Chi salirà sul podio a Los Angeles?

Il modello dietro queste previsioni è un Random Forest, scelto dopo aver confrontato cinque algoritmi di machine learning (OLS, Ridge, Lasso, Gradient Boosting e Random Forest) con cross-validation a 5 fold sulle edizioni 1968-2016. I modelli lineari si fermano a R² = 0.73, il Random Forest raggiunge R² = 0.75 in cross-validation. Usiamo questo modello per verificare che funzioni davvero su dati mai visti, testare se investire nello sport causa più medaglie, e stimare il medagliere di Los Angeles 2028.

Il modello funziona davvero? Test su Tokyo 2020

Abbiamo allenato il modello sulle edizioni 1968-2016 e verificato le sue previsioni su Tokyo 2020, un intero ciclo olimpico mai visto durante l'allenamento. Il risultato: R² = 0.86 (più alto della cross-validation, 0.75, perché quest'ultima è mediata su cinque test diversi con vari livelli di difficoltà, mentre Tokyo 2020 rappresenta un singolo scenario in cui il modello si è comportato particolarmente bene) e MAE = 4.2 medaglie per paese. Per i grandi paesi come USA e Cina l'errore è nell'ordine di poche unità, mentre per i paesi con 3-10 medaglie l'incertezza è naturalmente più alta in proporzione.

Nel grafico, la linea tratteggiata rappresenta la previsione perfetta (previsto = reale). L'outlier principale è il Giappone, dove l'effetto host non è completamente catturato dal modello: il paese ha vinto più medaglie di quante il sistema si aspettasse, proprio per il vantaggio di giocare in casa.

L'investimento causa le medaglie? Il test di causalità

Le correlazioni mostrano relazioni, ma non causalità: i paesi che vincono ricevono più fondi, il che potrebbe far sembrare che i fondi producano successo anche quando la direzione causale è opposta. Con un'analisi Difference-in-Differences confrontiamo le nazioni che hanno cambiato la spesa sportiva in modo diverso tra Tokyo 2020 e Paris 2024.

Il pattern è chiaro e monotono: chi ha aumentato la spesa oltre il 40% ha guadagnato in media +12.8 medaglie, chi l'ha mantenuta stabile è rimasto sostanzialmente invariato, e chi l'ha tagliata ne ha perse in media 8.5. Questa progressione ordinata tra i gruppi è la firma di un effetto causale, non solo di una correlazione casuale.

Le previsioni per Los Angeles 2028

Applicando il modello con le medaglie di Paris 2024 come base e proiezioni economiche sui trend recenti: USA 101 medaglie (meno delle 126 di Paris 2024, ma con un effetto host stimato dal modello di circa +15 rispetto a quello che avrebbero senza i Giochi in casa), Cina 91 (stabile), Gran Bretagna 66, Francia 62 (in calo dopo aver beneficiato dell'effetto host a Paris), Italia 39 (sostanzialmente stabile rispetto alle 40 di Tokyo 2020).

Vale la pena notare che questa stima è più generosa del precedente d'archivio: l'unica altra edizione USA senza boicottaggio, Atlanta 1996, mostrò un effetto host quasi nullo (+1% sulla propria media storica). Il divario riflette una differenza di metodo: il dato storico di Atlanta guarda una singola osservazione passata, mentre la stima del modello per il 2028 tiene conto anche del trend recente della squadra USA e delle dinamiche generali osservate su tutti i paesi ospitanti nel dataset. Va quindi letta come una stima con margine di incertezza, non come un valore garantito.

Gli intervalli di confidenza al 10-90%, calcolati dalla dispersione delle previsioni dei 300 alberi del Random Forest, sono più ampi per le nazioni medie (±10-15 medaglie per Olanda, Canada, Corea del Sud) e più stretti per USA e Cina (±10-12), riflettendo l'incertezza genuina su chi ha una traiettoria meno consolidata.

Risposta alla Domanda di Ricerca

Si, gli investimenti in infrastrutture sportive producono medaglie olimpiche. Il modello prevede con buona precisione anche su dati mai visti (R² = 0.86 su Tokyo 2020). Il test di causalità conferma che aumentare la spesa produce risultati misurabili nel ciclo successivo. Le previsioni per Los Angeles 2028 riflettono sia la storia recente di ogni nazione che l’effetto host per gli Stati Uniti, sebbene quest’ultimo vada considerato con un margine di incertezza maggiore rispetto al resto della stima.

Nota metodologica

Le previsioni assumono trend economici stabili e nessun evento geopolitico straordinario. Il modello non include la spesa élite come feature perché i dati SPLISS coprono troppo poche nazioni per il training. L’endogeneità non è completamente risolta (servirebbe una variabile strumentale formale): il DiD riduce il problema senza eliminarlo del tutto.