SRA 497A:  Infosci Stat 

 Team Project 2 

    

Executive Summary: Police Incident Analysis at Penn State Football Games 

     

  

Team Delta   

Cole Worthing ­ ctw129@psu.edu  

Jenn Kauffman ­ jxk5317@psu.edu   

John Skotleski ­ jms6810@psu.edu  

Camillo Devia ­ jcd5300@psu.edu          

 

Purpose  The purpose of this analysis is to give information to police that will better inform their staffing decision for Penn State football games based on several variables associated with incidents that occur at Penn State football games.  Research Question  What variables best predict the number of incidents that take place during Penn State football games?  Variables  The variables the team examined to address our research question are those that would have any potential effect on the results. These variables are:  

Calendar Year The year may have an effect on incidents during games due to outside events in that year 

Event marker  The period of time that the game is in, this could be before or after the game, as well as which quarter the incident took place in. 

Time of kickoff  The time at which the game actually started, could be any time between 11am and 8pm 

Conference game   Whether or not the game that the incident took place in was a conference game 

Ranked team  Whether or not the team Penn State is against is ranked and seeded or not. 

Homecoming game  Whether or not the game is Penn State’s homecoming game 

Thanksgiving weekend game  Whether or not the game is Penn State’s Thanksgiving weekend game (typically less patrons attend this game) 

Overtime game  Whether or not the game the incident took place in went into overtime (denotes a game that was close in score) 

Won the game  Determines if Penn State won or lost the game 

Attendance  Whether there was under 100,000 attendees or over 100,000 attendees 

Weather  The temperature of the game, ranging in groups of 10 from 30­80. 

 

 

 Findings  From the tests, it can be seen that all of the variables analyzed in the one­way chi­square test were found to be statistically significant except for the conference game.  Attachment 1 shows the chi­squared values from SPSS and the degrees of freedom needed to get the critical value to determine if the analysis is statistically significant.  Only the conference game variable had a critical value that was higher than computer chi­square, showing that conference game has no statistical significance. This could be because there are fewer conference games throughout the season which could result in a sample size that is too small to show any statistical significance.  The phi coefficient from the Excel document, Attachment 3, shows that only the time of kickoff and attendance have strong practical significance.  The rank, overtime, win status, and weather all have a moderate practical significance. Whether the game was a conference game or on Thanksgiving weekend showed a weak practical significance.  The homecoming game showed no practical significance at all.  In Attachment 4, a clear summary of the results from the excel calculations can be found.  The two­way chi­square test compares the kickoff time to the attendance rate.  These results, seen in Attachment 2, show that the difference in stadium attendance from games that started between 11:00am and 12:00noon is below 100,000 attendees.  For games that start between 2:30pm and 3:30pm there was no significant difference found between games with more than or less than 100,000 attendees.  For games that start between 5:00pm and 8:00pm show that there are more games with over 100,000 attendees.  Interpreting these results, it can be seen that the attendance size increases the later in the day the kickoff time of the game is.  The Cramer’s V of 0.39 shows us that there is a moderate relationship between the time of kick off and the attendance of the game.    Recommendations  To account for the increase in attendance size for games that take place later in the day, e recommend that the police increase their presence for games where kickoff times are between 5:00pm and 8:00pm. While it is important to take note that increasing the amount of police present will cost more money, there are ways to cut back on costs.  For instance, decreasing the police presence for games with a kickoff time between 11:00am and 12:00pm will result in a cost decrease and the decrease would be efficient because the tests show that attendance for these games is commonly less than 100,000.  Cautions  There are a few cautions to consider when running a chi­square test.  Firstly, these tests are nonparametric and therefore have fewer assumptions and are less powerful than parametric tests. A nonparametric test is prone to a Type 1 error due to its more “relaxed” nature. The Type 1 error is a false positive and can be devastating to our results because it may cause the interpreters to see connections to incidents occurring that are not actually existent. The severity surrounding the 

 

occurrence of the error depends on the output in the data set. In this case, a Type 1 error would cause the results to be dramatically skewed.  Secondly, it is crucial that our data is statistically significant and practically significant. Statistical significance determines whether or not the data collected was large enough to be considered actually relevant, if the tests are not statistically significant then the entire study can be considered skewed and without much value. Additionally, practical significance determines whether or not the results have an impact in the study. Even if our results are not statistically significant they may still show some value to the study and be practically significant. In the best case scenario the results generated will be both statistically and practically significant.                           

 

  Attachment 1:  One­Way Chi­Square Test This attachment shows the computed one­way chi­square values for the different variables.  Year 

  Kickoff Time 

      

 

   Event Marker 

  Thanksgiving Weekend 

       

 

   Overtime 

  Attendance 

  Conference Game 

 

  Won 

  Ranked 

 

             Homecoming 

  Weather 

 

         Attachment 2:  Two­Way Chi­Square Test This attachment shows the two­way chi­square test that compares time of kickoff to the attendance of the game. 

 

   Attachment 3:  Excel Spreadsheet This attachment shows the calculations for the one­way chi­square test done in Excel.