Catatan metodologi analisis akurasi bola

Terlepas dari keterbatasannya, saya pikir ini adalah analisis yang jelas tentang bagaimana tim bermain. Seiring waktu, angka-angka ini dapat dilihat kembali dengan memvisualisasikan perubahan pola atau bahkan mengevaluasi sesuatu seperti efek yang dimiliki oleh seorang karyawan baru pada “gaya” tim. Mungkin yang paling penting, saya memberi saya (penggemar Sounders) sebelum saya menggertak sesuatu seperti “MEREKA TIDAK PERNAH MELIHAT BOLA SAAT MEREKA BISA”. Itu hanya bias saya berbicara.

Catatan Metodologi 1: Apa yang saya maksud dengan “tujuan semu yang diharapkan”

Prinsip dasar analisis ini adalah bahwa lokasi pemain di lapangan adalah penentu utama jenis tindakan yang dibutuhkan pemain, Bandar Bola namun hal itu dapat bervariasi menurut tim. Jadi, tujuannya adalah untuk mengukur probabilitas setiap tindakan sebagai fungsi seberapa bagus lokasi pengambilan gambar yang diambil. Dengan kata lain, jika tim yang diberikan memiliki bola di puncak 18 (lokasi pemotretan yang relatif bagus), berapakah kemungkinan mereka akan menembak, melewati atau menggiring bola? Dan bagaimana itu dibandingkan dengan bagian atas dari 6 (lokasi pemotretan yang lebih baik)? Bagaimana itu dibandingkan dengan sudut kotak (lebih buruk)? Apa probabilitas ini di lokasi yang sewenang-wenang di babak pertahanan (lokasi pemotretan yang sangat buruk)? Kunci untuk menjawab pertanyaan penelitian di atas adalah melakukan ini untuk setiap tim.

Pertama, untuk menilai posisi lapangan. Saya menghitung apa yang bisa disebut “sasaran semu yang diharapkan”, atau sasaran yang diharapkan (xG) di mana lokasi dan sudut merupakan satu-satunya faktor dalam metrik. Secara khusus, saya memperkirakan kemungkinan tembakan berubah menjadi gol untuk di mana-mana di lapangan menggunakan semua tembakan yang diamati (dan apakah berhasil atau tidak) sejauh musim ini. Itu adalah ukuran sampel 1.244 tembakan dari berbagai lokasi, 130 di antaranya menemukan bagian belakang jaring. Hal ini dilakukan dengan menggunakan regresi logistik sederhana (biasa untuk analisis seperti xG). Saya membatasi ini pada tembakan dari permainan terbuka dan tembakan dengan bola di kaki pemain untuk dapat dibandingkan dengan umpan dan giring.

Selanjutnya, untuk menghubungkan ini dengan pilihan tindakan. Seperti data tembakan, lompatan dan giring-giring bisa ditunjukkan persis di mana di lapangan terjadi. Jadi saya menghitung kemungkinan tembakan masuk ke setiap lokasi dalam data, terlepas dari jenis tindakannya. Dengan kata lain, seperti bertanya, “Jika seorang pemain entah bagaimana menemukan cara untuk menembak dari tempat ia melewati / menggiring bola, apa kemungkinan skornya?”

Sejauh ini, ini pada dasarnya hanya mengambil lokasi dari semua tindakan ofensif yang diamati dan mengkuantifikasi bagaimana posisi berbahaya sasaran. Bagian yang sulit adalah menggunakannya untuk menentukan kecenderungan berbagai tim. Untuk ini, saya menggunakan teknik yang disebut regresi logistik multinomial (lihat Catatan Metodologis 2). Ide dasarnya adalah bahwa secara teori seorang pemain bisa mencoba menembak, melewati atau menggiring bola dari mana saja, dan pilihannya terserah kepadanya. Saat bola semakin dekat dan mendekati gawang, semakin besar kemungkinan dia akan menembak, tapi itu tidak sama untuk setiap tim. Regresi logistik multinomial memungkinkan saya mengukur probabilitas masing-masing dari tiga tindakan (lulus / menembak / menggiring bola) yang terjadi sebagai fungsi posisi lapangan (diukur sebagai “sasaran semu yang diharapkan” yang didefinisikan di atas) dan melakukannya untuk masing-masing tim secara terpisah. Dalam (bahkan lebih) statistik berbicara, itu berarti sebuah istilah interaksi antara efek tetap tim dan tujuan semu yang diharapkan.

Catatan Metodologi 2: Rincian lebih lanjut tentang Regresi

Regresi logistik multinomial hanyalah metode statistik praktis untuk mengukur kemungkinan salah satu dari beberapa pilihan yang terjadi. Jika regresi logistik reguler mengukur kemungkinan “kepala” dalam lemparan koin, regresi logistik multinomial mengukur kemungkinan masing-masing bilangan dalam dadu-gulung (dengan sejumlah sisi mati).

Yang penting adalah memperkirakan hal tersebut secara bersamaan satu sama lain sehingga jumlahnya sempurna menjadi 100%. Pada grafik pertama di atas, Anda dapat secara harfiah menghitung tinggi tiga garis pada setiap penampang sepanjang sumbu x dan mendapatkan 100%. Berdasarkan prinsip-prinsip dalam Catatan Metodologi 1, tugasnya adalah melakukan persis di antara ketiga pilihan ofensif tersebut.

Dengan kata lain, jika pemain menemukan cara untuk menembak dari jarak mendekati 1 meter ke garis gawang yang menyerang, kemungkinan skor akan naik 0,12. Jika dia menembak dari jarak 1 meter lebih jauh dari garis tengah (semua sama), kemungkinan skor akan turun 0,07. Ini mungkin tampak seperti perbedaan kecil, tapi kita berbicara tentang keseluruhan bidang. Saya harus menunjukkan bahwa perkiraan ini sangat signifikan berdasarkan nilai-p.

 

Tinggalkan Balasan