自分のデータを使ってモデルを構築することについて企業と相談する際、私はいつも自分のデータがどのようにして自分自身を差別化するのかについて話します。たとえば、1日あたりのインフルエンザの発生数が増加すると予想される季節はありますか。それとも、通常よりも多くのローンの債務不履行が予想される経済環境がありますか。これらは、困難を伴う重要な情報の例です。変更が発生するデータ内のこれらの期間をどのように識別しますか。そして、あなたはその変化を説明できますか？
私が顧客と仕事をするとき、このトピックは常に頭の痛いところにあります。今週は、今シーズンが始まっているので、野球の試合も私の頭の中にあります。
野球ファンである私の友人との最近の議論では、ゲームの歴史、そしてさまざまなルールやイベントがゲームにどのように影響を与えたかが中心になっています。それとも、ゲームは影響を受けましたか？一部の人は、規則の変更や出来事が重大な影響を与えることはないと考えていましたが、他の人は非公式ではありませんでした。
それを分析するためのデータとツールを持つ統計学者として、私は少し研究をすることに決めました。これは、イベント、ポリシー、またはルールによって影響を受けた期間をどのように識別できるかを説明するための素晴らしい機会であることがわかりました。同じアプローチが他の業界の企業にも当てはまることを念頭に置いて、野球のデータを楽しんでいました。
私のアプローチ
メジャーリーグ（MLB）は、そのデータをSean Lahman（SeanLahman.com）を通じて一般に公開しています。彼の頑強なファイルセットから、野球データを取り入れたSASデータセットの包括的なデータベースを構築しました。
さまざまな期間（または野球の場合は時代）を見分けるアプローチは2つありました。まず、私は…自分自身の専門家の意見に頼ります。そして第二に、その結果が専門家の意見に一致し、それを支持するかどうかを確かめるための分析的手法を探ります。あなたはフォローアップ記事でこの第二部を見るでしょう。
私は、SAS Data Stepを使って自分のデータを開発したいのですが、その中から開発しました。 SASエンタープライズガイド 。そうすることで、私はRun Per Per Game（RPG）を表す単純なメトリックを開発しました。それが、時間の経過に伴うルールの変更を表すために使用できるメトリックであると考えています。「走りは野球の通貨である」と言われています、そして規則や出来事が時間の経過と共に走りの通常の生産を混乱させたなら、それから我々はそれを議論するべきです！データセットを作成し、シームレスに送信しました。 JMP 。
グラフは議論を刺激する
JMPでGraph Builderを使用して、私はすぐに私のお気に入りの分析コミュニケーション手段の1つである散布図を作成しました。これは平均RPG対年を特徴としました。そして、私がグラフを構築（そしてそれを共有）するとすぐに、私の友人からの質問と観察が流れ始めました。
1900年以前に何度も走ったのはなぜですか？なぜ1900年から1920年の間にこんなに少ない走行があったのでしょうか？なぜ1940年代初頭にランが落ちたのですか？2000年代に予想していたほどランが上がらなかった…私たちは今何時ですか？私達がこれらの質問を議論したので、グラフは少し進化しました。これは、野球の歴史を通した1ゲームあたりの平均実行回数の散布図です。
ゲームの時代が私たちの議論で区別されたので、私は色と参照線を加えました。質問の大部分は、野球の歴史家によって特定された時代に直接関連していました。
いくつかの質問（および回答）は次のとおりです。
1900年以前に何度も走ったのはなぜですか？
1887年まで、打者は基本的に投球（すなわち、「高」または「低」）を呼ぶことができ、投手はそれに従う義務を負っていました。1885年まで、「平らな」コウモリが使われました。1883年まで、ピッチは腰の下で打ち上げられ、速度はそれほどありませんでした。1877年まで、インバウンドを打つ可能性のあるボールと1、3ベース前に「キックアウト」されたボールがヒットと見なされる「今日のファウルボール」と呼ばれる「フェアファウルヒット」があった。この時代は「19 番目世紀の時代。」なぜ1900年から1920年に採点されたランがこれほど少ないのでしょうか。
多くの製造業者は貧弱で一貫性のない仕様で野球を製造しました。カバーが外れるまでチームは文字通り同じボールを使用しました - それは汚れて見えにくくなりました。この時代は「デッドボール時代」と呼ばれていました。1920年以降、ラン生産量を増やすために何が起こりましたか？
Ray Chapmanがピッチで攻撃され殺された後、野球はきれいなボールを使用し始めた。目撃者は、チャップマンがぐらつくことさえしなかったと述べました。そして、それは、ボールが近づいているのを見たことがないとほとんどの人に信じさせました。Babe Ruthのようなホームラン打者が出現した。一貫した製造（一貫したゴムコアを使用）により、野球はより容易にバットから外れます。この時代は「ライブボール時代」と呼ばれていました。1940年代初頭に何が起こりましたか？ランが再び落ちたようです。
第二次世界大戦中に「正規兵」が軍に加わったため、交代選手がゲームをプレイしました。この時代は常に時代と呼ばれるのではなく、「戦争年」と呼ばれます。疑問が浮上し続けました…
議論は多くの興味深い方向に続きました、例えば：
1947年から1962年までの時代は、1947年4月15日にジャッキー・ロビンソンがドジャースに加わったとき、「統合年」と呼ばれます。1963年に始まった時代はまだそれを何を呼ぶべきか、あるいは1963年から現在までの間にいくつの時代が存在するかもしれないかについて野球の歴史家を困惑させます。これが1963年以来ゲームに影響を与えたイベントとルール変更のいくつかです：同リーグは16から30チームに拡大し、チーム間の才能を効果的に薄め、1963年から現在までのこの期間全体を「拡張時代」と呼ぶよう促しました。アメリカンリーグは1973年に「指定打者」を制定し、1973年から現在までの期間を「指定打者時代」と呼ぶようになった。性能向上薬を使用しているという噂が1990年代半ばに表面化し、1995年から2009年にかけて「ステロイド時代」と呼ばれるようになりました。この「発見」のすべてについてクールなのは、それが最初の散布図、および同様のRPGを持つ何年ものクラスターのように見えるものの識別から起こったことです。同様のランプロダクションを持つ年間のクラスターを特定したので、クラスターの背後にある理由を説明するか、未知の原因によって変化がある期間としてそれを指摘しました（そしてそれをさらに研究することを楽しみにしています！）
来週は、アナリティクスを使用してこれらのゲームの時代を確認し、調査する価値のある期間を明らかにしようとします。
もっと見ることに興味がありますか？このステップバイステップのビデオでは、Graph Builderでグラフを作成した方法を説明します。
https://youtu.be/gi1bn5qd79g
