Re: [閒聊] 尼克各球員的防守貢獻
感謝原po的用心整體,這篇只是一些我個人的看法和疑問。
: 給予每1%的efg% opp.加權=*200
: 等於靠FG的得分是79.29分(96.2-16.91=79.29)
: FGA 81.2次, FGM 36.4次 (同樣都是NBA per 48min 平均)
: 所以在efg%的公式下
: 可得 79.29分
: 因此每次投籃命中=79.29/39.6≒2.00
: 等於每減少1%的efg opp.代表守住2分
這邊不太清楚 39.6 由來,請問原意是要除以 36.4 嗎?
不過 79.29/36.4 是 per Field Goal Made 平均帶來的分數,
計算每減少 1% eFG% (每 100 FG Attempt)的分數應該是 100*1%*2=2 。
(雖然結果與原文 79.29/39.6 的結果一樣就是了)
: NBA平均每場(48min)poss.= 93.7次(poss.可以簡單解釋為『進攻』)
: 所以每次poss.=96.2/93.7≒1.03分
抱歉,我知道這部份旨在計算出聯盟的 DRtg 或一個類似 PER 裡的 VOP,
數字些微差異不是重點;
但還是好奇的想請問 poss48m= 93.7 這個數字的來源是?
因我查詢本季聯盟 DefEff(101.8,至4/15)或 DRtg(104.7,至4/19)
均不符合 103 這數字,小小疑問。
: 而每1%的drb%可以解釋為『每100次防守籃板可以抓到1次』
: 每抓到1次防守籃板也等於1次poss.
挑個定義上的問題,Poss 不依籃板增減,1OR 加進攻方一次 play,繼續該次 Poss。
: blk%的部分比較麻煩
: 因為火鍋搧出來 會是敵隊續攻或轉換球權的比例找不到統計
: 只好直接認為兩者各50%
這邊提供一個82g做的統計給您做設計公式的參考:
http://www.82games.com/comm16.htm
基本上自2000以降,聯盟平均 DR% 算是穩定,變幅都在 3% 內,
但火鍋後的 DR% 因人而異會有相當大的不同我認為會是將公式更細節化的難題。
另外以下一起說明個人看法,因為版面將您的一些縮寫更改至常見的方式;
A = D+-Net +200*OeFG + 103*DR% +103*.5*BK% + .75*OFTA + 1.03*OTO + DR/S/B
B = D+-Net + DR/S/B
Player A版 B版
T. Chandler -21.31 -10.4
Bibby 13.60 2.0
在A公式上,其實我認為很大的問題在於各項重複性太高,
一成功防守 play 價值被重複計算多次。
原po請先不要見怪,這邊是個人看法,不見得正確:)
例公式裡給減少 eFG% 分數,但又在 BK% 給予該 play 全額分數(部分重複給分)
,且將第1項的 Def/100 的 Net 值與2~6項做加總,畢竟該值是球員在場上各項防
守的綜合產物(當然該值沒有經過調整,不適直接比較),再加總個人認為等同2~6
項價值有一定機率完全重複計算,
而再加第7項 DR/S/B,則是如B公式,將 on/off 資料與原始數據揉合,這部份同
樣有極大的重複問題,因為球員的個人Box原始數據已反映於 on/off 體系中,例如
Tyson 的高籃板率即會直接或間接造成 off court 時團隊籃板率的相對衰退。
或者這樣說,就個人認知,現有數據統計方式大致為 Box Metrics 系統和 +/-系統
,而 on/off 數據橫跨了兩個系統(端看需要的資料類型),不同系統以不同形式
和模型統計同一件事情(試圖去量化球員場上的表現),輕易的做數據加總會造成
該數值含高重複率,會容易高/低/錯估球員的表現。
還有另一個顯而易見的問題是公式五、七項是per 48 min的統計,而其餘四項是per
100 possessions 或 per 100單位的統計。
A版公式中 Tyson 的分數達-21.31分,如果用聯盟 DRtg 去減該分數(因為公式中
的係數來自聯盟),Tyson 會得到 83.39 這史上空前絕後的單季個人 DRtg,而史
上第一的單季防守頭銜似乎讓人難以置信。
: 最後提供一篇文章
: 縮網址:http://0rz.tw/RUZXA
感謝提供,該文作者大致參考 Dean.Oliver 的理論基礎。
最後的數值應該是 Oliver 的 Individual DRtg play-by-play 版本。
: 我會修改成:防守光看『現有』的數據不準。畢竟有數據還是比較有參考、討論的依據
: 除非未來數據精進到記錄
: 個人單防\協防下的出手命中率、個人單防造成的犯規和失誤數...
: 這種非常個人且精確的數據 否則目前的防守數據還是太粗略
: 需要依靠過多的主觀和推論去進行處理
: 而on/off court 數據 就像+/-這類數據一樣 必須考慮到很多其他因素
: 像:先發在場時 面對的也是對方的先發 當然攻防都會比較困難
: 替補上場 多半也是面對對方的替補 攻防就比較容易
: 或者球員上下場時的隊友差異
: 還是得說 數據就是多個看球的樂趣 討論時多一點話題
: 有什麼錯誤還請板友包涵
其實防守數據個人很喜歡 RAPM(Regularized Adjusted Plus/Minus(+/-) )
的防守端數值,APM(Adjusted +/-)已用統計方式盡量去除原po您所考量的
同/敵隊的先發/替補影響,RAPM則是再將該值以 Bayesian 方法 Regularized
(沒有記統計上專有名詞中譯);當然這數據也是有不足之處,樣本需求相當大,
以及角色球員在不同隊不同定位時會有不小差距,當然或許這也未必是數字問題,
角色球員本來狀況就不穩定而容易因定位有所大起伏。
而 Neil Paine 也用 Dan Rosenbaum 模型設計出一個公式 DPA (Def Pts Added ),
理論也是很有系統地建構。http://www.basketball-reference.com/blog/?p=4516
一些個人看法,打得匆忙,一定有錯誤之處,
措詞上有讓phelyl板友你不舒服之處請讓我知道,感謝!
--
※ 發信站: 批踢踢實業坊(ptt.cc)
◆ From: 220.134.16.174
※ 編輯: Broli 來自: 220.134.16.174 (04/20 08:48)
推
04/20 09:13, , 1F
04/20 09:13, 1F
推
04/20 09:18, , 2F
04/20 09:18, 2F
推
04/20 09:32, , 3F
04/20 09:32, 3F
推
04/20 10:02, , 4F
04/20 10:02, 4F
推
04/20 11:32, , 5F
04/20 11:32, 5F
推
04/20 11:45, , 6F
04/20 11:45, 6F
推
04/20 11:50, , 7F
04/20 11:50, 7F
推
04/20 12:14, , 8F
04/20 12:14, 8F
推
04/20 12:43, , 9F
04/20 12:43, 9F
→
04/20 13:05, , 10F
04/20 13:05, 10F
→
04/20 13:06, , 11F
04/20 13:06, 11F
→
04/20 13:07, , 12F
04/20 13:07, 12F
推
04/20 14:08, , 13F
04/20 14:08, 13F
→
04/20 15:58, , 14F
04/20 15:58, 14F
※ 編輯: Broli 來自: 220.134.16.174 (04/20 15:59)
推
04/22 10:38, , 15F
04/22 10:38, 15F
討論串 (同標題文章)