[討論] 用簡單的統計模型來看得分

[ddtddt (得)]

LM模型: Runs ~ Hits + HR + BB + SO + SB + LOB + GIDP


Summary
            Estimate Std. Error t value Pr(>|t|)

(Intercept) -1.57802    0.56442  -2.796 0.010534 *
Hits         0.83505    0.07197  11.603 7.57e-11 ***
HR           0.45883    0.15011   3.057 0.005781 **
BB           0.67218    0.08538   7.873 7.70e-08 ***
SO          -0.01054    0.03427  -0.308 0.761327
SB           0.08393    0.10157   0.826 0.417501
LOB         -0.47437    0.10059  -4.716 0.000105 ***
GIDP        -0.67690    0.15199  -4.453 0.000199 ***

Multiple R-squared: 0.9718,     Adjusted R-squared: 0.9628


首先，這結果告訴我們，用以上這些參數來估計所得分數可以估的相當的準確。

這些各樣打擊數據，幾乎可以解釋97%會得多少分的影響。



安打，HR，獲得保送，如常識所知的會提高得分。

盜壘多會增加多一點點的得分，三振多則會使得分少一點點，不過影響都不明顯。



安打、HR、保送對分數的重要性，我配了另外一個模型為了避免共線性

安打 : HR : 保送 對分數影響的比重為 1 : 2.4 : 0.7



殘壘多的球隊會使得分減少，雙殺更是明顯的影響著得分，

大約每次雙殺會使得得分少得0.6分。



最後則是來看看各隊的期望得分與實際得分。


        RS/G   期望RS/G  分數差  名次差

BOS     5.355   5.324    0.030
NYY     5.152   4.981    0.171
TEX     4.938   4.869    0.069
TOR     4.708   4.826   -0.118
CIN     4.705   4.712   -0.007     +1
STL     4.663   4.747   -0.084     -1
ARI     4.495   4.619   -0.124
NYM     4.436   4.500   -0.064
COL     4.432   4.418    0.014     +1
DET     4.411   4.458   -0.048     -1
CLE     4.387   4.281    0.107     +4
MIL     4.375   4.405   -0.030
KC      4.358   4.401   -0.043
PHI     4.266   4.188    0.078     +2
TB      4.237   4.405   -0.168     -4
BAL     4.109   4.290   -0.182     -2
ATL     4.074   4.133   -0.059
CHC     4.042   4.014    0.028     +1
CWS     4.021   4.077   -0.056     -1
FLA     3.989   3.961    0.028
PIT     3.968   3.886    0.081     +1
MIN     3.914   3.874    0.040     +1
HOU     3.884   3.787    0.097     +2
WAS     3.853   3.665    0.188     +3
ANA     3.813   3.918   -0.106     -4
LA      3.674   3.806   -0.132     -2
SF      3.656   3.713   -0.057     -1
OAK     3.490   3.346    0.143     +1
SD      3.344   3.370   -0.026     -1
SEA     3.189   3.225   -0.036





--
※ 發信站: 批踢踢實業坊(ptt.cc) 
◆ From: 211.76.175.169
推 Edison1174:祭死屍打線
推 ckevint:推一個 剛剛有看到:P
推 jarr2610:藍鳥第四名  分區也第四名QQ
→ Gwendaline:倒數6名全部集中在西區  國美西區火力到底有多弱啊...
推 jacky1990b:水兵硬是落後倒數第二快0.16分左右..幹得好orz
→ searoar:第一面看不懂
推 Yukirin:這模型幾個問題： 1.截距項的負數怎麼解釋？ 這跟Y為1 0的
→ Yukirin:機率模型一樣，我們無法理解Y小於0是什麼樣的情況。
→ Yukirin:2. 怕共線性的話，把H拆成1B 2B 3B HR丟進去更好，還可以
→ Yukirin:解決HR的係數比Hits還小的不直觀結果（要理解HR的得分期望
→ Yukirin:是Hits+HR也是挺麻煩的）
→ ddtddt:只是簡單的模型，就像把分數當常態，但不會有負和超過一百
→ Yukirin:3.LOB放進去的意涵是什麼？前面的東西都可以解釋成因果關
→ Yukirin:係，但得分跟LOB是同時發生的"結果"。
→ Yukirin:Sorry 我認真了
→ ddtddt:第一個模型純粹用來估計一個隊伍的平均得分用。:)
→ ddtddt:一些簡單的短評有另設模型，LOB並不在其中:)
→ ddtddt:謝謝你的comments :)
推 dickyman: 天氣姐姐的統計蠻牛的(￣ー￣；)
推 AWEDS:喜歡這種文章~
推 jojo2147:推，那請問分數差代表意義是打出期望的分數?
→ ddtddt:分數差 = 實際RS - 期望RS  可想成運氣or隱藏的因素所造成
→ ddtddt:隱藏因素也許包含:分區守備強度，打者心理素質，觀念等眾多
推 jojo2147:感謝回答，就是想問那些隱藏因素。
→ ddtddt:補充:分數差也一定有包含著因假設線性模型所造成的錯誤
→ ddtddt:謝謝jojo發問，謝謝aweds的賞臉
推 Mrlegend:ㄗㄠˋ
推 Mrlegend:跟跑壘技巧也有關
噓 njnw:模型適性分析...這純粹只是把想要的變數丟進去而已...
→ njnw:只要變數多 R square 就會高...這並不能解釋任何事情
→ njnw:3個基本假設 常態 共變異數 殘差 有檢驗過嗎?
→ njnw:另外 如果把H拆成1B 2B 3B HR 會發現通常只有HR會顯著
→ njnw:3B 太小就不用說了 (上面應該還有1B可能會顯著)
→ njnw:也會增加解釋模型的難度
推 danny789:請問你分析的樣本數夠大嗎?是否呈常態分配?
推 ust:樣本分配長怎樣??  有共線性的問題嗎??
推 AWEDS:啤酒說啥我都看不懂
→ uranusjr:@njnw 人家是用 adjusted R-square 不是嗎...
→ glthe1:水手表示:用哪種算法我的名次都一樣
→ ddtddt:我沒說這是正確的方式，只說用最簡單的方法來看
→ ddtddt:認為要更嚴謹的人就麻煩您來幫忙改正了。
→ ddtddt:沒有把2B 3B分出來也只是因為我手邊的資料沒有，所以沒分
→ ddtddt:資料是目前2011年的比賽，如果看平均得分的畫理論上是常態
→ ddtddt:說有共線是因為LOB明顯會和H BB HR有相關，所以我有改模型
→ ddtddt:我對njnw有點意見...就是你有檢驗過不是了嗎?為什麼要批評
推 Webb17:如果只想看結果 不用檢定的話 共線性應該沒甚差吧
→ ddtddt:估記得分的部分沒差，要看H HR BB的比重就有差
推 globekiller:史詩般的美西
→ globekiller:國西也是Orz....
推 MingXDD:就說盜壘是很無聊的事情(攤
→ MingXDD:而且這還沒記算CS的影響吧
推 r112:之前做報告老師說R 有0.3就不錯了耶
→ njnw:@uranusjr ARS不是更沒有統計意義可言...
→ njnw:@ddtddt 抱歉 其實不是批評 因為兩年前我做過類似的事
→ njnw:然後做完發現自己缺少以及不符合理論只是硬解釋的成分居多
→ njnw:然後看到這篇 真的離過得去的模型有點距離
→ njnw:至少殘叉分析要做吧...如果你有興趣我可以把我的資料寄給你看
→ njnw:但那並不是什麼能登大雅之堂的東西...後來想過修改
→ njnw:@至於共線性 妳變數選擇方式是用什麼? 自定嗎?
→ njnw:@r112 要看資料類型 像這種存在高度相關變數間 的R^2
→ njnw:妳變數越丟越多 就會一直上升 要0.99也很容易
→ njnw:其實真要建模 會比較建議使用主成分分析的方式來進行
推 njnw:另外就算你說用最簡單的方法來看 誤用統計工具可能會導致
→ njnw:錯誤的結論，你也說了"可能"不是正確的方式
→ njnw:(更正 妳沒說可能，是我說的) 那有人提出問題 也是無可厚非吧
→ ddtddt:你說的我都懂，好歹我統計唸了很多年，但我不是在寫論文
→ ddtddt:你可以試試看拿掉一些變數，R^2是否依舊高。
→ ddtddt:回應r112，看是哪方面的數據，描述人的行為的話的確0.3就高
→ ddtddt:我只是恰巧看到一數據，手邊沒工作就手賤跑個最簡單的，
→ ddtddt:跑出來的結果我覺得很make sense，於是分享。
→ ddtddt:還是感謝分享，如果您做出任何否定我的模型的結論，
→ ddtddt:我願意自D這篇:)  normality or residual or equal var都行
→ ust:其實你只要殘差有乾淨...  這個模型還是會有他的解釋力
→ ust:aweds弱了齁XD