PTT評價

Re: [討論] 2023 NBA歷史百大球員排行

看板NBA標題Re: [討論] 2023 NBA歷史百大球員排行作者
Dickys200092
(Dickys)
時間推噓12 推:12 噓:0 →:42

假設想要設計一個好的模型應該是:
找到你的Y,Y應該是「球員排名」
換言之沒有先透過一個大規模問卷
或是多個問卷進行meta analysis的話
很難有一個有統計意義的公式

接下來要找到一堆x
這部分我覺得原PO的設計概念就會有很大幫助
不過要靠觀球的經驗法則做一個Empirical model太難了
我想用簡單的logit(實際分析可以order logit)
下面用原本的公式當作X假想實驗

※ 引述《kuiyy (kuiyy)》之銘言:
: 請注意,本排名僅為實驗性質,嘗試以單一公式量化球員生涯成就,並不一定真實反應: 球員歷史地位與排名。
: 本年度公式異動幅度較大,變更及說明部分以綠色標示。
: 主要變更:
MVP直接設定成「有無MVP」為一個dummy variable
再設定一個「MVP數量」
然後放一個交互項「有無MVP*MVP數量」
如果這邊觀察不到顯著效果有可能是「有沒有連拿兩次」這個因子
也可以設定為一個dummy variabe
: 1.雙MVP積分降回前年標準:MVP調整至40,FMVP調整至28,去年調升主要是為提高
: 冠軍成就比例,但因比例問題同步提高MVP積分導致收效甚微,且冠軍成就過分獨尊
: FMVP之問題依然未解決,今年將雙MVP積分降回,改以其他方式(下列2)改善。

數據部分我想拆分成季賽、季後賽兩項
基本上就能觀測且解決原文的一些權重問題
: 2.新增主力冠軍貢獻積分:以奪冠隊伍整體季後賽Win Shares為基準,
: 第一名10分、第二名6分、第三名3分,詳細積分列表中以W1、2、3標註。
: 變更後總冠軍成就除FMVP外增加第二切入點,冠軍賽季Win Shares排名,如為毫無
: 爭議的球隊第一人可獲得FMVP(28)+W1(10)合計38分,以常見爭議的2015賽季為例,
: 原本只有小AI獲得FMVP(35),新版小AI獲得FMVP(28)+W3(3),Curry也得到W1(10),
: 一定程度修正FMVP如含金量不足所造成的積分不公平問題,對球隊奪冠有重大貢獻的
: 二、三號球員也能獲得更多積分,而非獨尊FMVP一人。
: 再舉例2008賽爾提克,原本除基本總冠軍積分之外,只有PP拿到FMVP(35),
: 而新制:PP FMVP(28)+W3(3),KG W1(10),雷槍W2(6),應較舊制合理。
: 修正過後冠軍隊伍主力排名上升,只有年度MVP而無冠軍的球員積分下滑較為明顯。
: 新增主力冠軍貢獻積分後,FMVP比重稀釋,相對適合跨時代比較。
: 本年度排名漲跌是與2022年調整後數據相較,2022年新版排名附於文後。
: 排名積分分為三大部分:1.冠軍成就 2.賽季榮譽 3.生涯累積
我覺得這部設計是我最看不太懂根據的
透過回歸設計直接控制「冠軍有無」、「冠軍有無*季後賽數據」的交互項
跑出來看共變量就一翻兩瞪眼知道哪些因子重要
: 1.冠軍成就:
:    總冠軍積分:該季季後賽PER*出賽時間/48*出賽比例
:   分區冠軍積分:該季季後賽PER*出賽時間/48*出賽比例/4
: 主力冠軍貢獻積分:該季季後賽WS 第一名:10 第二名:6 第三名3 (本年度新增)
:     FMVP積分:28(年度MVP7成) (舊版35)
:   CFMVP積分:7(FMVP 1/4)
: 冠軍成就積分以年度MVP為比較基礎,以盡量符合多種主流價值觀的方式,為冠軍成就: 積分提供一定程度的比較基礎。
: 率隊奪冠高於年度MVP:此處以相關冠軍積分加FMVP約60分的方式,高於年度MVP40分
: 年度MVP高於FMVP:年度MVP40分高於FMVP28分
: 冠軍為團隊榮譽:以效率值乘上上場時間及出賽比例,使所有有做出貢獻的球員: 都能以相同標準獲取相對應的積分。
: 2.賽季榮譽:
: 年度MVP積分 MVP:40 第二名:10 第三名:5 (舊版MVP50)
: 年度最佳陣容積分 一陣:10 二陣:6 三陣:3
:   DPOY積分:3
: 最佳防守陣容積分 一陣:1 二陣:0.5
: 單項數據王積分 得分:1 籃板:0.5 助攻:0.5 抄截:0.5 阻攻:0.5
: 明星賽積分:3
: 例行賽榮譽以MVP、年度陣容及明星賽為主,防守陣容及單項數據王僅為加分項目。
: 年度MVP前三名及年度陣容、明星賽皆為攻防兩端數據及戰績全面考量之榮譽,本身已: 包含防守及單項表現,為避免防守陣容及單項數據王相對不合理的重複獎勵,是以整體: 考量的榮譽為主,此舉並非認為防守成就或單項數據王不重要,請理解知悉。
: 3.生涯累積:
: 例行賽PER積分:例行賽PER*出賽時間/48*出賽數/500
: 季後賽PER積分:季後賽PER*出賽時間/48*出賽數/250
: 例行賽WS積分:例行賽Win Shares/4
: 季後賽WS積分:季後賽Win Shares/2
: 生涯累積以Win Shares為基準,PER積分加權至與Win Shares積分相當。
: 設計方式以賽季榮譽為基礎,訂好各榮譽積分後,再調整冠軍成就及生涯累積之比例,: 使三項積分之間比例盡量趨於合理。
: 新版
: 冠軍成就 賽季榮譽 生涯累積 總 分
: 平均值:65.8(25.3%) 117.6(45.3%) 76.4(29.4%) 259.8
: 中位數:48.2 81.3 71.5 194.3
: 舊版
: 冠軍成就 賽季榮譽 生涯累積 總 分
: 平均值:56.6(22.0%) 123.5(48.1%) 76.2(29.7%) 256.9
: 中位數:37.9 83.3 71.5 192.2
: 聯盟早期無FMVP或年度陣容第三陣等榮譽,視作彌補早期規模較小,總冠軍及其他榮譽: 取得較為容易之自然平衡機制,不強行做調整。
: 本表包含ABA數據,但以NBA為主,僅列生涯一半以上在NBA出賽之球員,考量規模,積

: 折半計算,並以季後賽MVP代替FMVP,不計算分區冠軍積分(因比同期NBA少打一輪)。
: 極少數BAA(NBA前身)缺失數據以該球員生涯平均值代替,考量數據缺失時期多為球員巔: 峰,以平均值代替僅為一定程度彌補,不至於虛高,雖有失真之慮,但仍較欠缺為佳。: 本表包含MVP Shares排名前百大、年度陣容次數前百大、明星賽次數前百大、例行賽、: 季後賽Win Shares前百大,3冠以上球員,扣除重複約270名球員加入評比。
:

除了數據面控制外,把薪資也納入控制因子應該也會更準確
總而言之,先以投票結果導出一個模型
爾後再進行微調,當然模型選擇也需要很多驗證
以目前的資料量跟一堆不同人的百大排名
應該有不少公司有一套機器學習下的模型
ESPN那套勝率預測應該也是這個設計脈絡(?
所以說要直接捏出一個歷史排名公式幾乎辦不到
提出一套研究設計分享一下
最近沒空玩資料整理資料
如果剛好手頭有資料整理好的人我試想可以用ologit(stata)跑跑看歷史排名每升一名那些因子會有什麼變化

--

※ PTT 留言評論
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 49.216.20.28 (臺灣)
PTT 網址

cross980115 07/14 23:00MVP直接有無就是2019最初的版本…

cross980115 07/14 23:00後續才追加第二第三的積分

只有看到2022的版本拍謝 但主要是從問卷結果回推的係數會比較準 交互項會解決滿多問題

alex8725 07/14 23:01你要看歷史排名升一名對變量的影響不是order regr

alex8725 07/14 23:01ession….

排名本身是有序列的類別變項 用這個回歸應該沒問題 多跑一個邊際效果就會有我說的那個結果解釋了

cross980115 07/14 23:01薪資就更無關了 直接受到簽約年份的上限影響

cross980115 07/14 23:01除了MJ搞超越限制以外…

薪資對等的是對於球員成長高度的期待 年度也會控制一大部分這個問題 我有說是控制因子 會排除所謂角色球員或是球星的問題 少數底薪爆發可以當作outlier

alex8725 07/14 23:03但其實我覺得這方法還是比原本那個好 原本那個充滿

alex8725 07/14 23:03一堆主觀偏見 當然你這樣做的問題是肯定還有其他你

alex8725 07/14 23:03沒分析到的因子會成為你的殘差

我自己的話可能會做多一點強韌度檢驗 來回幾次應該準確度就會蠻高 但用機器學習瘋狂跑資料應該最棒 殘差會很低

cross980115 07/14 23:04老巴就開玩笑過 要跟自己老媽說 為什麼不晚幾年生

※ 編輯: Dickys200092 (49.216.20.28 臺灣), 07/14/2023 23:11:05

cross980115 07/14 23:04我,也說過羅素爺跟賈霸都比自己強 但自己拿的薪資

cross980115 07/14 23:04更多

f77928 07/14 23:12數學本身是科學的 但公式制定的權重就充滿私貨 如果

f77928 07/14 23:12你認為的歷史百大重視攻守俱佳 只要把防守獎項相關

f77928 07/14 23:13配比提高 就能輕易得出賈霸才是歷史第二的結果

emptie 07/14 23:14我覺得是這樣的,榮譽這東西讓人著迷,可是多得是在

emptie 07/14 23:14場貢獻不低但卻拿不到冠軍的球員

emptie 07/14 23:15所以我覺得明星賽、MVP、FMVP這些獎項第一名給的太

emptie 07/14 23:15多,二三名太少

cross980115 07/14 23:19因為MVP就是個有跟沒有差很多的東西 做為球員個人

cross980115 07/14 23:19的最大獎項/最高榮譽,它就值特別高分啊

cross980115 07/14 23:19假設A只強一年 拿了MVP,B只有多年MVP前五,有實際

cross980115 07/14 23:19拿到大獎成就高分的當然還是前者,但B的強度會反映

cross980115 07/14 23:19在其他一陣、明星賽上,這部分的積分也足以讓最終

cross980115 07/14 23:19評價不輸A

axlu 07/14 23:31你的正確的Y在哪

Dickys20009207/14 23:36球員排名啊,用其他排名來做模型再寫出關係式

Nuey 07/14 23:37每個人看法不同 不要自己主觀假裝成大多數客觀就好

ruokcnn 07/15 00:15全部變數整一整丟xgboost就好了啦

a78998042a 07/15 00:28問卷定Y根本不可靠,當地人支持當地球星;外國人支

a78998042a 07/15 00:29持大城市球星。何況大多數人10個就列不出來了,11~

a78998042a 07/15 00:29100全是印象派,估計每次填出來答案都不同;有人

a78998042a 07/15 00:30NBA只看10年,有的人10年前開始不看,這問卷做出來

a78998042a 07/15 00:30的結果一定要再戰一輪。

inuyaksa 07/15 00:30每年都在吵裁判吵投票吵對手強弱吵傷兵吵組大團,然

inuyaksa 07/15 00:30後現在又要無視這些直接套公式排名,這麼多不公平不

inuyaksa 07/15 00:30客觀的因素在那邊還討論的跟真的一樣,我覺得隨便排

inuyaksa 07/15 00:30排自爽就好了啦

a78998042a 07/15 00:31何況每年的全明星結果,就可以當成問卷結果,倒不如

a78998042a 07/15 00:31研究怎樣做一個時間維度的meta-analysis

jay228 07/15 00:52之前就說過年度隊跟MVP拿投票分數來分配還比較準

jay228 07/15 00:52不過原PO大概是懶得弄 也只有BR的免費數據 不然什

jay228 07/15 00:52麼年代了還在用PER

kaga1991 07/15 01:11但mvp投票 也是會有m.jackson亂投這種 即便次數不

kaga1991 07/15 01:11高 但就還是略有影響

kashi29 07/15 01:19garbage in garbage out 都知道獎項是人治比較多了

kashi29 07/15 01:19那這樣再怎麼分析都很難球員真正的地位在哪

Childishan 07/15 14:43廢話 真正的地位當然是在你心中

Childishan 07/15 14:43不然即時公信力足夠 只

Childishan 07/15 14:44要不是你喜歡的名字你就

Childishan 07/15 14:44是會為反而反阿

Childishan 07/15 14:44*即使

LearnLong 07/16 04:01「大規模問卷」也會有一樣的問題,抽樣的州比例、

LearnLong 07/16 04:02年齡、人種、國籍……等等 就變成循環論證了