职业足球运动员投注行为的影响因素：来自行政数据的证据

《Journal of Gambling Studies》：Determinants of Betting Behaviour Among Professional Football Players: Evidence from Administrative Data

【字体：

大

中

小

】

时间：2026年05月07日

来源：Journal of Gambling Studies 2.2

编辑推荐：

摘要：关于运动员赌博的研究长期以来一直受到自我报告调查中固有的低估偏误的限制。本文通过利用一个独特的、基于人群水平的行政数据集克服了这一限制，该数据集源自足球历史上针对球员赌博的最大规模单一司法管辖区执法行动。2025年，土耳其足球联合会根据博彩公司的实际记录处罚了超过一千名职业

摘要：关于运动员赌博的研究长期以来一直受到自我报告调查中固有的低估偏误的限制。本文通过利用一个独特的、基于人群水平的行政数据集克服了这一限制，该数据集源自足球历史上针对球员赌博的最大规模单一司法管辖区执法行动。2025年，土耳其足球联合会根据博彩公司的实际记录处罚了超过一千名职业球员。我们估计了整个四级职业足球体系中赌博发生率和强度的联合分布。利用Probit模型，我们发现赌博发生率受到结构性财务激励的驱动。处罚率从顶级联赛的3.4%急剧上升到最低级别的29.4%。受到最严厉处罚的概率呈现出倒U形曲线，在33.4岁时达到峰值，这反映了机会成本的演变和边际财务需求的减少。这些发现提供了运动员赌博行为的首个客观行政证据，并表明，推动行政赌博违规的层级差异能够准确地识别出最容易受到赛马非法操纵影响的人群。引言：2025年7月4日，土耳其足球联合会（TFF）的纪律委员会（PFDK）开始对在足球比赛中下注的职业足球运动员进行处罚。到2025年9月，土耳其职业足球体系的四个级别中已有超过一千名球员受到了45天到360天不等的禁赛处罚。这一行动的规模在足球史上前所未有。2023年，英格兰足球协会在调查232起赌注后对Ivan Toney处以八个月的禁赛处罚；同年，意大利足球协会（FIGC）对Sandro Tonali处以十个月的禁赛。土耳其的这次行动涵盖了大约三分之一的四级职业球员，并产生了基于博彩公司记录而非调查或自我报告的球员赌博行为数据集，这种数据规模和证据质量的结合在现有文献中是独一无二的。执法行动的背景凸显了其对 sports integrity（体育诚信）的重视。2025年12月展开的一项刑事调查显示，费内巴切队队长Mert Hakan Yanda?涉嫌在2021年至2025年期间通过中间人向博彩公司转账445万土耳其里拉（约合10万美元），在他队友ísmail Yüksek在特定比赛中收到黄牌或犯规时下注。在2025年10月与斯图加特的欧洲联赛比赛中，有三笔投注金额为2.93的相同赌注，预测Yüksek会收到黄牌；事实上他也确实收到了黄牌。尽管Yüksek后来被TFF纪律委员会宣告无罪，但这一事件表明行政赌博违规行为与积极的比赛操纵行为存在于同一连续体中，并解释了为什么管理机构将球员赌博视为对体育诚信的结构性威胁，而不仅仅是轻微违规。职业足球运动员在赌博研究领域处于一个特殊的地位。他们受到明确的法规禁止在比赛中下注，所处的劳动力市场中工资存在巨大差异，职业生涯前景短期且不确定，同时他们在紧密团结的团队环境中工作，社会规范是集体形成的。这些因素都放大了财务激励和职业阶段对赌博行为的影响。在这种背景下，传统的调查证据面临着众所周知的挑战：关于职业足球运动员赌博的基于人群水平的数据无法获得，而自我报告则系统性地低估了赌博现象（因为披露行为会带来职业后果）。TFF的执法记录通过提供人群覆盖范围和客观验证的赌博活动回应了这些挑战。“讨论”部分明确讨论了这一行政数据集的局限性。本研究解决了两个问题：首先，哪些球员特征可以预测一名职业足球运动员是否会赌博；其次，在那些确实赌博的球员中，是什么决定了他们的赌博强度。这两个问题是可区分的，因为TFF的执法记录同时提供了二元处罚指标和经过校准的禁赛时长。利用针对所有注册球员的Probit模型回答了发生率问题；通过对1009名受到处罚的球员使用有序Probit模型，并将禁赛时长作为赌博量的序数代理变量，回答了强度问题。主要发现是，赌博发生率和强度的决定因素之间存在清晰的分离。联赛层级是预测谁会赌博的主要因素：由于所有级别的监管框架和监控基础设施都是统一的，观察到的处罚率可以作为潜在赌博普遍性的可靠代理指标。处罚率从顶级联赛的3.4%上升到第四级别的29.4%。在控制了职业阶段后，层级因素对额外变化的解释作用有限。赌博强度在33.4岁左右达到峰值，随后呈现出与概念框架中描述的机会成本机制一致的倒U形曲线。这些特点使本研究区别于现有文献，并构成了其主要贡献。数据来源于博彩公司的官方执法记录，而非受到低估影响的调查，从而提供了职业足球运动员赌博行为的首个基于人群水平的行政证据。样本覆盖了整个国家级职业足球运动员群体，使得我们能够估计赌博发生率和强度的联合分布，而不仅仅是基于自愿披露的下限。文献综述：自21世纪初以来，越来越多的研究表明运动员中的赌博现象比普通人群更为普遍。大量基础性证据来自对大学和大学生运动员的研究，尤其是在北美地区。Rockey等人（2002年）发现大学生运动员的赌博率高于非运动员，尤其是女性运动员的问题赌博率显著更高。Huang等人（2007年）报告称，在美国大学运动员样本中问题赌博的普遍率为4.3%，高于同龄普通人群的基准水平。后续的调查在不同时间和不同运动项目中证实并扩展了这些发现（Miles等人，2025年；Nowak，2018年；Sansanwal等人，2004年；Stuhldreher等人，2007年）。Nelson等人（2024年）的一项综合研究估计大学生运动员中的赌博障碍率在2.9%到15%之间。关于职业运动员的赌博证据虽然较少，但方向一致。Grall-Bronnec等人（2016年）调查了多个欧洲国家的职业运动员，发现56.6%的运动员在过去一年中有过赌博行为，其中8.2%符合问题赌博的标准。H?kansson等人（2023年）回顾了更广泛的文献，估计精英运动员的终生问题赌博率为7%，而在男性运动员中这一比例上升至14%。最近的具体运动项目研究也证实了这些数字。Wall等人（2025年）发现瑞典精英男性足球运动员中的问题赌博率为6.6%。González-Moret等人（2025年）直接比较了职业西班牙足球运动员和普通人群，发现前者的赌博频率更高，对赌博的态度也更为积极。H?kansson等人（2025年）记录了瑞典精英冰球运动员中的高问题赌博率，Doring和Fulcher（2024年）报告称新西兰超级橄榄球联赛中的职业橄榄球运动员中有害赌博行为普遍存在。H?kansson等人（2020年）发现COVID-19限制期间的心理压力与精英运动员的问题赌博有关，强调了经济和社会动荡如何加剧了职业体育中的赌博风险。定性和调查工作揭示了这些模式背后的机制。Vinberg等人（2020年）对瑞典的精英运动员和教练进行了调查，发现赌博在所研究的四种运动中都是普遍存在的。Vinberg等人（2021年）通过深入访谈进一步证实，赌博行为通过重复和同伴强化在团队社交环境中根深蒂固。Turk等人（2023年）将社会嵌入性、接触赌博环境以及竞争倾向确定为精英爱尔兰运动员不良赌博行为的重要预测因素。Moriconi和de Cima（2020年）在葡萄牙足球领域的民族志研究也表明，尽管有严格的法律法规，但在运动员的日常生活中赌博行为往往是文化上被接受的。Kvillemo等人（2023年）在对瑞典精英男性足球运动员的定性研究中发现，赌博是俱乐部环境中健康风险行为的一部分。参与者描述高可支配收入和非结构化休闲时间是包括赌博在内的风险行为的前提条件。Weiss和Loubier（2008年）还记录了退役运动员中的延迟竞争效应，表明赌博行为会随着职业生涯的积累而增加，而不仅仅当前财务状况的影响。学生运动员的研究虽然具有启发性，但在两个重要方面与本研究不同：学生运动员面临业余身份的限制、收入较低，以及与完全职业化的足球运动员不同的社会环境。更重要的是，所有关于学生和职业运动员的研究都依赖于自我报告的数据。众所周知，自我报告在披露可能会带来声誉或职业后果的情况下系统性地低估了赌博现象（Grall-Bronnec等人，2016年；H?kansson等人，2023年），而且获取精英运动员群体的一手数据受到机构门槛的限制。当前的数据集来源于博彩公司的记录，而非调查，覆盖了整个国家级职业运动员群体，因此能够估计赌博发生率和强度的联合分布，而不仅仅是基于自愿披露的下限。财务激励与赌博：一般的赌博研究提供了强有力的证据，表明低收入和财务压力是问题赌博的重要相关因素。Orford（2004年）记录显示，随着收入的减少，问题赌博的普遍率急剧上升。Hahmann等人（2021年）回顾了27项研究，得出贫困与问题赌博之间存在密切联系的结论，尽管在横断面数据中难以确定因果关系的方向。Girard等人（2023年）使用挪威的注册数据通过纵向匹配设计确认了这种强烈的收入-障碍关联。van der Maas（2016年）发现，心理健康状况较差的人群中贫困与赌博问题之间的关联最为明显。Koomson等人（2022年）还表明，财务压力能够预测多个国家的赌博参与度和支出。此外，Barnes等人（2013年）将这一现象扩展到社区层面，发现社区贫困独立于个人收入也能预测问题赌博。将收入与赌博联系起来的机制可以通过相对贫困和财务动机来解释。Tabri等人（2015年）发现，财务赌博动机在调节相对贫困与问题赌博之间的关系中起作用，尤其是在那些认为经济流动性较低的人中效果最为显著。Floyd等人（2024年）发现，以财务收益为中心的赌博动机在低收入群体中更为普遍，并且在这一群体中预测的问题赌博结果也最为严重。Moreira等人（2023年）在系统回顾33项研究后发现，低社会经济地位是赌博障碍的最一致重复出现的风险因素之一。运动员中的收入与赌博之间的关系越来越受到关注。Gherghel等人（2024年）的系统性回顾发现，精英运动员中的赌博普遍率超过普通人群的基准水平，并指出了关于女性运动员群体的研究存在显著空白。针对这一人群的特定财务和社会风险因素仍然研究不足。Rhind等人（2014年）研究了英国运动员中的赌博问题，发现男性运动员的赌博率为9.2%，女性运动员为1.1%，均远高于一般人群的基准水平。团队运动参与者中的赌博率最高。Lim等人（2017年）对接受赌博障碍治疗的职业足球运动员进行的定性研究指出，高工资、过多的闲暇时间以及 ?lteren 同伴的影响是主要的促成因素。财务可获取性和同伴规范在俱乐部环境中加剧赌博行为方面起到了关键作用。在足球领域，不同联赛等级之间的工资差距很大。Frick（2011年）记录了德国职业足球中强烈的表现与工资之间的关系，并指出顶级联赛与第二级联赛之间的绝对差距巨大。较低级别的球员面临较低的当前收入、较高的职业不确定性以及较少的劳动力市场选择，这些因素与更广泛的赌博研究中的财务激励框架高度吻合。运动员赌博的诚信问题不仅涉及违规下注的行为，还涵盖了更广泛的诚信议题。Moorman（2009年）分析了管理赌博和职业体育的法律框架，指出监管机构针对球员赌博的规定旨在保护体育赛事的不确定性所带来的商业价值，而不仅仅是关注个人福利。Forrest等人（2008年）对比赛操纵的经济学进行了建模，发现操纵比赛的财务激励主要存在于监管最薄弱、球员工资最低的联赛级别。Forrest等人（2017年）调查了近年来赌注市场的发展情况，认为过去二十年里有利于腐败发生的结构性条件（如深厚的流动性、匿名在线平台以及监控不力的边缘比赛）有所加剧。Moriconi和de Cima（2020年）的研究也支持这一观点，他们指出在线赌博的普及以及球员对监管不足的认知为比赛操纵和财务利润创造了直接机会。Duggan和Levitt（2002年）提供了早期正式证据，证明即使在监管严格的职业环境中，财务激励也可能导致操纵行为的发生，这一经济逻辑后来也被应用于足球领域。Deutscher等人（2025年）从德国足球甲级联赛中获得了直接证据，表明赌注量可以反映裁判的行为，即使调查没有定罪，市场数据也能揭示出操纵行为。德国足球联合会（TFF）的案例同时涉及行政违规和刑事违规行为。2025年的处罚是因为对足球比赛结果的被动投注行为而实施的；而刑事调查则是因为针对某位球员的纪律记录的定向投注行为。这两起事件涉及相同的球员群体和相同的投注基础设施。因此，下面提到的赌博发生率的等级差异具有双重含义：它既揭示了哪些球员最有可能违反行政法规，也揭示了哪些球员在结构上更容易被招募参与主动的比赛操纵。本研究区分了影响职业足球运动员与赌博行为的两种决策。首先是参与决策：球员是否参与赌博；其次是投注强度决策：在参与赌博的情况下，球员投注的频率和金额。这两种决策可能由不同的决定因素驱动。参与决策可能受职业生涯中相对稳定的结构条件影响（如联赛级别的工资水平），而投注强度决策则可能受个人特征（如年龄和预期剩余收入）的影响。区分这两种决策有助于构建具有明确理论依据的实证模型，而不是将所有球员简单地归为一类。财务激励机制将参与决策与不同联赛级别的工资差距联系起来。较低级别的球员面临较低的当前收入、较高的职业不确定性以及较少的外部劳动力市场选择。如果赌博被视为一种增加收入的途径，那么财务压力可能会提高他们突破参与门槛的概率。因此，财务激励机制预测联赛级别与赌博发生率之间存在正相关关系。另一种解释是，收入冲击——例如降级带来的负面收入冲击——可能会在降级后的一段时间内增加被处罚的概率。对于参与赌博的球员来说，处罚的机会成本主要体现在停赛期间的收入损失。预期未来收入较高的年轻球员面临较高的机会成本，即使他们参与赌博，其投注量也会较低。随着球员年龄的增长和职业生涯范围的缩短，这种机会成本会下降，从而促使他们增加投注量。然而，职业生涯收入并非始终呈下降趋势：球员通常在二十多岁末和三十岁初积累最多的财富，这可能会降低已经实现财务安全的球员进行高风险投注的动机。机会成本的下降和边际财务需求的减少共同导致了赌博强度的“倒U”形态：在职业生涯中期，由于职业生涯范围的缩短，投注量会上升；而随着年龄增长和财务需求下降速度加快，投注量又会减少。主要数据集来源于PFDK（德国足球联合会）的官方处罚登记册，该登记册记录了每个受处罚球员的姓名、所在俱乐部、联赛级别和处罚时长。经过筛选后，共有1,009名符合条件的球员数据被纳入分析（这些球员被归类为职业球员，且处罚时长和年龄信息完整）。处罚时长有五种法定选项：45天、90天、180天、270天和360天。TFF根据博彩记录中的投注量和总金额来分配这些处罚时长。由于从投注量到处罚类别的映射是官方规定的，因此这个有序的处罚变量可以直接反映官方处罚决定，而非自我报告的结果。球员的职业生涯数据从2020年到2025年底从Transfermarkt数据库中提取。在1,009名受处罚球员中，有901名的完整职业生涯数据被收集。剩余的108名球员出场次数较少（主要是新秀球员的第一个完整赛季数据），他们分布在各个联赛级别中，没有集中在某个特定级别。同一来源的季节性数据有助于识别赛季间联赛级别变化的球员，从而判断他们是否降级或升级。在这901名球员中，有116人在下个赛季降级，85人升级。模型需要一个未受处罚的对照组，这些球员在上述时间段内至少有过一次出场记录。对照组数据来自Transfermarkt的球队名单，与处罚数据结合使用。最终分析的样本包括4,905名在 ?? 赛季参加比赛的球员。衡量处罚严重程度的指标是处罚时长，分为五个等级（45天、90天、180天、270天和360天）。衡量赌博发生率的指标是是否受到任何处罚的二元指标。联赛级别（1到4级，级别越高表示工资越低）是衡量工资差距和财务激励的主要指标。年龄及其平方值用于捕捉非线性的职业生涯阶段效应。位置类别用于区分守门员、后卫、中场球员和前锋。降级和升级是表示在处罚前一个赛季联赛级别发生变化的二元指标。**制裁发生率模型** 需要一个未受处罚的对照组。对照组数据来自Transfermarkt的球队名单，包括在指定时间段内至少有过一次出场记录的所有球员，与其他处罚数据结合使用。该样本包含4,905名在 ?? 赛季参加比赛的球员。**制裁结果** 包括五个有序等级的处罚时长（45天、90天、180天、270天和360天）。衡量赌博发生率的指标是是否受到任何处罚的二元指标。联赛级别（1至4级，级别越高表示工资越低）是衡量工资差距和财务激励的主要指标。年龄及其平方值用于捕捉非线性的职业生涯阶段效应。出场次数（经过对数转换）用于表示累计的职业生涯资本。位置类别用于区分不同位置的球员。降级和升级是表示在处罚前一个赛季联赛级别发生变化的二元指标。**制裁率与联赛级别的关系** 图1显示了不同联赛级别的制裁率和处罚时长的明显差异。最高级别的制裁率仅为3.4%，而第四级别的制裁率高达29.4%。图2进一步展示了制裁率和处罚时长的层级差异。**实证策略** **制裁发生率模型** 估计职业球员违反赌博行政规则的概率。因变量是一个二元指标，如果球员受到TFF的赌博处罚则为1，否则为0。我们使用标准probit回归方法对全部4,905名球员的数据进行了分析。主要解释变量是球员的联赛级别（从顶级联赛到第四级），作为工资差距和赌博财务激励的代理指标。为了分离联赛级别的影响，我们逐步引入了不同层次的控制变量。模型（1）仅考虑联赛级别；模型（2）增加了年龄及其平方值以捕捉非线性的职业生涯阶段机会成本；模型（3）加入了职业生涯出场次数和对位置类别的固定效应；模型（4）加入了球员在前一个赛季是否降级或升级的二元指标，以反映近期的联赛级别变化。**制裁严重程度模型** 分析了1,009名受处罚球员的赌博行为决定因素。根据TFF的法规，处罚时长是根据投注量和总金额来确定的。因此，我们将分配的处罚时长视为投注量的有序代理指标。因变量包含五个有序的分类值，对应不同的法定处罚时长。由于结果是分类变量且自然有序，因此采用有序probit模型进行分析。这些估计值揭示了哪些球员特征与较高的投注量相关，但并未假设具体的因果机制。与制裁发生率模型类似，也提出了四个逐步扩展的模型规范。**结论** 虽然没有明确的结构性因果机制被确认，但研究结果表明，联赛级别、年龄、出场次数和位置类别等因素影响了球员的赌博行为。较低级别的球员面临较低的当前收入和较高的职业不确定性，这些因素可能增加了他们违反行政法规的可能性；较高的财务压力也有助于增加赌博行为。同时，年龄的增长和职业生涯范围的缩短可能会降低某些球员的高风险赌博动机。这意味着最近从较低级别联赛升级的球员受到制裁的概率更高，这与他们在更高水平环境中形成的投注习惯有关。降级和升级的模式都指向同一个方向。重要的是在特定投注环境中所花费的时间，而不是任何级别转换的方向。**制裁严重程度** 表4报告了制裁严重程度的估计值。联赛级别在所有四个模型中都具有正系数。在模型（1）和（2）中，这一系数在5%或更高的显著性水平上显著，并且在引入了职业历史控制变量后，在模型（3）和（4）中仍然显著。随着职业控制变量的引入，精确度的降低反映了级别与职业轨迹之间的相关性，而不是潜在关联的不稳定性。**表4 制裁严重程度的决定因素：有序Probit估计**年龄是在所有模型中预测禁赛严重程度的主导因素。线性和二次年龄项都显著，这证实了一种非线性的倒U形关系。 implied peak（隐含峰值）大约在33.4岁。球员在二十多岁时收到最长360天禁赛的概率上升，在三十岁初达到峰值，然后下降。在模型（3）和（4）中，职业出场次数具有负的且显著的系数。具有较长职业历史的球员，在控制了级别和年龄后，受到的禁赛时间较短，这表明职业发展的速度和质量对于投注轨迹的影响超出了年龄本身的作用。降级和升级的球员在禁赛严重程度上与留在同一级别的球员没有显著差异。附录中的表5和表6报告了首选模型的平均边际效应。**讨论** 研究结果揭示了投注发生率和投注强度的决定因素之间存在明显的分离，这种分离有助于理解“文献回顾”部分中提到的财务激励的相对重要性。 级别差异在影响率上的作用最为显著。第四级别联赛的球员受到制裁的概率大约是顶级联赛球员的九倍，这种差异在控制了年龄、位置和职业历史后仍然存在。这一梯度与更广泛文献中记录的收入与赌博之间的关系一致（Girard等人，2023年；Hahmann等人，2021年；Orford，2004年；van der Maas，2016年），并将这一普遍现象应用到了职业体育领域。Frick（2011年）已经证明了欧洲职业足球中基于级别的工资梯度，而当前的证据也与赌博倾向的行为相关性一致。由于数据是横截面的，因此估计的关联是简化形式的：它们与财务激励驱动投注发生率一致，但设计上不能排除与级别分配相关的未观察到异质性。级别梯度对体育公平性的影响至关重要。Forrest等人（2008年）和Forrest等人（2017年）指出，低级别联赛的球员是造假比赛的主要目标，因为他们面临的财务激励更强，監控也较薄弱。Moorman（2009年）指出，体育管理机构对球员赌博的监管主要是为了保护比赛的公平性。Duggan和Levitt（2002年）正式证明了即使是适度的财务激励也可能导致职业体育中的操纵行为。Deutscher等人（2025年）证实，这种操纵会在投注市场数据中留下可检测的痕迹。行政风险最高的群体同时也是公平性风险最高的群体，因此在较低级别联赛中部署预防资源最为有效。在受到制裁的球员中，投注强度主要受职业阶段的影响，而不是当前所处的级别。33.4岁左右的倒U形峰值与概念框架中阐述的机会成本机制一致：随着职业视野的缩短，禁赛带来的机会成本下降，从而减轻了对投注量的限制。三十岁初的峰值和随后的下降可以用财务计算的另一面来解释：到那时已经积累了一定职业财富的球员，他们的边际财务动机减弱，即使机会成本在继续下降。这两种相反力量的净效应共同导致了观察到的倒U形趋势。维持高投注量所需的财务资源集中在职业生涯的中期，进一步强化了这一职业阶段的模式。在控制年龄的情况下，职业出场次数与禁赛严重程度之间的负相关关系增加了更多细微差别：具有较长职业历史的球员在任何给定年龄段内的投注强度都较低，这表明职业发展的速度和质量对投注轨迹的影响超出了单纯的年龄效应。在发生率模型中，升级的系数是正向且显著的：最近从较低级别联赛升级的球员进入新环境后，其投注倾向高于一直处于该级别的同龄人。这与在较低工资水平下形成的投注倾向在工资提高后仍然持续存在的情况一致，而不仅仅反映了当前的财务压力。在两个模型中，降级的系数都不显著。如果仅存在简单的收入冲击机制，那么降级应该通过负的收入冲击来提高投注倾向；但缺乏显著的降级效应则反驳了这种解释。总的来说，升级和降级的模式表明，赌博行为发展过程中所面临的财务压力水平比任何最近的级别转换方向更为重要。对于降级结果，不能排除辅助的选择解释。那些经历了降级但随后恢复到更高级别联赛的球员，或者在降级后离开联赛的球员，在2024-2025年的样本中会代表性不足，可能与留在同一级别的球员存在系统性的差异。未来的纵向球员追踪研究可以测试在解决生存者选择问题后，这种降级模式是否仍然存在。禁赛期限的分布提供了二分类分析无法提供的信息。TFF（泰拳足球联合会）的制裁措施是根据投注量来执行的，而与年龄相关的强度梯度表明，最高投注量的球员主要是职业生涯中期的球员。Deutscher等人（2025年）指出，在投注市场数据中可以检测到操纵行为，而针对高投注量球员的逐步监管响应可以将调查资源集中在最有可能将行政违规行为与实际操纵行为联系起来的案例上。**限制** 本研究存在几个局限性。首先，数据是横截面的和观察性的。估计的关联与“文献回顾”部分中描述的财务激励和机会成本机制一致，但设计上不能排除未观察到的混杂因素。例如，与级别分配和投注倾向相关的风险偏好或未测量的俱乐部层面的规范可能解释了部分估计关联。其次，数据集是由执法行为生成的，而不是通过研究设计获得的。低于博彩商监控系统检测阈值的投注活动未被观察到，而且从博彩商记录到制裁类别的映射遵循TFF的制度规则，这些规则可能不能直接转化为投注量的绝对值。第三，联赛级别代理了工资梯度，但同一级别内的工资差异很大且未被测量。更详细的收入数据将有助于更全面地检验财务激励机制。第四，当前的分析仅涵盖了2025年的一个国家案例，该级别梯度是否适用于具有不同工资分布、监控环境或监管传统的联赛，这仍然是一个开放的实证问题。未来可以使用关于个人赌博行为的面板数据或跨国家比较来检验这一发现的稳健性。**结论** 本文利用2025年TFF大规模制裁行动的官方执法记录，分析了职业足球运动员投注行为的影响因素。有两个主要发现较为突出：受到制裁的概率随联赛级别的提高而显著增加，从顶级联赛的3.4%上升到第四级别联赛的29.4%，并且在控制了职业历史、位置和年龄后这一梯度仍然存在。在受到制裁的球员中，投注强度在33.4岁左右达到峰值，并且主要受职业阶段的影响，而不是当前所处的级别。 该研究首次提供了在人口层面区分职业足球运动员制裁发生率和制裁强度的行政证据。级别差异在影响率上的作用与财务激励机制一致。投注强度的年龄分布与机会成本机制一致：随着职业视野的缩短和累积职业收入的在三十岁初同时达到峰值，制裁的净成本首先下降，然后稳定下来，形成了观察到的倒U形趋势。Vinberg等人（2021年）和Turk等人（2023年）记录的社会规范化现象可能通过降低参与赌博的心理门槛，放大了这两种效应。此外，正如Moriconi和de Cima（2020年）所指出的，运动员往往持有与规范制度框架不同的公平观念，这使他们能够合理化行政违规行为，而不一定认为自己是腐败的。 这一发现对体育公平性的影响十分显著。级别差异在投注发生率上的影响与Forrest等人（2008年）和Forrest等人（2017年）在造假比赛文献中发现的脆弱性梯度相符。有效的公平性计划应该将预防和监控资源分配到投注倾向和操纵风险都最高的较低级别联赛。未来可以使用更详细的工资数据和多国比较来检验这一发现的稳健性。

相关新闻