”If you’re 6-5, 230, run a certain time, there’s like 35 guys I can compare you to that have been successful in this league. Jos olet 5-11, niitä on kaksi, ellet sitten palaa Fran Tarkentoniin: Doug Flutie ja Russell Wilson. Se ei ole minusta kovin hyvä todennäköisyys. Saatat silti selvitä, mutta historia sanoo ei. Vaikka olet 5-11, se ei tarkoita, ettet voisi menestyä. Johnnylla on taikaa.” – Bruce Arians, Arizona Cardinalsin päävalmentaja
”Minusta tuntuu, että pelaan kuin olisin kolme metriä pitkä”. – Johnny Manziel
Helmikuussa NFL:n Scouting Combinessa hurjan suosittu Heisman Trophyn voittanut pelinrakentaja Johnny Manziel mitattiin virallisesti 71¾ tuuman ja 207 kilon mittaiseksi. Hänen pienikokoisuutensa oli niin kuuma puheenaihe ennen vuoden 2014 NFL-draftia, että media ei voinut vastustaa sanaleikkejä: ”Johnny Manziel Comes Up Short At NFL Combine ” (CBS Cleveland); ”The Long and Short of Johnny Manziel” (ESPN Cleveland); ”Will Johnny Manziel Measure Up for the Browns?”. (CantonRep.com).
Loppujen lopuksi Cleveland Browns valitsi Manzielin ensimmäisen kierroksen 22. varauksella. Kun useat QB-nälkäiset joukkueet olivat lähellä draftin kärkeä (mukaan lukien Browns, joka jätti väliin kaksi aiempaa tilaisuutta draftata Manziel, ensin vaihtamalla pois neljännen pickin ja sitten valitsemalla Justin Gilbertin kahdeksannella), useimmat odottivat hänen menevän korkeammalle.
Emme tiedä, miksi Manziel meni sinne, minne meni, mutta tiedämme, että hän on alimittainen asemaansa nähden. Ja historiallisesti NFL-joukkueiden lähestymistapa alimittaisiin QB:hin on ollut olla draftaamatta heitä – jos he ovat lyhyitä. Tutkimukseni osoittaa, että tämä strategia ei ole riittävän vivahteikas: Jos pituudella on merkitystä, NFL-joukkueet ovat jo ottaneet sen huomioon. Liian kevytrakenteisuus näyttää toisaalta olevan vahvempi ennustaja suorituskyvylle (tai sen puutteelle), eivätkä NFL-joukkueet näytä ottaneen sitä tarpeeksi huomioon.
Manzielin pituiselle QB:lle edes ensimmäisen kierroksen loppupuolella varaaminen on uskomattoman harvinaista. Vuoden 1967 fuusiosta vuoteen 2013 NFL-joukkueet valitsivat 209 pelinrakentajaa draftin kolmella ensimmäisellä kierroksella, mutta vain viisi heistä oli 72 tuumaa (6 jalkaa) tai lyhyempiä. Näistä viidestä valittiin ensimmäisellä kierroksella vain Michael Vick (jonka pituus on 6 jalkaa). Vertailun vuoksi: Vuodesta 1987 lähtien NBA-joukkueet ovat draftailleet viisi 6 jalkaa tai lyhyempää pelaajaa pelkästään ensimmäisen kierroksen 10 ensimmäisellä valinnalla.
Jos tarkasteltaisiin pelkästään noita viittä pelinrakentajaa, lyhyiden QB:iden draftaaminen näyttäisi melko hyvältä vedolta. Heidän uransa yhteenlaskettu Approximate Value (AV)1 on 260 – suurempi kuin kaikkien 12 QB:n yhteenlaskettu AV (210), jotka on listattu 78 tuumaa (6 jalkaa 6 tuumaa) tai pidemmiksi.
Tämä vertailu on vain huvittavaksi: Kyseessä on pieni otos, ja molemmissa näissä ryhmissä on mukana useita aktiivisia pelaajia, joilla on paljon tuottavia vuosia edessään. Se antaa kuitenkin viitteitä suuremmista ongelmista, jotka liittyvät siihen, miten NFL:ssä otetaan huomioon pituus.
Monissa mediassa ennen draftia tehdyissä scouting-raporteissa ei tehdä eroa pituuden ja painon välillä, vaan puhutaan usein pelaajan ”koosta” tai ”bulkista”. Mutta kun kyse on kokomittareista, NFL näyttää antavan paljon enemmän anteeksi kevyille pelinrakentajille kuin lyhyille. 71-72-senttisen pelinrakentajan keskipaino on 202 kiloa, mutta 27 tämän painoista tai sitä pienempää pelinrakentajaa on valittu kolmella ensimmäisellä kierroksella samalla ajanjaksolla (1967-2013), jolloin vain viisi tämän pituista pelinrakentajaa valittiin.
Tarkastellakseni, onko tässä erityisessä haluttomuudessa laatia lyhyitä QB:itä (samalla kun ollaan halukkaita laatimaan kevyitä) mitään järkeä, luokittelin laajemman joukon laadittuja pelinrakentajia (rajoittuen niihin, jotka valittiin seitsemällä ensimmäisellä kierroksella) sen perusteella, miten he vertasivat Manzielin painoa ja pituutta. Siitä vertasin kunkin ryhmän keskimääräistä AV:ta per kausi nähdäkseni, suoriutuiko jokin ryhmä paremmin kuin muut.
Katsomalla oikeaa saraketta näemme, että lyhyet QB:t ovat pärjänneet keskimäärin hieman paremmin kuin ei-lyhyet QB:t (3,0 keskimääräistä AV:ta per kausi vs. 2,4). Mutta jopa seitsemän kierroksen draft-valinnoilla tämä luku on silti melko pieni: vain 29 lyhyttä QB:tä on mukana tässä vertailussa (joten tulokset eivät ole tilastollisesti merkitseviä).
Mutta painosarakkeissa näkyy jyrkkä ero pelinrakentajien välillä Manzielin molemmin puolin (2,7 keskimääräinen AV per kausi vs. 1,6 kokonaisuudessaan). Otanta on myös laajempi: 107 pelaajaa painoi 207 kiloa tai vähemmän, kun taas 311 pelaajaa oli painavampia.
Tämän perusteella näyttää siltä, että Manzielin painon mukaisen pelinrakentajan draftaaminen on vaarallisempaa kuin hänen pituutensa mukaisen pelinrakentajan draftaaminen. Mutta tuo on aika karkea binäärianalyysi. Koska NFL:n draft-markkinat ovat melko tehokkaat, jos pituuden tai painon ja urapotentiaalin välillä olisi yhteys, odottaisimme luultavasti, että se olisi hinnoiteltu kunkin pelinrakentajan draft-asemaan (tai siihen, tuleeko pelinrakentaja ylipäätään draftattua).
Laajennetaan siis tutkimusta niin, että se sisältää kunkin pelinrakentajan draft-aseman. Sen sijaan, että pelaajat jaetaan ryhmiin, tarkastellaan sitten kokonaiskorrelaatioita pituuden, painon ja valinnan2 sekä muutaman eri QB-mittarin – Approximate Value, jaardit per peli ja jaardit per yritys – välillä.3 (Tätä vertailua varten olen suodattanut pois QB:t, jotka on draftattu myöhemmin kuin vuonna 2008.)
Vasemmalla oleva pylväiden ryhmittely osoittaa, että pituus korreloi ainakin jonkin verran Approximate Value:n, yards per game:n ja yards per attempt:n kanssa – mutta se korreloi paljon paremmin QB:n draft-aseman kanssa. Paino sen sijaan korreloi QB:n mittareiden kanssa paljon enemmän, ja mikä tärkeintä, se korreloi vähemmän draft-aseman kanssa.
Muilla sanoilla, pituus näyttää kertovan meille vähemmän kuin paino, ja sen, mitä se kertoo meille, olemme todennäköisemmin jo tienneet.
Vaikkakin pelkät korrelaatiot eivät yksinään kerro meille, mikä aiheuttaa mitäkin, toistaiseksi tämä on melko huono osoitus pituudesta pelinrakentajan suorituskyvyn ennustajana. Mahdollisuuksia on kuitenkin vielä paljon, joten saadakseni paremman käsityksen siitä, mitkä muuttujat tekevät mitäkin työtä, loin regressiomalleja, jotka käyttävät pituutta, painoa ja draft pickiä ennustamaan erilaisia mittareita, ja vertasin sitten sitä, kuinka tärkeä kukin muuttuja oli kullekin mallille.
Näillä regressioilla saatiin aikaan ”t-arvoja”, jotka ovat perusmittareita kunkin muuttujan ennustevarmuudesta.4 Tässä tapauksessa etsimme vähintään arvoa 2,0.5
Pituus ei ole hyvä ennustaja, kun se yhdistetään painoon ja poimintasijaintiin, vaan se on hieman negatiivinen ennustaja (joskin ollakseen tilastollisesti merkitsevä negatiivinen ennustaja haluaisimme nähdä arvoja, jotka ovat alle -2,0). Tämä ei tarkoita, että pituus olisi huono, se tarkoittaa vain sitä, että – oli sillä mikä tahansa arvo – NFL-joukkueet todennäköisesti yliarvioivat sen.
Paino on kuitenkin erittäin merkitsevä ennustaja näille tunnusluvuille.6 Koska valintasijainti on sisällytetty syötteenä tähän regressioon, tämä viittaa vahvasti siihen, että NFL-joukkueet eivät ole riittävällä tavalla hinnoitelleet painoa valinnoissaan.
Tälle on useita mahdollisia syitä. Oma arvaukseni olisi, että sillä on jotain tekemistä NFL-pelin fyysisyyden kanssa, ja että joukkueet saattavat ihastua QB:n taitoon tai tarkkuuteen ja aliarvioida hänen voimansa tai kestävyytensä. Mutta sen selvittäminen, miksi paino tarkalleen ottaen ennustaa niin paljon, on aivan eri tutkimus, ja se saattaa olla liian monimutkainen käytettävissä olevaan tietomäärään nähden.7 Joten sen sijaan, että sukelletaan syvemmälle, yksinkertaistetaan.
Meitä todella kiinnostaa se, onko QB:llä minimaalisen onnistunut ura. Tämän testaamiseksi olen asettanut ”menestyksekkään uran” raja-arvoksi noin 32 AV:n, mikä erottaa toisistaan enemmän tai vähemmän 100 parasta draftattua QB:tä vuodesta 1967 lähtien.8 Periaatteessa ”menestyksekäs” raja-arvomme tulee olemaan kaikki ne hyvät QB:t, joista olet kuullut, noin Joey Harringtoniin, Rick Mireriin, Vince Youngiin, Byron Leftwichiin tai (mennään vielä kauemmas taaksepäin) Steve Spurrieriin asti. Vaikka ”menestyneistä” pelinrakentajista huonoimmat saattavat kuulostaa sinusta aika huonoilta (Tim Couch, Browns-fanit?), lähes kaksi kolmasosaa pelinrakentajista, jotka on valittu 22. sijalle (Manzielin draft-sijoitus), on todennäköisesti vielä huonompia.
Voidaan ennustaa QB:n ”menestymisen” tai menestymättömyyden perustodennäköisyys käyttämällä logistista regressiota9 pelkästään hänen draft-sijoituksensa avulla.10 Olen ryhmitellyt QB:t pyöristämällä heidän painonsa lähimpään viiteen kiloon, sitten laskenut, kuinka monella tuosta ryhmästä olisi pitänyt olla ”menestyksekäs” ura kunkin heidän draft-asemansa perusteella, ja sitten verrannut sitä niiden määrään, jotka todella menestyivät. Kun tämä oli tehty, piirsin, miten kukin ryhmä menestyi suhteessa odotuksiimme.
Punainen viiva osoittaa, kuinka paljon todennäköisemmin tai epätodennäköisemmin tietyn painoinen QB menestyy kuin mitä olisimme odottaneet pelkän draft-aseman perusteella.11 Manzielin painoksi on merkitty 207 kiloa. Mallin perusteella odottaisimme noin 19 prosenttia vähemmän 207-kiloisten QB:iden menestyvän kuin mitä odottaisimme heidän draft-asemansa perusteella.
Todennäköisyys ”menestyä” QB:llä, joka on valittu 22. sijalle, on noin 34 prosenttia. Todennäköisyys, että 22. sijalle valittu 207-kiloinen pelinrakentaja menestyy, on noin 27 prosenttia (81 prosenttia 34 prosentista). Draft-pickin kannalta se on suunnilleen sama kuin keskimäärin 38. sijalle draftatulla pelinrakentajalla – huomattava, mutta ei todellakaan tuomittava pudotus. Voimme tehdä samanlaisen laskelman jokaiselle draft-paikalle.
Toisaalta Manzielin ennustettiin menevän draftissa korkeammalle. On mahdollista, että häntä alennettiin epäoikeudenmukaisesti hänen pituutensa vuoksi, mutta ei tarpeeksi hänen painonsa vuoksi.
Jos Browns olisi valinnut Manzielin kahdeksannella sijalla, mallini koko-paino-korjaus (joka on periaatteessa paino-korjaus, koska pituus ei täyttänyt kynnystä sisällyttämiselle) tekisi hänestä suunnilleen yhtä todennäköisen menestyjän kuin numeron 16 valinta. Tämä vastaisi melko hyvin Brownsin todellisia draft-päivän päätöksiä: jättää Manziel väliin kahdeksannella valinnalla, mutta sitten vaihtaa ylöspäin ottaakseen hänet 22. valinnalla.
En ole rakastunut tähän metriikkaan – tai oikeastaan mihinkään QB-arvostelumetriikkaan – mutta se summaa hyvin, ja koko liigan laajuisten hypoteesien testaamiseen kelpaa käytännöllisesti katsoen mikä tahansa järkevä metriikka.
En ole rakastunut tähän metriikkaan – tai oikeastaan mihinkään QB rating -metriikkaan – mutta se summaa hyvin, ja koko liigan laajuisten hypoteesien testaamiseen kelpaa käytännössä mikä tahansa järkevä metriikka.
Teknisesti näissä korrelaatioissa käytetään kunkin pelaajan valinnan logaritmia, kuten kaikissa tämän artikkelin regressioissa.
En ole rakastunut tähän metriikkaan – tai oikeastaan mihinkään QB rating -metriikkaan – mutta se summaa hyvin, ja koko liigan laajuisten hypoteesien testaamiseen kelpaa käytännössä mikä tahansa järkevä metriikka.
Teknisesti näissä korrelaatioissa käytetään kunkin pelaajan poiminnan logaritmia, niin kuin kaikissa regressioissa tässä artikkelissa.
Jos ihmettelet, miksi en käytä monimutkaisempia tehokkuusmittareita, kuten Passer Ratingia, ESPN:n QBR:ää tai Brian Burken Win Percentage Addedia, niin se johtuu siitä, että mielestäni ne kaikki vastaavat aivan liian vahvasti QB:n joukkueen ja hyökkäyksen tyylilajiin ja laatuun – ainakin näihin tarkoituksiin. Jos teet hienojakoisia vertailuja, voit olla valmis hyväksymään tämän hinnan vastineeksi näiden mittareiden suuremmasta tarkkuudesta, mutta satojen QB:iden pitkän aikavälin vaikutusten arvioimiseksi käytän mieluummin laajempia mittareita. Enimmäkseen haluan tietää, kuinka todennäköisesti näillä pelaajilla oli pitkä ja tuottava ura.
En ole rakastunut tähän metriikkaan – tai oikeastaan mihinkään QB-rating-metriikkaan – mutta se summaa hyvin, ja koko liigan laajuisten hypoteesien testaamiseen kelpaa käytännöllisesti katsoen mikä tahansa järkevä metriikka.
Teknisesti näissä korrelaatioissa käytetään kunkin pelaajan valinnan logaritmia, kuten kaikissa tämän artikkelin regressioissa.
Jos ihmettelet, miksi en käytä monimutkaisempia tehokkuusmittareita, kuten Passer Ratingia, ESPN:n QBR:ää tai Brian Burken Win Percentage Addedia, niin se johtuu siitä, että mielestäni ne kaikki vastaavat aivan liian vahvasti QB:n joukkueen ja hyökkäyksen tyylilajiin ja laatuun – ainakin näihin tarkoituksiin. Jos teet hienojakoisia vertailuja, voit olla valmis hyväksymään tämän hinnan vastineeksi näiden mittareiden suuremmasta tarkkuudesta, mutta satojen QB:iden pitkän aikavälin vaikutusten arvioimiseksi käytän mieluummin laajempia mittareita. Enimmäkseen haluan tietää, kuinka todennäköisesti näillä pelaajilla oli pitkä ja tuottava ura.
Se on painoarvo, joka muuttujalle tulisi antaa jaettuna sen keskivirheellä.
En ole rakastunut tähän metriikkaan – tai oikeastaan mihinkään QB rating -metriikkaan – mutta se summaa hyvin, ja koko liigan laajuisten hypoteesien testaamiseen kelpaa käytännössä mikä tahansa järkevä metriikka.
Teknisesti näissä korrelaatioissa käytetään kunkin pelaajan valinnan logaritmia, kuten kaikissa tämän artikkelin regressioissa.
Jos ihmettelet, miksi en käytä monimutkaisempia tehokkuusmittareita, kuten Passer Ratingia, ESPN:n QBR:ää tai Brian Burken Win Percentage Addedia, niin se johtuu siitä, että mielestäni ne kaikki vastaavat aivan liian vahvasti QB:n joukkueen ja hyökkäyksen tyylilajia ja -laatua – ainakin näihin tarkoituksiin. Jos teet hienojakoisia vertailuja, voit olla valmis hyväksymään tämän hinnan vastineeksi näiden mittareiden suuremmasta tarkkuudesta, mutta satojen QB:iden pitkän aikavälin vaikutusten arvioimiseksi käytän mieluummin laajempia mittareita. Enimmäkseen haluan tietää, kuinka todennäköisesti näillä pelaajilla oli pitkä ja tuottava ura.
Se on painoarvo, joka muuttujalle tulisi antaa jaettuna sen keskimääräisellä virheellä.
Tämä on suunnilleen ”tilastollisen merkitsevyyden” raja-arvo, joka tarkoittaa, että datassa nähty vastaavuus tapahtuisi sattumalta vähemmän kuin viisi prosenttia ajasta. Kyseessä on noin vähimmäismäärä luottamusta, jonka tarvitset muuttujaan, jotta sen käyttäminen kannattaa.
En ole rakastunut tähän metriikkaan – tai oikeastaan mihinkään muuhunkaan QB rating -metriikkaan – mutta se summaa hyvin, ja koko liigan laajuisten hypoteesien testaamiseen kelpaa käytännössä mikä tahansa järkevä metriikka.
Teknisesti näissä korrelaatioissa käytetään kunkin pelaajan valinnan logaritmia, kuten kaikissa tämän artikkelin regressioissa.
Jos ihmettelet, miksi en käytä monimutkaisempia tehokkuusmittareita, kuten Passer Ratingia, ESPN:n QBR:ää tai Brian Burken Win Percentage Addedia, niin se johtuu siitä, että mielestäni ne kaikki vastaavat aivan liian vahvasti QB:n joukkueen ja hyökkäyspelin tyyliin ja laatuun – ainakin näihin tarkoituksiin. Jos teet hienojakoisia vertailuja, saatat olla valmis hyväksymään tämän kustannuksen vastineeksi näiden mittareiden suuremmasta tarkkuudesta, mutta satojen QB:iden pitkän aikavälin vaikutusten arvioimiseksi käytän mieluummin laajempia mittareita. Enimmäkseen haluan tietää, kuinka todennäköisesti näillä pelaajilla oli pitkä ja tuottava ura.
Se on painoarvo, joka muuttujalle tulisi antaa jaettuna sen keskimääräisellä virheellä.
Tämä on suunnilleen ”tilastollisen merkitsevyyden” raja-arvo, joka tarkoittaa, että datassa nähty vastaavuus tapahtuisi sattumalta vähemmän kuin 5 prosenttia ajasta. Tämä on suunnilleen se vähimmäismäärä luottamusta, jonka tarvitset muuttujaan, jotta sen käyttäminen kannattaisi.
Kuten se on useimpien mittareiden kohdalla vaihtelevassa määrin, vaikka sillä on taipumus pärjätä parhaiten pelikohtaisilla ja vuosikohtaisilla perusteilla.
En ole rakastunut tähän metriikkaan – tai oikeastaan mihinkään QB rating -metriikkaan – mutta se summaa hyvin, ja koko liigan laajuisten hypoteesien testaamiseen kelpaa käytännössä mikä tahansa järkevä metriikka.
Teknisesti näissä korrelaatioissa käytetään kunkin pelaajan valinnan logaritmia, kuten kaikissa tämän artikkelin regressioissa.
Jos ihmettelet, miksi en käytä monimutkaisempia tehokkuusmittareita, kuten Passer Ratingia, ESPN:n QBR:ää tai Brian Burken Win Percentage Addedia, niin se johtuu siitä, että mielestäni ne kaikki vastaavat aivan liian vahvasti QB:n joukkueen ja hyökkäyspelin tyyliin ja laatuun – ainakin näihin tarkoituksiin. Jos teet hienojakoisia vertailuja, voit olla valmis hyväksymään tämän hinnan vastineeksi näiden mittareiden suuremmasta tarkkuudesta, mutta satojen QB:iden pitkän aikavälin vaikutusten arvioimiseksi käytän mieluummin laajempia mittareita. Enimmäkseen haluan tietää, kuinka todennäköisesti näillä pelaajilla oli pitkä ja tuottava ura.
Se on painoarvo, joka muuttujalle tulisi antaa jaettuna sen keskimääräisellä virheellä.
Tämä on suunnilleen ”tilastollisen merkitsevyyden” raja-arvo, joka tarkoittaa, että datassa nähty vastaavuus tapahtuisi sattumalta vähemmän kuin viisi prosenttia ajasta. Tämä on suunnilleen se vähimmäismäärä luottamusta, jonka tarvitset muuttujaan, jotta sen käyttäminen kannattaisi.
Kuten se on useimpien mittareiden kohdalla vaihtelevassa määrin, vaikka sillä on taipumus pärjätä parhaiten pelikohtaisilla ja vuosikohtaisilla perusteilla.
Tämä on periaatteessa jokaisen NFL:ään liittyvän ongelman päähaaste.
En ole rakastunut tähän metriikkaan – tai oikeastaan mihinkään QB rating -metriikkaan – mutta se summaa hyvin, ja koko liigan laajuisten hypoteesien testaamiseen kelpaa melkeinpä mikä tahansa järkevä mittari.
Teknisesti näissä korrelaatioissa käytetään kunkin pelaajan valinnan logaritmia, kuten kaikissa tämän artikkelin regressioissa.
Jos ihmettelet, miksi en käytä monimutkaisempia tehokkuusmittareita, kuten Passer Ratingia, ESPN:n QBR:ää tai Brian Burken Win Percentage Addedia, niin se johtuu siitä, että mielestäni ne kaikki vastaavat aivan liian vahvasti QB:n joukkueen ja hyökkäyksen tyylilajiin ja laatuun – ainakin näihin tarkoituksiin. Jos teet hienojakoisia vertailuja, voit olla valmis hyväksymään tämän hinnan vastineeksi näiden mittareiden suuremmasta tarkkuudesta, mutta satojen QB:iden pitkän aikavälin vaikutusten arvioimiseksi käytän mieluummin laajempia mittareita. Enimmäkseen haluan tietää, kuinka todennäköisesti näillä pelaajilla oli pitkä ja tuottava ura.
Se on painoarvo, joka muuttujalle tulisi antaa jaettuna sen keskimääräisellä virheellä.
Tämä on suunnilleen ”tilastollisen merkitsevyyden” raja-arvo, joka tarkoittaa, että datassa nähty vastaavuus tapahtuisi sattumalta vähemmän kuin viisi prosenttia ajasta. Tämä on suunnilleen se vähimmäismäärä luottamusta, jonka tarvitset muuttujaan, jotta sen käyttäminen kannattaisi.
Kuten se on useimpien mittareiden kohdalla vaihtelevassa määrin, vaikka sillä on taipumus pärjätä parhaiten pelikohtaisilla ja vuosikohtaisilla perusteilla.
Tämä on periaatteessa jokaisen NFL:ään liittyvän ongelman suurin haaste.
Huomaa, että ei ole niinkään väliä, mihin tarkalleen ottaen vedämme rajan, vaan sillä, että ylipäätään vedämme rajan:
En ole rakastunut tähän metriikkaan – tai oikeastaan mihinkään QB rating -metriikkaan – mutta se summaa hyvin, ja koko liigan laajuisten hypoteesien testaamiseen kelpaa käytännössä mikä tahansa järkevä metriikka.
Teknisesti näissä korrelaatioissa käytetään kunkin pelaajan valinnan logaritmia, kuten kaikissa tämän artikkelin regressioissa.
Jos ihmettelet, miksi en käytä monimutkaisempia tehokkuusmittareita, kuten Passer Ratingia, ESPN:n QBR:ää tai Brian Burken Win Percentage Addedia, niin se johtuu siitä, että mielestäni ne kaikki vastaavat aivan liian vahvasti QB:n joukkueen ja hyökkäyspelin tyyliin ja laatuun – ainakin näihin tarkoituksiin. Jos teet hienojakoisia vertailuja, voit olla valmis hyväksymään tämän hinnan vastineeksi näiden mittareiden suuremmasta tarkkuudesta, mutta satojen QB:iden pitkän aikavälin vaikutusten arvioimiseksi käytän mieluummin laajempia mittareita. Enimmäkseen haluan tietää, kuinka todennäköisesti näillä pelaajilla oli pitkä ja tuottava ura.
Se on painoarvo, joka muuttujalle tulisi antaa jaettuna sen keskimääräisellä virheellä.
Tämä on suunnilleen ”tilastollisen merkitsevyyden” raja-arvo, joka tarkoittaa, että datassa nähty vastaavuus tapahtuisi sattumalta vähemmän kuin 5 prosenttia ajasta. Tämä on suunnilleen se vähimmäismäärä luottamusta, jonka tarvitset muuttujaan, jotta sen käyttäminen kannattaisi.
Kuten se on useimpien mittareiden kohdalla vaihtelevassa määrin, vaikka sillä on taipumus pärjätä parhaiten pelikohtaisilla ja vuosikohtaisilla perusteilla.
Tämä on periaatteessa jokaisen NFL:ään liittyvän ongelman suurin haaste.
Huomaa, että ei ole niinkään väliä, mihin tarkalleen ottaen vedämme rajan, vaan sillä, että ylipäätään vedämme rajan: Mikä tahansa kelpaa barometriksi.
Regressio, joka ennustaa binäärisiä lopputuloksia, kuten voittoja/häviöitä, hyviä/huonoja jne.
En ole rakastunut tähän metriikkaan – tai oikeastaan mihinkään muuhunkaan QB-luokitusmetriikkaankaan – mutta se summaa hyvin, ja liigan laajuisten hypoteesien testaukseen kelpaa käytännössä mikä tahansa järkevä mittari.
Teknisesti näissä korrelaatioissa käytetään kunkin pelaajan valinnan logaritmia, kuten kaikissa tämän artikkelin regressioissa.
Jos ihmettelet, miksi en käytä monimutkaisempia tehokkuusmittareita, kuten Passer Ratingia, ESPN:n QBR:ää tai Brian Burken Win Percentage Addedia, niin se johtuu siitä, että mielestäni ne kaikki vastaavat aivan liian vahvasti QB:n joukkueen ja hyökkäyksen tyylilajiin ja laatuun – ainakin näihin tarkoituksiin. Jos teet hienojakoisia vertailuja, voit olla valmis hyväksymään tämän hinnan vastineeksi näiden mittareiden suuremmasta tarkkuudesta, mutta satojen QB:iden pitkän aikavälin vaikutusten arvioimiseksi käytän mieluummin laajempia mittareita. Enimmäkseen haluan tietää, kuinka todennäköisesti näillä pelaajilla oli pitkä ja tuottava ura.
Se on painoarvo, joka muuttujalle tulisi antaa jaettuna sen keskimääräisellä virheellä.
Tämä on suunnilleen ”tilastollisen merkitsevyyden” raja-arvo, joka tarkoittaa, että datassa nähty vastaavuus tapahtuisi sattumalta vähemmän kuin 5 prosenttia ajasta. Tämä on suunnilleen se vähimmäismäärä luottamusta, jonka tarvitset muuttujaan, jotta sen käyttäminen kannattaisi.
Kuten se on useimpien mittareiden kohdalla vaihtelevassa määrin, vaikka sillä on taipumus pärjätä parhaiten pelikohtaisilla ja vuosikohtaisilla perusteilla.
Tämä on periaatteessa jokaisen NFL:ään liittyvän ongelman suurin haaste.
Huomaa, että ei ole niinkään väliä, mihin tarkalleen ottaen vedämme rajan, vaan sillä, että ylipäätään vedämme rajan: Mikä tahansa kelpaa barometriksi.
Regressio, joka ennustaa binäärisiä tuloksia, kuten voittoja/tappioita, hyviä/huonoja jne.
Jos sinua kiinnostaa, Excel-kaava tälle on =1/(1+EXP(-(1.1536-0.40511*)))), missä on QB:n draft-aseman logaritmi base 2:ssa (tai log(,2)).
En ole rakastunut tähän metriikkaan – tai oikeastaan mihinkään QB-rating-metriikkaan – mutta se summaa hyvin, ja liigan laajuisten hypoteesien testaamiseen kelpaa käytännössä mikä tahansa järkevä metriikka.
Teknisesti näissä korrelaatioissa käytetään kunkin pelaajan valinnan logaritmia, kuten kaikissa tämän artikkelin regressioissa.
Jos ihmettelet, miksi en käytä monimutkaisempia tehokkuusmittareita, kuten Passer Ratingia, ESPN:n QBR:ää tai Brian Burken Win Percentage Addedia, niin se johtuu siitä, että mielestäni ne kaikki vastaavat aivan liian vahvasti QB:n joukkueen ja hyökkäyksen tyylilajia ja -laatua – ainakin näihin tarkoituksiin. Jos teet hienojakoisia vertailuja, voit olla valmis hyväksymään tämän hinnan vastineeksi näiden mittareiden suuremmasta tarkkuudesta, mutta satojen QB:iden pitkän aikavälin vaikutusten arvioimiseksi käytän mieluummin laajempia mittareita. Enimmäkseen haluan tietää, kuinka todennäköisesti näillä pelaajilla oli pitkä ja tuottava ura.
Se on painoarvo, joka muuttujalle tulisi antaa jaettuna sen keskimääräisellä virheellä.
Tämä on suunnilleen ”tilastollisen merkitsevyyden” raja-arvo, joka tarkoittaa, että datassa nähty vastaavuus tapahtuisi sattumalta vähemmän kuin 5 prosenttia ajasta. Tämä on suunnilleen se vähimmäismäärä luottamusta, jonka tarvitset muuttujaan, jotta sen käyttäminen kannattaisi.
Kuten se on useimpien mittareiden kohdalla vaihtelevassa määrin, vaikka sillä on taipumus pärjätä parhaiten pelikohtaisilla ja vuosikohtaisilla perusteilla.
Tämä on periaatteessa jokaisen NFL:ään liittyvän ongelman suurin haaste.
Huomaa, että ei ole niinkään väliä, mihin tarkalleen ottaen vedämme rajan, vaan sillä, että ylipäätään vedämme rajan: Mikä tahansa kelpaa barometriksi.
Regressio, joka ennustaa binäärisiä tuloksia, kuten voittoja/tappioita, hyviä/huonoja jne.
Jos sinua kiinnostaa, Excel-kaava tälle on =1/(1+EXP(-(1.1536-0.40511*)))), missä on QB:n draft-aseman logaritmi base 2:ssa (tai log(,2)).
Excelissä tämä kaava on: =((1/(1+EXP(-(-7.814506+0.031653*))))-0.272723209)/0.272723209.
The best of FiveThirtyEight, delivered to you.