SFMでサッカー選手評価を革命的に変える
新しいモデルがサッカーの真のプレイヤースキルを明らかにしているよ。
Alexandre Andorra, Maximilian Göbel
― 1 分で読む
目次
サッカーに関しては、選手の本当のスキルを評価するのは干し草の中の針を探すようなもんだよね。特に選手を契約したりトレードしたりする重要な決断をしなきゃいけないコーチやスカウトにとってはね。選手のパフォーマンスはチーム全体の強さに影響されることが多いから、そのパフォーマンスが本当に選手の個々の才能によるものなのか判断するのは難しいんだ。
伝統的な統計の問題
正直言って、選手のゴールやアシスト、全体のスタッツを見るのは誤解を招くことがあるよね。例えば、試合で何ゴールも決めた選手が、実は弱い相手と対戦してたとしたら、その選手は本当にスーパースターなのか、ただ運が良かっただけなのかってことだよ。伝統的な統計は、悪い料理みたいなもので、見た目は良くても、実際に食べてみないと味がわからないんだよね。
サッカーファクターモデル(SFM)の紹介
これらの問題に対処するためにサッカーファクターモデル(SFM)が作られたんだ。これは高品質な材料(選手のスキル)を疑わしい添加物(チームの強さ)から分ける料理のレシピみたいなもんだ。基本的にSFMはチームの影響を剥がして、選手の本当のスキルを明らかにするんだ。観察されたパフォーマンスを、選手がどれだけ頑張ったかと、チームがどれだけ助けたかの2つの部分に分ける統計的手法を使ってるよ。
モデルの背後にあるデータ
SFMを機能させるために、ユニークなデータセットが集められたんだ。これは、2000年から2023年までの144選手がプレイした33,000試合以上からの情報を集めたもの。かなりのスコアシートがあるよ!これはサッカーの試合の巨大な図書館を持っているようなもので、それぞれの本が選手のパフォーマンスについての物語を語ってる。データを分析することで、SFMは選手のゲームへの貢献を正確に反映しようとしてるんだ。
ファクターの役割
SFMのファクターは料理のスパイスみたいに、それぞれ自分の風味を加えるんだ。これらのファクターには試合の場所(ホームかアウェイか)や、選手のチームと相手チームのポイント差なんかが含まれることがある。これらのファクターを考慮に入れることで、選手がどれだけ実際にパフォーマンスを発揮したかをより良く測ることができるんだ。
代替スキルと代替パフォーマンス
選手間の比較をするために、このモデルは2つの新しい指標を導入してる:代替スキル(SAR)と代替パフォーマンス(PAR)。SARは選手の成績表みたいなもので、PARはその選手が普通の選手とどう比較されるかってこと。SARが高ければ、その選手は平均以上にうまくやってるってこと、PARは強いチームにいることでどれだけパフォーマンスが上がってるかを示してるんだ。
GOAT論争
SFMの面白い成果の一つは、サッカーの歴史の中で誰が最も偉大なのか(GOAT)を決着させる手助けができること—メッシかクリスティアーノ・ロナウドかってね。これらの指標を使うことで、ファンやアナリストは彼らのスキルやゲームへの貢献をより簡単に比較できるようになって、この終わらない議論にちょっとした明快さをもたらすんだ。
主要な発見
データを見ていくつかの興味深いパターンが浮かび上がってきたよ。例えば、若い選手はたくさんのポテンシャルを示すことが多いけど、経験を積むにつれてスキルが変動することがあるんだ。ある選手はシーズンの初めは強くスタートするけど、シーズンの終わりにかけてパフォーマンスが落ちることもあれば、他の選手は何シーズンか経てからピークを迎えることもあるんだ。
成熟効果
選手はシーズンの初めではパフォーマンスが良い傾向があるけど、途中で苦労することもあって、シーズンの終わりにかけてリズムを取り戻すことが多いんだ。まるでアスリート版の新年の抱負みたいで、最初はエネルギー満タンだけど、途中で落ち込んで、最後に強く終わらせようとする感じだね。
不確実性の重要性
SFMのもう一つの興味深い側面は不確実性の役割だよ。選手を評価する際に、このモデルは彼らのスキルレベルの明確な推定値だけでなく、その推定にどれだけ自信があるかも示してくれるんだ。これは新しい選手に投資しようとするチームにとって重要で、リスクと可能性のあるリターンを天秤にかけるのに役立つんだ。まるで競馬に賭けるようなもので、しっかりしたお気に入りを求めるけど、どの馬が驚かせることがあるかも知っておきたいってわけ。
選手評価の未来
SFMは単なる一発屋じゃなくて、さまざまなスポーツや選手タイプに適応できる柔軟性があるんだ。サッカー、バスケットボール、あるいは野球でも、このモデルから得られた洞察がチームが選手評価やリクルートにおいて賢い決定を下すのに役立つよ。
結論
サッカーファクターモデルは、選手のスキルを評価する方法において重要な一歩なんだ。チームのダイナミクスから個々のパフォーマンスを切り離すことで、選手の真の能力をより明確に示してる。このことはコーチやスカウトにとってだけじゃなく、選手比較についてのファンの会話を豊かにするのにも役立つよ。
スポーツの世界では、すべての決断がチームを左右する可能性があるから、SFMはそれを正しくするために必要なツールを提供してる。サッカーアナリティクスの未来は明るいし、もしかしたらいつの日か、フィールドに立つ前に次の大スターを見つける手助けをしてくれるかもしれないね。それまでの間、メッシとロナウドの議論はユーモアとスキルを交えながら続いていくよ!
オリジナルソース
タイトル: Unveiling True Talent: The Soccer Factor Model for Skill Evaluation
概要: Evaluating a soccer player's performance can be challenging due to the high costs and small margins involved in recruitment decisions. Raw observational statistics further complicate an accurate individual skill assessment as they do not abstract from the potentially confounding factor of team strength. We introduce the Soccer Factor Model (SFM), which corrects this bias by isolating a player's true skill from the team's influence. We compile a novel data set, web-scraped from publicly available data sources. Our empirical application draws on information of 144 players, playing a total of over 33,000 matches, in seasons 2000/01 through 2023/24. Not only does the SFM allow for a structural interpretation of a player's skill, but also stands out against more reduced-form benchmarks in terms of forecast accuracy. Moreover, we propose Skill- and Performance Above Replacement as metrics for fair cross-player comparisons. These, for example, allow us to settle the discussion about the GOAT of soccer in the first quarter of the twenty-first century.
著者: Alexandre Andorra, Maximilian Göbel
最終更新: 2024-12-08 00:00:00
言語: English
ソースURL: https://arxiv.org/abs/2412.05911
ソースPDF: https://arxiv.org/pdf/2412.05911
ライセンス: https://creativecommons.org/licenses/by/4.0/
変更点: この要約はAIの助けを借りて作成されており、不正確な場合があります。正確な情報については、ここにリンクされている元のソース文書を参照してください。
オープンアクセスの相互運用性を利用させていただいた arxiv に感謝します。