskriminierung im Baseball der Major League. Laborökon. 2011;18:320–31. https://doi.org/10.1016/j.labeco.2010.11.009.

Artikel Google Scholar

Montanari F, Silvestri G, Bof F. Leistung und individuelle Merkmale als Prädiktoren für das Gehaltsniveau: der Fall der italienischen „Serie A“. Eur Sport Manag Q. 2008;8:27–44. https://doi.org/10.1080/16184740701814381.

Artikel Google Scholar

Kenny DA, Mannetti L, Pierro A, Livi S, Kashy DA. Die statistische Analyse von Daten aus Kleingruppen. J Pers Soc Psychol. 2002;83:126–37. https://doi.org/10.1037/0022-3514.83.1.126.

Artikel PubMed Google Scholar

Myers ND, Feltz DL. Von der Selbstwirksamkeit zur kollektiven Wirksamkeit im Sport: Übergangsprobleme. In: Tenenbaum G, Eklund RC, Herausgeber. Handbuch der Sportpsychologie. Wiley; 2007. S. 799–819.

Kapitel Google Scholar

Allen JA, Hecht TD. Die „Romantik der Teams“: Auf dem Weg zu einem Verständnis ihrer psychologischen Grundlagen und Implikationen. J Besetzung Organpsychol. 2004;77:439–61. https://doi.org/10.1348/0963179042596469.

Artikel Google Scholar

Steiner-ID. Gruppenprozess und Produktivität. Akademische Presse; 1972.

Hüffmeier J, Hertel G, Torka AK, Nohe C, Krumm S. In Feldsituationen zeigen Gruppenmitglieder (oft) Leistungszuwächse anstelle von sozialem Faulenzen. Eur Rev Soc Psychol. 2022;33(1):131–70.

Artikel Google Scholar

Koppenborg M, Klingsieck KB, Hüffmeier J. Konjunktive und additive Gruppenarbeit reduzieren den akademischen Aufschub: Erkenntnisse aus einer Vignettenstudie. Curr Psychol. 2023. https://doi.org/10.1007/s12144-023-04294-w.

Artikel Google Scholar

Davis JH. Gruppenleistung. Addison Wesley; 1969.

Williams K, Harkins SG, Latané B. Identifizierbarkeit als Abschreckung für soziales Faulenzen: zwei Jubelexperimente. J Pers Soc Psychol. 1981;40(2):303–11. https://doi.org/10.1037/0022-3514.40.2.303.

Artikel Google Scholar

Hertel G, Deter C, Konradt U. Motivationsgewinne in computergestützten Gruppen. J Appl Soc Psychol. 2003;33(10):2080–105. https://doi.org/10.1111/j.1559-1816.2003.tb01876.x.

Artikel Google Scholar

Mace M, Kinany N, Rinne P, Rayner A, Bentley P, Burdet E. Das Spielfeld ausbalancieren: kollaboratives Spielen für körperliches Training. J Neuroeng Rehabil. 2017;14(1):116–34. https://doi.org/10.1186/s12984-017-0319-x.

Artikel PubMed PubMed Central Google Scholar

Emich KJ. Eine sozialkognitive Untersuchung der gruppeninternen Motivation: transpersonale Wirksamkeit, Aufwandsverteilung und Helfen. Gruppe Dyn Theor Res Pract. 2014;18:203–21. https://doi.org/10.1037/gdn0000007.

Artikel Google Scholar

Wittchen M, Schlereth D, Hertel G. Soziale Unentbehrlichkeit trotz zeitlicher und räumlicher Trennung: Motivationsgewinne bei einer sequentiellen Aufgabe bei anonymer Zusammenarbeit im Internet. Int J Internet Sci. 2007;2(1):12–27. https://doi.org/10.1037/e586582007-001.

Artikel Google Scholar

Hertel G, Nohe C, Wessolowski K, Meltz O, Pape JC, Fink J, Hüffmeier J. Leistungssteigerungen in Berufsteams – Die Auswirkungen von sozialem Wettbewerb und sozialer Unentbehrlichkeit. Frontpsychol. 2018. https://doi.org/10.3389/fpsyg.2018.00769.

Artikel PubMed PubMed Central Google Scholar

Referenzen herunterladen

Unzutreffend.

Diese Studie wurde durch das Forschungsstipendium 2021 der Kangwon National University unterstützt.

Abteilung für Sportwissenschaft, Soonchunhyang-Universität, Asan, Südkorea

Yunsik Shim

Abteilung für Freizeitsport, Kangwon National University, Samcheok, Südkorea

Myoungjin Shin

Sie können diesen Autor auch in PubMed Google Scholar suchen

Sie können diesen Autor auch in PubMed Google Scholar suchen

Konzeptualisierung, YS und MS; Methodik, MS; Software, MS; formale Analyse, YS; Untersuchung, MS; Datenkuration, MS; Schreiben – Originalentwurfsvorbereitung, YS und MS; Schreiben – Überprüfen und Bearbeiten, MS; Aufsicht, YS. Alle Autoren haben das endgültige Manuskript gelesen und genehmigt.

Korrespondenz mit Myoungjin Shin.

Unzutreffend.

Unzutreffend.

Die Autoren erklären, dass sie keine konkurrierenden Interessen haben.

Springer Nature bleibt neutral hinsichtlich der Zuständigkeitsansprüche in veröffentlichten Karten und institutionellen Zugehörigkeiten.

Open Access Dieser Artikel ist unter einer Creative Commons Attribution 4.0 International License lizenziert, die die Nutzung, Weitergabe, Anpassung, Verbreitung und Reproduktion in jedem Medium oder Format erlaubt, sofern Sie den/die Originalautor(en) und die Quelle angemessen angeben. Geben Sie einen Link zur Creative Commons-Lizenz an und geben Sie an, ob Änderungen vorgenommen wurden. Die Bilder oder anderes Material Dritter in diesem Artikel sind in der Creative Commons-Lizenz des Artikels enthalten, sofern in der Quellenangabe für das Material nichts anderes angegeben ist. Wenn Material nicht in der Creative-Commons-Lizenz des Artikels enthalten ist und Ihre beabsichtigte Nutzung nicht gesetzlich zulässig ist oder über die zulässige Nutzung hinausgeht, müssen Sie die Genehmigung direkt vom Urheberrechtsinhaber einholen. Um eine Kopie dieser Lizenz anzuzeigen, besuchen Sie http://creativecommons.org/licenses/by/4.0/. Der Creative Commons Public Domain Dedication-Verzicht (http://creativecommons.org/publicdomain/zero/1.0/) gilt für die in diesem Artikel zur Verfügung gestellten Daten, sofern in einer Quellenangabe für die Daten nichts anderes angegeben ist.

Nachdrucke und Genehmigungen

Shim, Y., Shin, M. Ein empirischer Zusammenhang zwischen Motivationsgewinn und NBA-Statistiken: Anwendung hierarchischer linearer Modellierung. BMC Psychol 11, 135 (2023). https://doi.org/10.1186/s40359-023-01188-1

Zitat herunterladen

Eingegangen: 15. Dezember 2022

Angenommen: 24. April 2023

Veröffentlicht: 27. April 2023

DOI: https://doi.org/10.1186/s40359-023-01188-1

Jeder, mit dem Sie den folgenden Link teilen, kann diesen Inhalt lesen:

Leider ist für diesen Artikel derzeit kein Link zum Teilen verfügbar.

Bereitgestellt von der Content-Sharing-Initiative Springer Nature SharedIt