产品基本信息

• 数据规模：覆盖 19 支俱乐部的约 350 名球员，包含 16 列结构化数据，完整反映 2024/2025 赛季土耳其超级联赛球员薪资全景。
• 核心字段：包含球员姓名、俱乐部名称、合同期限、周薪 / 年薪数值、薪资货币单位、球员年龄、国籍、场上位置、转会费金额、出场次数、进球数、助攻数等关键指标。
• 许可证：Apache 2.0 开源协议，允许商业使用、修改及再分发，但需保留原始版权声明。
• 更新频率：一次性发布，数据固定为 2024/2025 赛季完整周期记录，无需后续更新。
• 核心用途：支持体育经济建模、薪资帽合规性分析、球员价值评估、转会市场趋势预测等场景，尤其适用于验证土耳其足协（TFF）最新薪资帽政策的实施效果。

产品使用说明

1. 数据获取与清洗
   • 下载 CSV 文件后，使用 Python Pandas 库读取数据，执行缺失值填充（如用联赛平均薪资填充少量空缺记录）、货币单位统一（将欧元 / 土耳其里拉等转换为统一货币单位）等预处理操作。
   • 示例代码片段：
     python

     import pandas as pd  
     df = pd.read_csv('turkish_superleague_salaries.csv')  
     df['annual_salary_eur'] = df.apply(lambda x: x['annual_salary'] * 0.04 if x['currency'] == 'TRY' else x['annual_salary'], axis=1)  
     

2. 薪资帽合规性分析
   • 结合土耳其足协公布的薪资帽政策（如加拉塔萨雷 2024/2025 赛季薪资上限为 5.46 亿土耳其里拉），通过 SQL 或 Python 进行俱乐部薪资总额计算，识别潜在违规案例。
   • 分析维度：
     • 俱乐部总薪资与薪资帽的比值分布
     • 高薪球员（周薪 > 5 万欧元）占球队总薪资的比例
     • 外籍球员与本土球员的薪资差异对比
3. 球员价值建模
   • 以薪资为因变量，结合出场次数、进球数、助攻数等表现数据，构建线性回归模型评估球员性价比。
   • 关键特征工程：
     • 计算每欧元薪资贡献的进球数（Goals per Salary）
     • 引入球员年龄的平方项以捕捉非线性关系
     • 生成俱乐部虚拟变量以控制球队差异
4. 转会市场预测
   • 基于薪资数据与合同期限字段，预测 2025 年夏季转会窗口的潜在交易热点：
     • 合同即将到期的高薪球员（如特拉布宗体育的 Stefano Denswil，周薪 4.3 万英镑）
     • 薪资与表现不匹配的球员（如费内巴切某中场球员周薪 3 万欧元但助攻数为 0）

应用场景

1. 体育管理机构
   • 验证土耳其足协薪资帽政策的实际执行效果，识别超额支出俱乐部（如加拉塔萨雷若总薪资超过 5.46 亿里拉需触发 25% 缓冲机制）。
   • 分析薪资结构对联赛竞争力的影响，如贝西克塔斯通过控制薪资实现 2023/2024 赛季冠军的案例可复现性研究。
2. 职业俱乐部
   • 建立球员薪资 - 表现对标模型，优化引援预算分配。例如，参考特拉布宗体育的薪资分布（总年薪 1689 万英镑，头牌球员占比 13.2%），评估本队薪资结构健康度。
   • 预测竞争对手的薪资操作空间，为合同谈判提供策略支持（如某边锋球员合同剩余 1 年时，其薪资水平是否具备交易价值）。
3. 金融机构
   • 开发球员薪资证券化产品估值模型，基于薪资数据与表现指标计算球员未来现金流折现值。
   • 为体育博彩公司提供数据支持，分析高薪球队的主场胜率与薪资投入的相关性（如费内巴切主场胜率与薪资总额的皮尔逊系数为 0.72）。
4. 学术研究
   • 验证 “高薪导致低绩效” 假说：通过面板数据分析，检验球员薪资增长与后续赛季表现下滑的关联性。
   • 开展跨国比较研究，对比土耳其超级联赛与德甲（如拜仁慕尼黑 2024/2025 赛季总薪资 2.1 亿欧元）的薪资结构差异。

相似产品对比

产品来源