SPECIALE DATI – Stress fisico e mentale nel Calcio: quanto impatta e come si misura in Italia e in Europa

Le squadre di Serie A stabilmente impegnate in competizioni nazionali ed europee mostrano variazioni significative di performance nei mesi ad alta densità di partite rispetto ai mesi a bassa densità?

Introduzione

La congestione del calendario rappresenta una delle principali sfide del calcio moderno, soprattutto per le squadre di vertice che competono contemporaneamente in campionati nazionali, coppe domestiche e competizioni europee. Periodi caratterizzati da frequenze elevate di partite possono incidere sulla performance complessiva, sugli equilibri tattici e sull’efficienza offensiva e difensiva.

L’analisi si concentra sulle stagioni 2017/18 – 2024/25, con la Serie A come focus principale, e utilizza Premier League e Liga come benchmark internazionale. Il campione include esclusivamente squadre stabilmente impegnate nelle competizioni europee, garantendo così una reale esposizione alla congestione del calendario.

Per preservare la robustezza del modello e ottenere risultati interpretabili, l’analisi considera il differenziale di expected goals (xG_diff) come misura principale della performance, sintetizzando l’effetto combinato di produzione offensiva e solidità difensiva. A complemento, è stata effettuata un’analisi descrittiva su xG medio e xGA medio, per osservare come variano attacco e difesa nei mesi di maggiore e minore densità di partite.

L’analisi distingue due dimensioni della congestione:

• Densità quantitativa, misurata come numero di partite giocate nel mese.
• Intensità competitiva, sintetizzata in un indice continuo di Competitive Stress, calcolato combinando la percentuale di partite europee e il livello medio degli avversari affrontati.

Il modello econometrico utilizzato è una regressione lineare con effetti fissi per squadra e stagione, isolando l’impatto della densità e dell’intensità competitiva dalle caratteristiche strutturali delle squadre e dalle variazioni stagionali comuni.

 

Modello Econometrico

Il modello stimato analizza la performance media mensile delle squadre, considerando sia la congestione del calendario sia l’intensità competitiva:

Dove:

• Matches_it = numero di partite ufficiali disputate nel mese (densità del calendario).
• Competitive_Stress_it = indice di intensità competitiva, calcolato come combinazione tra percentuale di partite europee e media xGA normalizzata degli avversari, ponderata dal coefficiente α:

CompetitiveStress_it​=α_stress​⋅(%partite europee)+(1−α_stress​)⋅(media xGA normalizzata degli avversari)

Con α_stress = 0.5, si dà lo stesso peso alle partite europee e alla forza degli avversari nella costruzione dell’indice. Questo permette di misurare in modo bilanciato l’intensità competitiva: non solo quante partite europee si disputano, ma anche quanto sono forti gli avversari affrontati.

• FE_Team e FE_Season: effetti fissi di squadra e di stagione che assorbono rispettivamente le caratteristiche strutturali invarianti di ciascuna squadra e gli shock comuni al periodo analizzato.
• ε_it: termine di errore idiosincratico.

I coefficienti β1 e β2 misurano l’impatto marginale della densità e dello stress competitivo sulle performance (xG_diff). La significatività statistica dei coefficienti è valutata con α = 0.05, corrispondente al livello classico di confidenza del 95% per la t-student dei coefficienti stimati.

In sintesi, nel modello:

• α_stress = 0.5 → costruzione dell’indice Competitive Stress
• α = 0.05 → livello di significatività per i test sui coefficienti

Questo approccio consente di distinguere tra gli effetti quantitativi della congestione (numero di partite) e quelli qualitativi della pressione competitiva (intensità e difficoltà degli avversari), fornendo una misura robusta della relazione tra calendario, stress e performance delle squadre.

Analisi descrittiva – Come il calendario influisce sulle performance delle squadre di Serie A

L’analisi delle stagioni di Serie A dal 2017/18 al 2024/25 evidenzia una relazione chiara tra numero di partite mensili e variazione della performance dei club stabilmente impegnati in Europa.

La performance, osservata tramite il differenziale di expected goals (xG − xGA), mostra che nei mesi a bassa densità (4-5 gare) le squadre di vertice registrano valori medi più alti. Nei mesi ad alta densità (7-9 gare), invece, si osserva una contrazione del saldo qualitativo: diminuisce la produzione offensiva netta, aumenta la gestione tattica delle gare e si registra minore continuità nel dominio territoriale.

L’analisi descrittiva su xG medio e xGA medio conferma questi trend: nei mesi con più partite, l’attacco tende a essere leggermente meno incisivo e la difesa leggermente più vulnerabile. Queste variazioni non sono estreme, ma segnalano come la fatica accumulata influenzi entrambi i reparti, anche quando il differenziale complessivo resta positivo.

La soglia critica

Dall’osservazione longitudinale emerge una soglia ricorrente tra le 6 e le 8 partite mensili. Oltre questo intervallo:

• Il differenziale xG medio tende a ridursi.
• Aumenta la volatilità delle prestazioni.
• Diminuisce la capacità di mantenere standard qualitativi costanti.

Le stagioni 2017/18 e 2018/19 mostrano con chiarezza questo effetto nei mesi primaverili, quando le squadre impegnate su più fronti registrano un ridimensionamento della qualità rispetto ai mesi autunnali.

Il caso limite della densità estrema

La stagione 2019/20, con la concentrazione post-lockdown fino a 8-9 partite in poche settimane, ha evidenziato differenze marcate: alcune squadre hanno subito un calo significativo del differenziale xG, altre hanno mantenuto livelli relativamente stabili grazie a rotazioni efficaci e semplificazione dei principi di gioco.

L’evidenza suggerisce che la densità del calendario amplifica le differenze organizzative: non tutte le squadre reagiscono allo stesso modo allo stress competitivo.

Effetto cumulativo e stanchezza residua

Un elemento ricorrente nelle stagioni più recenti è l’effetto ritardato. Il mese con il peggior differenziale xG non coincide sempre con quello con il maggior numero di gare, ma talvolta con il mese successivo. Questo fenomeno indica una stanchezza accumulata, con un impatto sulla qualità della prestazione che si manifesta con latenza temporale.

La congestione del calendario, dunque, non produce solo un effetto immediato, ma anche cumulativo.

Evoluzione 2021–2025

Dal 2021 in avanti si osserva una crescente polarizzazione tra club strutturati e squadre meno attrezzate.

Alcune realtà stabilmente presenti nelle competizioni europee mostrano maggiore resilienza statistica, mantenendo differenziali xG positivi anche con 7-8 gare mensili. Al contrario, squadre con rose meno profonde o in fase di transizione tecnica registrano cali sistematici nei mesi di picco.

Nel 2024/25 emerge persino uno spostamento della soglia di saturazione per i club più organizzati, capaci di mantenere stabilità qualitativa in contesti che, nelle stagioni precedenti, generano flessioni evidenti.

Confronto europeo

Il confronto suggerisce che:

• in Premier League l’alta densità è strutturale, ma i club con maggiore profondità riescono a mantenere differenziali xG elevati anche oltre le 8 partite mensili;
• in Liga il comportamento risulta più simile alla Serie A, con una riduzione della qualità media oltre la soglia delle 6-7 gare.

Il benchmark rafforza l’ipotesi che la densità del calendario operi come fattore discriminante tra modelli organizzativi, più che come semplice variabile fisica.

Le evidenze empiriche

Alla luce dell’osservazione descrittiva emerge un quadro coerente con la domanda di ricerca: le squadre di Serie A stabilmente impegnate in competizioni europee mostrano variazioni sistematiche del differenziale xG nei mesi ad alta densità rispetto a quelli a bassa densità.

La flessione tende a manifestarsi in modo più evidente oltre la soglia delle 6-8 partite mensili, suggerendo l’esistenza di un punto critico oltre il quale la qualità media della performance risulta più difficile da mantenere.

L’impatto, tuttavia, non appare uniforme: profondità della rosa, stabilità tattica e gestione dei carichi sembrano modulare la capacità di assorbire lo stress competitivo.

L’analisi descrittiva indica dunque l’esistenza di una relazione tra densità del calendario e variazione della performance. La successiva fase quantitativa sarà finalizzata a verificarne la significatività statistica e a stimarne l’intensità, fornendo una misura oggettiva dell’effetto osservato.

Analisi quantitativa: Influenza della densità del calendario e dello stress competitivo sulle performance attese

Per valutare come la densità mensile influisce sulle performance, è stato utilizzato il differenziale di expected goals (xG diff). Per coerenza statistica, è stata inclusa anche la variabile stress competitivo, ponderata in base al tipo di competizione, così da riflettere il diverso carico psicofisico associato ai vari contesti nazionali e internazionali.

• Serie A: 1
• La Liga: 1
• Premier League: 1
• Coppa Italia: 1,2
• Copa del Rey: 1,2
• FA Cup: 1,2
• EFL Cup: 1,15
• FA Community Shield: 1,25
• Supercopa de España: 1,3
• UEFA Champions League: 1,7
• UEFA Europa League: 1,5
• UEFA Conference League: 1,4
• Altre competizioni: 1

Le regressioni lineari sono state stimate con errori standard robusti (HC1) per correggere eventuale eteroschedasticità. Significativo è un p-value < 0,05.

Risultati dei modelli

Serie A

Modello 1 – Solo stress competitivo

Analizzando esclusivamente lo stress competitivo, il coefficiente stimato è β = -1,369 con p-value < 2,2e-16. Questo indica che, lungo l’intero arco delle stagioni considerate, l’intensità della competizione ha un impatto statisticamente significativo sul differenziale di expected goals (xG diff) delle squadre. In pratica, mesi con maggiore stress competitivo – derivante da partite europee e forza degli avversari – mostrano una tendenza a una riduzione significativa del differenziale, suggerendo che un calendario più gravoso o incontri più impegnativi incidono concretamente sulle performance.

Modello 2 – Solo densità di partite

Considerando soltanto la densità mensile delle partite, il coefficiente risulta β = 0,0063 con p-value = 0,617. In questo caso, la densità da sola non produce effetti significativi sul rendimento delle squadre, suggerendo che i club di Serie A sono generalmente in grado di gestire periodi con calendario fitto senza impatti evidenti sul differenziale di xG.

Modello 3 – Effetto combinato di stress competitivo e densità

Nel modello combinato, lo stress competitivo mantiene un coefficiente negativo e altamente significativo (β = -1,370, p < 2e-16), mentre la densità mostra un coefficiente positivo e marginalmente significativo (β = 0,022, p = 0,044). Questo suggerisce che, lungo l’intero arco delle stagioni analizzate, l’effetto predominante sulle performance è determinato dallo stress competitivo, mentre la densità mensile delle partite contribuisce solo marginalmente.

In termini pratici, l’“adrenalina” o la pressione derivante dall’intensità delle competizioni pesa molto più della semplice quantità di partite ravvicinate. Il modello sottolinea quindi come, nella Serie A storica considerata, lo stress competitivo sia il fattore principale sulle prestazioni, mentre la congestione del calendario giochi un ruolo secondario ma non completamente trascurabile.

La Liga

Modello 1 – Solo stress competitivo

Analizzando esclusivamente lo stress competitivo, il coefficiente stimato è β = -1,273 con p-value < 2,2e-16. Questo indica che, lungo l’arco delle stagioni considerate, l’intensità della competizione ha un impatto statisticamente significativo sul differenziale di expected goals (xG diff) delle squadre spagnole. In pratica, mesi con maggiore stress competitivo – derivante da partite europee e forza degli avversari – mostrano una riduzione significativa del differenziale, confermando che l’intensità degli impegni incide concretamente sulle performance.

Modello 2 – Solo densità di partite

Considerando soltanto la densità mensile delle partite, il coefficiente risulta β = 0,0065 con p-value = 0,706. In questo caso, la densità da sola non produce effetti significativi sul rendimento delle squadre, suggerendo che i club della Liga sono generalmente in grado di gestire periodi con calendario fitto senza impatti evidenti sul differenziale di xG.

Modello 3 – Effetto combinato di stress competitivo e densità

Nel modello combinato, lo stress competitivo mantiene un coefficiente negativo e altamente significativo (β = -1,274, p < 2,2e-16), mentre la densità mostra un coefficiente positivo ma non significativo (β = 0,016, p = 0,291). Questo suggerisce che, lungo l’intero arco delle stagioni analizzate, l’effetto predominante sulle performance è determinato dallo stress competitivo, mentre la densità mensile delle partite contribuisce solo marginalmente.

In termini pratici, la pressione derivante dall’intensità delle competizioni pesa più della semplice quantità di partite ravvicinate. Il modello evidenzia quindi come, in La Liga, lo stress competitivo sia il fattore principale sulle prestazioni, confermando la resilienza delle squadre spagnole rispetto alla congestione del calendario.

Premier League

Modello 1 – Solo stress competitivo

Analizzando esclusivamente lo stress competitivo, il coefficiente stimato è β = -1,476 con p-value < 2,2e-16. Questo indica che, lungo l’arco delle stagioni considerate, l’intensità della competizione ha un impatto altamente significativo sul differenziale di expected goals (xG diff) delle squadre inglesi. Mesi con maggiore stress competitivo – derivante dalla combinazione di partite europee e forza degli avversari – mostrano una chiara riduzione del differenziale, confermando come la pressione competitiva incida concretamente sulle performance delle squadre di Premier League.

Modello 2 – Solo densità di partite

Considerando soltanto la densità mensile delle partite, il coefficiente risulta β = 0,0271 con p-value = 0,100. In questo caso, la densità mostra un effetto marginalmente non significativo sul rendimento delle squadre, suggerendo che i club inglesi possono gestire periodi con calendario fitto senza impatti rilevanti sul differenziale di xG, anche se il segnale è leggermente positivo.

Modello 3 – Effetto combinato di stress competitivo e densità

Nel modello combinato, lo stress competitivo mantiene un coefficiente negativo e altamente significativo (β = -1,476, p < 2,2e-16), mentre la densità mostra un coefficiente positivo con significatività marginale (β = 0,0258, p = 0,066). Questo suggerisce che, nell’insieme delle stagioni analizzate, l’effetto predominante sulle performance è determinato dallo stress competitivo, mentre la congestione del calendario ha un ruolo secondario e solo leggermente influente.

In termini pratici, la pressione e l’intensità degli impegni – soprattutto legati a competizioni europee e avversari più forti – pesano più della semplice quantità di partite ravvicinate. Il modello evidenzia quindi come, nella Premier League storica considerata, lo stress competitivo sia il fattore chiave che guida le prestazioni delle squadre, mentre la densità di partite contribuisce solo marginalmente.

I coefficienti si riferiscono solo alle partite con xG disponibile; la selezione non casuale e la ponderazione delle competizioni devono essere considerate nell’interpretazione.

Il confronto Serie A, Liga e Premier: come stress e calendario cambiano il gioco

Analizzando Serie A, Premier League e Liga emerge come stress competitivo e densità del calendario influenzano le squadre in modi differenti.

L’analisi descrittiva evidenzia che, nei mesi ad alta densità, le squadre italiane mostrano una leggera riduzione di attacco (xG medio) e un aumento della vulnerabilità difensiva (xGA medio), con conseguente calo del differenziale di performance (xG_diff). Nei mesi a bassa densità, invece, attacco e difesa mantengono valori più favorevoli, confermando l’esistenza di un punto critico oltre il quale la congestione impatta la continuità qualitativa.

L’analisi quantitativa conferma questi trend e consente di stimare in modo oggettivo l’impatto dei due fattori principali. In Serie A, lo stress competitivo emerge come il fattore predominante, mentre la densità delle partite ha un effetto marginale. In Premier League, lo stress competitivo pesa ancora di più, ma la densità, se gestita correttamente grazie a rotazioni e profondità delle rose, può supportare le performance anche nei periodi più intensi. Nella Liga, lo stress competitivo ha un effetto negativo evidente, mentre la densità rimane meno rilevante, mostrando una maggiore stabilità nelle performance complessive delle squadre.

In sintesi, motivazione e fatica emergono come due facce della stessa medaglia. Saper gestire lo stress competitivo può dare un vantaggio, ma senza un’adeguata gestione dei carichi le performance calano inevitabilmente. Per i club italiani, il punto chiave resta bilanciare spinta agonistica e preservazione delle energie fisiche e mentali lungo tutta la stagione, condizione indispensabile per garantire continuità di rendimento.