| Abstract | Uvod: Istraživanja pokazuju da mnoge vlade i nacionalne sportske organizacije u potrazi za međunarodnim (olimpijskim) uspjehom svoje zemlje troše sve više novca, ali se istovremeno raspodjeli proračunskih sredstava za sport koji je u nadležnosti upravljačkih struktura u sportu pridaje malo pozornosti. Posljedično, nema garancije da više uloženog novca rezultira i s više ostvarenih sportskih uspjeha. Učinkovita politika upravljanja u sportu može rezultirati s više olimpijskih medalja, odnosno s većim brojem uspješnih sportaša i kod ekonomski slabije razvijenih zemalja, odnosno kod zemalja s manjim brojem stanovnika. Sva dosadašnja istraživanja bavila su se izdvajanjima sredstava iz državnog proračuna, no izdvajanjima sredstava za sport na lokalnim razinama pridavalo se malo pažnje, u najvećoj mjeri stoga što je teško doći do podataka potrebnih za provedbu istraživanja. Stoga se u kontekstu financiranja vrhunskog sporta želi ukazati na mjesto i važnost financiranja lokalnog sporta u stvaranju uspjeha sportaša u vrhunskom sportu. To je promatrano na primjeru Republike Hrvatske i četiri najveća hrvatska grada, koji primjenjuju isti postojeći zakonodavni okvir koji se odnosi na lokalni sport, ali i različite, autonomne načine upravljanja raspoloživim financijskim resursima u provođenju sportskih programa. Cilj: Cilj ovog istraživanja je utvrditi povezanost između ulaganja javnih sredstava u četiri najveća hrvatska grada te broja ukupno aktivnih i vrhunskih sportaša u 15 olimpijskih sportova (pet ekipnih, četiri borilačka i šest individualnih) od 2016. do 2019. godine. Promatrano je kako su uložena sredstva i njihova struktura (troškovi korištenja sportskih objekata, stručni rad trenera, troškovi natjecanja, razvojni programi za mlade sportaše), utjecala na ostvarene rezultate u službenim natjecanjima mjerene brojem vrhunskih sportaša I., II. i III. kategorije, te brojem aktivnih sportaša i broja financiranih klubova. S namjerom utvrđivanja ostvarenja ovog cilja postavljene su četiri hipoteze, koje su tijekom istraživanja proširene podhipotezama. H1: Postoji značajna razlika u financijskim ulaganjima u sport prema broju financiranih klubova i aktivnih sportaša između promatranih gradova. Hipoteza H1 je proširena s testiranjem za svaku grupu sportova (H1-1 ekipni sportovi; H1-2 borilački i H1-3 individualni sportovi). H2: Postoji značajna povezanost između izdvajanja financijskih sredstava iz proračuna za programsko korištenje sportskih objekata, stručnog rada, natjecanja te razvojnih programa mladih i pokazatelja sportske kvalitete mjerene brojem vrhunskih sportaša posebno I., II. i III. kategorije te masovnosti sporta mjerene brojem aktivnih sportaša u pet olimpijskih ekipnih sportova u sva četiri hrvatska grada zajedno. Hipoteza je proširena testiranjem povezanosti za svaki grad posebno za ekipne sportove (H2-1 za Zagreb, H2-2 za Split, H2-3 za Rijeku i H2-4 za Osijek). H3: Postoji značajna povezanost između izdvajanja financijskih sredstava iz proračuna za programsko korištenje sportskih objekata, stručnog rada, natjecanja te razvojnih programa mladih i pokazatelja sportske kvalitete mjerene brojem vrhunskih sportaša posebno I., II. i III. kategorije te masovnosti sporta mjerene brojem aktivnih sportaša u četiri olimpijska borilačka sporta u četiri hrvatska grada. Hipoteza je proširena testiranjem povezanosti za svaki grad posebno za borilačke sportove (H3- 1 za Zagreb, H3-2 za Split, H3-3 za Rijeku i H3-4 za Osijek). H4: Postoji značajna povezanost između izdvajanja financijskih sredstava iz proračuna za programsko korištenje sportskih objekata, stručnog rada, natjecanja te razvojnih programa mladih i pokazatelja sportske kvalitete mjerene brojem vrhunskih sportaša posebno I., II. i III. kategorije te masovnosti sporta mjerene brojem aktivnih sportaša u šest olimpijskih individualnih sportova u četiri hrvatska grada. Hipoteza je proširena testiranjem povezanosti za svaki grad posebno za individualne sportove (H4-1 za Zagreb, H4-2za Split, H4-3 za Rijeku i H4-4 za Osijek). Metode: Istraživanjem su obuhvaćena izdvajanja financijskih sredstva od 2016. do 2019. godine koja su dodijeljena klubovima i gradskim savezima iz ljetnih olimpijskih sportova i to iz pet ekipnih (košarka, nogomet, odbojka, rukomet i vaterpolo), četiri borilačka (boks, judo, karate i taekwondo), te šest individualnih sportova (atletika, gimnastika, plivanje, streljaštvo, tenis i veslanje) čiji su sportaši financirani iz sredstava gradskih proračuna, uz uvjet da su klubovi i savezi iz odabranih sportova sufinancirani u svakom od gradova: Zagreb, Split, Rijeka i Osijek. U istraživanju su korištene univarijantne i multivarijantne analize, kvazikanoničke analize za povezanosti ulaganja javnih sredstava u sportske programe i postignuća sportaša u četiri hrvatska grada zajedno mjerena brojem kategoriziranih vrhunskih sportaša, te metoda glavnih komponenti kod utvrđivanja povezanosti kod svakog grada posebno. Za testiranje razlika u financiranju između gradova i grupa sportova korištena je diskriminacijska analiza. Rezultati: Rezultati ovog istraživanja pokazuju da postoje statistički značajne razlike u ulaganjima financijskih sredstava promatranih gradova, gdje Zagreb u svim promatranim vrstama financijskih ulaganja u sport ulaže znatno više od ostalih gradova kod zadanih ili manifestnih podataka u svim grupama sportova. No, standardizacijom vrijednosti podataka, isključivanjem utjecaja broja klubova i broja aktivnih sportaša, promijenio se odnos. Stvarna financijska ulaganja u sport pokazuju da najviše ulaže Grad Zagreb, osim u sportske objekte u koje Rijeka ulaže najviše financijskih sredstava kod ekipnih sportova. Međutim, Rijeka je grad koji najmanje od svih gradova ulaže u međunarodna i domaća natjecanja kao i u razvojne programe za mlade. Osijek od svih gradova najmanje financijskih sredstava ulaže u sportske objekte i trenere. Grad Split manje ulaže u sportske objekte, ali po stvarnim ulaganjima u rad trenera, međunarodna i domaća natjecanja te u razvojne programe za mlade odmah je iza Zagreba. Razlike prema grupama sportova nisu identične, ali generalno uzevši vrijedi prethodna konstatacija. Prema I. diskriminacijskoj funkciji statistički se značajno razlikuju promatrani gradovi s obzirom na financiranje ekipnog sporta na cjelokupnom skupu promatranih varijabli s diskriminacijskom vrijednosti 1,737 a razlike su sa 2,826 standardnih devijacija. Kod borilačkih sportova diskriminacijska vrijednost je 1,694 sa razlikom 2,136 standardnih devijacija, dok je kod individualnih sportova diskriminacijska vrijednost 2,813 sa razlikom 2,348 standardnih devijacija. Stoga je moguće prihvatiti H1 hipotezu i to kod standardiziranih podataka. Kod manifestnih vrijednosti razlike su znatno veće, te su vidljive u poglavlju 4. Rezultati pod točkom 4.1. Povezanost ulaganja financijskih sredstava i broja aktivnih sportaša kod svih grupa sportova za sva četiri grada zajedno je statistički značajna, kao i povezanost izdvajanja financijskih sredstava i broja vrhunskih sportaša I., II. i III. kategorije u svim grupama sportova (ekipni, borilački i individualni). Stoga se hipoteze H2, H3 i H4 mogu prihvatiti. Izuzetak je kod ekipnih sportova gdje ne postoji povezanost financijskih ulaganja i broja vrhunskih sportaša II. kategorije. Ne postoji povezanost kod financiranja sportskih objekata i svih kategorija vrhunskih sportaša u individualnim sportovima. Sve navedeno odnosi se na podatke za sva četiri grada zajedno za svaku grupu sportova. Povezanost između financiranja ekipnih sportova i broja aktivnih sportaša i vrhunskih sportaša I., II. i III. kategorije je statistički značajna što proizlazi iz kvazikanoničke korelacije 0,847, s kvazikanoničkom determinacijom 0,717. Kod borilačkih sportova kvazikanonička korelacija iznosi 0,863, s kvazikanoničkom determinacijom 0,745, dok kod individualnih sportova kvazikanonička korelacija iznosi 0,939, s kvazikanoničkom determinacijom 0,882. Postojeće financiranje razlikuje se od stvarnog, koje je dobiveno standardizacijom vrijednosti podataka. Kod standardiziranih vrijednosti povezanosti financiranja i sportske kvalitete pojedinačno za svaki grad i grupu sportova su različite. U ekipnim sportovima prisutna je statistički značajna korelacija (Spearmanov koeficijent korelacije) oba skupa podataka, komponente financiranja i komponente kvalitete kroz kategorizaciju sportaša svih kategorija. Kod Zagreba je rs 0,719. Kod Splita su također prisutne statistički značajne korelacije rs je 0,515, kod Rijeke nema korelacije rs je 0,417, te nije statistički značajna, a u Osijeku postoji statistički značajna korelacija samo sa III. kategorijom vrhunskih sportaša rs je -0,857 i ona je negativna. Kod borilačkih sportova statistički značajne korelacije su različite od grada do grada, s time da najbolju povezanost ima grad Rijeka rs je 0,903, a kod Splita je rs -0,717, Zagreba je rs -0,659 i Osijeka je rs -0,638 te postoji povezanost ali je negativna. Kod individualnih sportova najjaču povezanost financijskih ulaganja i sportske kvalitete ima Rijeka rs je 0,800, slijede ga Split rs je 0,678 i Zagreb rs je 0,572, te Osijek rs je 0,509. Povezanosti po pojedinim varijablama su različite. Zaključak i rasprava: Promatrani gradovi u relativnom iznosu ulažu u sustav sporta s različitim postotkom svojih proračunskih sredstava, pri čemu najveći postotak izdvajanja ima Rijeka, zatim Split, Osijek, te na kraju najmanji postotak izdvajanja ima Grad Zagreb, koji ima najveći proračun, najveći broj stanovnika, najveći broj financiranih klubova, aktivnih sportaša i broja kategoriziranih sportaša. U apsolutnom iznosu, odnosi su drugačiji. Najviše sredstava za sport izdvaja Zagreb, zatim Split, pa Rijeka te Osijek. Provedenim istraživanjem na izabranih 15 olimpijskih sportova (tri grupe sportova) pokazalo se da zapravo Zagreb ulaže najviše, s velikim razlikama u odnosu na ostale gradove, ali na postojećem modelu financiranja. Isključenjem utjecaja broja klubova i aktivnih sportaša iz ulaganja u sportske programe, razlike su se nešto smanjile, no Zagreb je i dalje prvi na svim varijablama financijskih ulaganja izuzev kod sportskih objekata za ekipne sportove, gdje Zagreb ulaže nešto manje u odnosu na Rijeku. No, tu treba obratiti pažnju na činjenicu da se kod sportskih objekata radi o procjenama troškova (za objekte pod upravljanjem ustanova ili trgovačkih društava), dok su kod svih ostalih varijabli troškovi točno iskazani. Najkvalitetnijim sportskim objektima upravljaju trgovačka društva ili ustanove koje su osnovali gradovi. Ne postoje jasno izrađeni cjenici pojedinih sportskih objekata koji bi olakšali precizno iskazivanje troškova njihovog korištenja, usporedivih između gradova. Sredstva se izdvajaju za ukupno funkcioniranje pravnih subjekata koji upravljaju sportskim objektima, a ne samo za troškove sportskog korištenja objekata. U strukturi razlika među gradovima kod ekipnih sportova prema prvoj diskriminacijskoj funkciji najviše sudjeluju troškovi razvojnih programa i međunarodnih i domaćih natjecanja. Kod borilačkih sportova to su ulaganja u trenere i objekte, dok je kod individualnih sportova to ulaganje u trenere i natjecanja i to za standardizirane vrijednosti ili stvarna ulaganja. Postoje statistički značajne povezanosti broja aktivnih sportaša i financijskih ulaganja za ekipne, borilačke i individualne sportove, promatrano u četiri grada zajedno na standardiziranim vrijednostima. Povezanost financijskih ulaganja s brojem vrhunskih sportaša je prisutna u svim grupama sportova, gdje je uvijek najjača povezanost s brojem sportaša III. kategorije koja prvenstveno predstavlja nacionalne finaliste ili nekoliko prvih plasmana u nacionalnim ligama. Tu su također i sportaši s nižim plasmanima sa međunarodnih natjecanja. Ovi rezultati su očekivani jer se radi o financiranju lokalne razine, gdje u natjecanjima sudjeluje veliki broj vrhunskih sportaša nacionalne razine. Prisutna je i povezanost financijskih ulaganja sa sportašima I. kategorije koji su uglavnom sportaši sa medaljama sa OI, SP i EP ili plasmanom do 8. mjesta na takvim velikim međunarodnim natjecanjima, različito od sporta do sporta. Zanimljivo je da je prisutna značajna povezanost financijskih ulaganja s brojem vrhunskih sportaša I. kategorije, dok je povezanost sa II. kategorijom najmanja, ili kao kod ekipnih sportova, uopće ne postoji. Kod borilačkih i individualnih sportova odnos financiranja i broja sportaša I. i II. kategorije je sličan. Više ulaganja u financiranje navedenih troškova, rezultirat će većim brojem vrhunskih sportaša I. i II. kategorije. Kod individualnih sportova ne postoji povezanost niti jedne kvalitetne kategorije sportaša i sportskih objekata. Postojeće financiranje (zadane ili manifestne vrijednosti) pokazuje povezanost kod pojedinih varijabli za sve grupe sportova i svaki od gradova. No kod povezanosti komponenti financijskih ulaganja i komponenti razine sportske kvalitete za svaki grad posebno, za standardizirane vrijednosti ili stvarna ulaganja, najjača povezanost je kod ekipnih sportova u Gradu Zagrebu, kod borilačkih sportova u gradu Rijeci, a kod individualnih sportova u gradu Rijeci i Splitu. Rezultati povezanosti financijskih ulaganja i razine sportske kvalitete trebali bi biti poznati donositeljima odluka u RH na nacionalnoj razini, jer često ne postoji poveznica financiranja lokalnog i nacionalnog sporta. Ona je uglavnom simbolična, osim u posljednjim godinama kada se izdvajanje za lokalni sport pojačava od strane Ministarstva turizma i sporta - uprave za sport, dok HOO izdvaja manja sredstva za lokalni sport. Temelj svakog sporta počiva na financiranju lokalnog sporta. Ova razina financiranja mogla bi činiti onu razliku koja čini uspješnijom jednu zemlju u odnosu na ostale konkurentne zemlje, s obzirom da sve zemlje prate što se događa oko njih, te preuzimaju modele i znanja stečena kod drugih. Donositelji odluka (sportska i gradska upravna) trebali bi analizirati rezultate svojih ulaganja, radi provjere rezultata ulaganja javnih sredstava. Ovo istraživanje može predstavljati mali doprinos tom cilju. |
| Abstract (english) | Introduction: Research shows that many governments and national sport organizations are increasingly spending money in pursuit of their country's international (Olympic) success, but at the same time, the allocation of sport budgets under the responsibility of governing sport structures receives little attention. Consequently, there is no guarantee that allocating more money results in achieving more sport success. An effective sport management policy can result in more Olympic medals, that is, a greater number of successful athletes, also in economically less developed countries or in countries with a smaller population. All the research conducted so far has dealt with the allocation of funds from the state budget, but the allocation of funds for sports at local levels has received little attention, mostly because it is difficult to obtain the data needed to conduct the research. Therefore, in the context of funding elite sport, we would like to point out the place and importance of funding local sport in creating the success of athletes in elite sport. It observed on the example of the Republic of Croatia and its four largest cities, which operate under the same existing legislative framework related to local sport, but have different, autonomous ways of managing the available financial resources in implementing sport programmes. Aim: The aim of this research is to determine the correlation between public funding in four largest Croatian cities and the total number of active and elite athletes in 15 Olympic sports (five team and six individual sports and four martial arts) from 2016 to 2019. I will observe how the allocated funds and their structure (the costs of using sport facilities, coaches’ salaries, competitions, youth development programs) affect the results achieved in official competitions. The results will be measured by the number of elite category 1, 2 and 3 athletes, the number of active athletes in the competition system and the number of clubs funded. To determine the achievement of this goal, I put forward four hypotheses, which were expanded with sub hypothesis during research. H1: There is a significant difference in funding sport by the number of funded clubs and active athletes among the cities observed. Hypothesis H1 was expanded with testing for each group of sports (H1-1 team sports, H1-2 martial arts and H1-3 individual sports). H2: There is a significant correlation between the allocation of funds from the budget for the programmatic use of sport facilities, coaches’ salaries, competitions and youth development programs and indicators of sport quality, measured by the number of elite athletes, especially category 1, 2 and 3 elite athletes, and mass participation in sport, measured by the number of active athletes in five Olympic team sports in all four Croatian cities together. The hypothesis was expanded by testing the correlations in team sports for each city separately (H2-1 for Zagreb, H2-2 for Split, H2-3 for Rijeka and H2-4 for Osijek). H3: There is a significant correlation between the allocation of funds from the budget for the programmatic use of sport facilities, coaches’ salaries, competitions and youth development programs and indicators of sport quality, measured by the number of elite athletes, especially category 1, 2 and 3 elite athletes, and mass participation in sport, measured by the number of active athletes in four Olympic martial arts in four Croatian cities. The hypothesis was expanded by testing the correlations in martial arts for each city separately (H3-1 for Zagreb, H3-2 for Split, H3-3 for Rijeka and H3-4 for Osijek). H4: There is a significant correlation between the allocation of funds from the budget for the programmatic use of sport facilities, coaches’ salaries, competitions and youth development programs and indicators of sport quality, measured by the number of elite athletes, especially category 1, 2 and 3 elite athletes, and mass participation in sport, measured by the number of active athletes in six Olympic individual sports in four Croatian cities. The hypothesis was expanded by testing the correlations in individual sports for each city separately (H4-1 for Zagreb, H4-2 for Split, H4-3 for Rijeka and H4-4 for Osijek). Methods: The research covered funding from 2016 to 2019, allocated to the clubs and city associations that govern summer Olympic sports, that is, five team sports (basketball, football, handball, volleyball and water polo), four martial arts (boxing, judo, karate and taekwondo) and six individual sports (athletics, gymnastics, rowing, shooting sports, swimming and tennis) whose athletes are funded from city budgets, provided that the clubs and associations governing the selected sports are co-funded in each of the cities: Zagreb, Split, Rijeka and Osijek. The methods used in the research were the univariate and multivariate analyses, the quasi-canonical analyses used to determine the correlation between public funding of sport programs and athlete achievements in the four Croatian cities together, measured by the number of registered elite athletes, and the main components analysis used to determine the correlations in each of the cities. Results: The results of this research have shown that there are statistically significant differences in funding among the observed cities. Zagreb allocates significantly more funds than the other cities according to the given or manifest data in all groups of sports and all observed types of sport funding. But, the correlations changed after standardizing the data values, excluding the influence of the number of clubs and active athletes. The actual allocation of funds to sport shows that the City of Zagreb allocates the most funds, except for sport facilities. Rijeka allocates the most funds for team sports facilities. However, Rijeka is the city that allocates the least funds of all the cities for international and domestic competitions, as well as for youth development programs. Osijek allocates the least funds of all the cities for sport facilities and coaches. The city of Split allocates less funds for sport facilities, but it is right behind Zagreb by actual allocation of funds for coaches’ salaries, international and domestic competitions and youth development programs. The differences by groups of sports are not identical, but the above observation stands in general. According to the first discriminant function, the observed cities differ statistically significantly in the entire set of observed variables; in team sports funding, the discriminant value is 1.737 and the standard deviation of differences is 2.826. In the martial arts, the discriminant value is 1.694 and the standard deviation of differences is 2.136, while the discriminant value in the individual sports is 2.813 and the standard deviation of differences is 2.348. It is therefore possible to accept the H1 hypothesis for standardized data. The differences are significantly larger in manifest values and they can be seen in Chapter 4 Results under item 4.1. The correlation between funding and the number of active athletes in all groups of sports in all four cities together is statistically significant, as is the correlation between funding and the number of category 1,2 and 3 elite athletes in all groups of sports (team sports, martial arts and individual sports). Therefore hypotheses H2, H3 and H4 can be accepted. There is an exception in the team sports, where there is no correlation between funding and the number of category 2 elite athletes. There is no correlation between funding of sport facilities and all categories of elite athletes in individual sports. All above observations apply to the data from all four cities together and all groups of sports. The correlation between funding the team sports and the number of active athletes and category 1, 2 and 3 elite athletes is statistically significant, which results from the quasi-canonical correlation of 0.847, with the quasi-canonical determination of 0.717. In the martial arts, the quasi-canonical correlation is 0.863, with the quasi-canonical determination of 0.745, while the quasi-canonical correlation in the individual sports is 0.939, with the quasi-canonical determination of 0.882 for all cities together. The existing funding differs from the actual funding, which is obtained by standardizing data values. With standardized values, the correlation between funding and sport quality is different for each city and group of sports. In the team sports, there is a statistically significant correlation (Spearman's correlation coefficient) between the data sets – the funding components and quality components through the categorization of athletes of all categories. In Zagreb, rs is 0.719. In Split, there are also statistically significant correlations – rs is 0.515, while in Rijeka, there are no statistically significant correlations at all – rs is 0.468, and in Osijek, there is a statistically significant correlation only in category 3 elite athletes – rs is -0.857 and it is negative. In the martial arts, statistically significant correlations differ from city to city. The city of Rijeka has the best correlation – rs is 0.903. In Split, rs is -0.717, in Zagreb, rs is -0.659 and in Osijek, rs is -0.638 – there is a correlation, but it is negative. In the individual sports, Rijeka has the best correlation between funding and sport quality – rs is 0.800. It is followed by Split – rs is 0.678, Zagreb – rs is 0.572 and Osijek – rs is 0.509. The correlations differ by individual variables. Conclusion and discussion: In terms of relative amounts, the observed cities allocate different percentages of their budgets to the sport system: Rijeka allocates the largest percentage, followed by Split and Osijek. The City of Zagreb allocates the smallest percentage of its budget and it has the largest budget, the largest population, the largest number of funded clubs, active athletes and elite athletes. The relations are different when it comes to the absolute amounts. Zagreb allocates the most money, followed by Split, Rijeka and Osijek. The research conducted on the selected 15 Olympic sports (three groups of sports) has shown that Zagreb actually provides the most funding, with large differences when compared with other cities, but under the current funding model. After excluding the impact of the number of clubs and active athletes from funding sport programs, the differences have narrowed somewhat, but Zagreb is still leading in all variables of funding, except in team sport facilities, where Zagreb allocates slightly less funding than Rijeka. However, attention should be paid to the fact that figures for sport facilities are only cost estimates (for facilities managed by institutions or companies), while the costs are accurately stated in all other variables. The highest quality sport facilities are managed by companies or institutions founded by the cities, and these data have been evaluated. There are no clear price lists for individual sport facilities, which would enable making precise cost statements for their use, comparable among the cities. Funds are allocated for the overall functioning of the legal entities that manage the sport facilities and not only for the costs of the sporting use of the facilities. In the team sports, the costs of youth development programs and international and domestic team sport competitions make up the largest share in the structure of differences among the cities according to the first discriminant function. In the martial arts, it is the cost of coaches’ salaries and facilities, while in the individual sports, it is the cost of coaches’ salaries and competitions, for standardized values or actual funding. There are statistically significant correlations between the number of active athletes and funding of the team and individual sports and martial arts, which was observed on standardized data in four cities collectively. The correlation between funding and the number of elite athletes is present in all groups of sports, but the strongest correlation is always found with the number of category 3 elite athletes. That category primarily comprises national finalists or athletes with several top placements in national leagues, as well as athletes in lower placements at international competitions. These results are expected, because they concern funding at the local level, where a large number of national level elite athletes participate in competitions. There is also a correlation between funding and category 1 elite athletes, who are mostly Olympic, world and European championships medallists or athletes who place 8th or higher in such major international events, which differs from sport to sport. It is interesting that there is a significant correlation between funding and the number of category 1 elite athletes, while the correlation in category 2 elite athletes is the smallest or it does not exist at all, as is the case in the team sports. In the martial arts and individual sports, the correlations between funding and category 1 and 2 elite athletes are similar. Allocating more funding to the mentioned costs will result in a larger number of category 1 and 2 elite athletes. In the individual sports, there is no correlation between any category of elite athletes and sport facilities. The existing funding models (given or manifest values) show correlations in some variables for all groups of sports and each of the cities. However, when we look at the correlation between the components of funding and the level of sport quality with standardized values or actual funding in each city separately, the strongest correlations are found in the team sports in the City of Zagreb, in the martial arts in Rijeka, and in the individual sports in Rijeka and Split. The results of the correlation between funding and the level of sport quality should be known to decision-makers in the Republic of Croatia at the national level, because there is often no link between the funding of local and national sports. It is mostly symbolic, except in recent years, when the Ministry of Tourism and Sport - Sport Directorate has increased funding for local sports, while the Croatian Olympic Committee allocates small funds for local sports. Funding local sport is the basis of every sport. This funding level could make the difference in what makes a country more successful than its competitors, because all countries follow what is happening around them, and take over the models and knowledge that others have gained. Decision-makers (sport and city administrations) should analyse the results of their funding, in order to verify the results of public funding. This research could make a small contribution to that end. |
