Für den College-Football geht die reguläre Saison zu Ende, und in einigen Tagen wissen wir, welche Mannschaften zu welchen Saisonendspielen gehen. Obwohl einige Zuordnungen von Schalen durch die Formel bestimmt werden, hat jede Schale oft die Wahl zwischen mehreren Teams, die zu ihrem Spiel eingeladen werden. Einige Teams haben den Ruf, „gut zu reisen“, was bedeutet, dass sie über eine Fangemeinde verfügen, die für weit entfernte Spiele oder für ein großes TV-Publikum sorgen kann. Betrachten Sie zum Beispiel diesen Blogbeitrag Kommentar in Bezug auf den Bundesstaat Ohio:
Buckeye Nation, die gut unterwegs ist, ist eine Untertreibung. Wir sind die besten reisenden College-Football-Fans der Nation.
Ich fragte mich, ob die Zahlen die Reputation stützen, und machte sich daran, Daten zu Anwesenheits- und TV-Bewertungen zu sammeln. Ich habe 11 Jahre Schüsselspieldaten zusammengestellt, meistens aus bcsfootball.org mit einigen Löchern, die von den einzelnen Bowl-Websites ausgefüllt wurden. Wie oft war das Reinigen der Daten ein großes Unterfangen. Ich habe die Recode-Funktion in verwendet JMP zur Vereinheitlichung der Teamnamen („Connecticut“ oder „UConn“) und der Namen der Schalen. Schüsselnamen sind besonders knifflig, da sich die tatsächlichen Namen im Laufe der Jahre manchmal ändern, und manchmal wurde derselbe Name für verschiedene Schüsseln verwendet (" Meineke Car Care Bowl "Ist ein Beispiel). Ich habe das JMP-Geocoder-Add-In verwendet, um die Standorte zur Berechnung der Fahrstrecken zu ermitteln.
Mehr Variablen wären sicherlich hilfreich, obwohl ich hoffe, dass die Schüssel selbst als Stellvertreter für Variablen dient Teamwertung (da jede Schüssel in einem recht stabilen Schlitz in der Schüsselreihenfolge sitzt). Betrachten von Modellen, die enthalten Jahr . Schüssel . Jahr * Schüssel . Mannschaft und Entfernung Es stellt sich heraus, dass sich Anwesenheits- und TV-Bewertungen ganz unterschiedlich verhalten. Fast alles Schüssel und Jahr * Schüssel Wechselwirkungen sind stark mit korreliert Teilnahme , aber nur wenige von ihnen korrelieren mit TV-Bewertung . Anscheinend werden TV-Bewertungen eher davon beeinflusst, welche Mannschaften spielen. Entfernung Dies ist insgesamt ein relativ schwacher Faktor, und es gibt nicht genügend Daten, um zu sehen, wie es für einzelne Teams gilt.
Die Trends der Schüsselbesuche variieren von Schüssel zu Schüssel, wobei einige Schalen stabil sind, einige tendenziell nach oben und einige nach unten tendieren. Das folgende Diagramm zeigt die Trendlinien, wobei zwei aus jeder Kategorie hervorgehoben sind.
Was die Teams angeht, ist die Komplikation mit diesen Daten, dass es zwei gibt Mannschaft Spalten und somit zwei Teamwerte pro Zeile. Das Stapeln der Team-Säulen ist möglich, führt jedoch zu doppelten Schalenjahr-Zeilen (künstlich herabgesetzte p-Werte) und die Vereinigung der beiden gegnerischen Teams aufgehoben, sodass wir die gemeinsame Verantwortung für die Ergebnisse nicht mehr modellieren können. Besser ist es, Indikatorspalten zu erstellen, eine pro Team, so dass genau zwei der Spalten für jedes Spiel ungleich Null sind. Ich habe Tabelle> Zusammenfassung mit gefunden Mannschaft als Untergruppe, um eine bequeme Methode zum Generieren der Indikatorspalten zu sein.
Einschließlich der Indikatorspalten mit der Jahr und Schüssel In den Spalten können wir die Auswirkungen jedes Teams sehen, nachdem wir die Auswirkungen der Jahr und Schüssel . Wie bereits erwähnt, wird die Anwesenheit sehr gut durch die Kombination dieser beiden Variablen modelliert, und aus diesem Grund gibt es vielleicht nur wenige Teams mit signifikanten Modelleffekten. Hier sind die mit den kleinsten p-Werten, sortiert nach dem Schätzwert. Hawaii ist ein besonderer Umstand, da diese Schule oft im Hawaii Bowl spielt, und im Allgemeinen ist der Besuch des Hawaii Bowl viel höher, wenn Hawaii darin spielt.
|
| Begriff |
|---|
| Schätzen |
|---|
| Prob> | t | |
|---|
|
| Hawaii |
| 10507 |
| 0.0148 |
|
| Ole Miss |
| 8445 |
| 0,0427 |
|
| Texas A & M |
| 6932 |
| 0,0405 |
|
| Alabama |
| 5803 |
| 0,0884 |
|
| Texas |
| 5308 |
| 0,0637 |
|
| West Virginia |
| 5219 |
| 0,0758 |
|
| Florida St. |
| 4870 |
| 0,0904 |
|
| Georgia Tech |
| -5707 |
| 0,0752 |
|
| Pittsburgh |
| -5982 |
| 0,0896 |
|
| Südflorida |
| -6770 |
| 0,0737 |
|
| Minnesota |
| -7393 |
| 0,0401 |
|
| Bowling Green |
| -8117 |
| 0,0716 |
|
| Toledo |
| -11831 |
| 0,0302 |
Das gleiche Modell für die TV-Bewertung Die Antwort zeigt signifikante Ergebnisse für mehrere Schulen. Die besten Ergebnisse sind wie folgt. Keine der Schulen mit negativen Auswirkungen hat einen signifikanten p-Wert.
|
| Begriff |
|---|
| Schätzen |
|---|
| Prob> | t | |
|---|
|
| Texas |
| 2.30 |
| <.0001 |
|
| Southern Cal |
| 1,83 |
| 0,0017 |
|
| Penn St. |
| 1,91 |
| 0,0021 |
|
| Oregon |
| 1,65 |
| 0,0046 |
|
| Ohio St. |
| 1,55 |
| 0,0073 |
|
| Michigan |
| 1,47 |
| 0,0074 |
|
| Florida St. |
| 1,37 |
| 0,0126 |
|
| Florida |
| 1,51 |
| 0,0130 |
|
| Notre Dame |
| 1,35 |
| 0,0164 |
|
| Nebraska |
| 1,32 |
| 0,0273 |
|
| Michigan St. |
| 1,30 |
| 0,0362 |
|
| Wisconsin |
| 1,23 |
| 0,0371 |
Ich habe die vollständigen Modellberichte als interaktive HTML-Seiten gespeichert, falls Sie die Modelle erkunden möchten oder einfach sehen möchten, wie Ihr Team punktet. Schauen Sie sich das an Teilnahme und TV-Bewertung Berichte.
Ein Detail, das ich nicht erwähnt habe, ist, dass ich Schüsseln und Schulen mit weniger als vier Spielen (Sorry, Duke) ausgeschlossen habe, um Singularitäten im Modell zu vermeiden, die ich nur gefunden habe, wenn das Modell nicht passt. Weitere Ausschlüsse können auch das Modell verbessern, da die meisten Begriffe so wenig Bedeutung hatten, ihre Schätzungen jedoch noch am endgültigen Modell beteiligt sind. Die erweiterten Modellierungsfunktionen in JMP Pro können diese Bereinigung automatisch durchführen. Dies ist der Entwickler von JMP Statistics Clay Barker tat, als er diese Daten analysierte. Er verwendete allgemeine Regression , die iterativ nach zu entfernenden Begriffen sucht, damit die tatsächlichen Begriffe mehr Daten passen. Ton kombiniert auch die Teilnahme und TV-Bewertung im Verhältnis 1: 4, um eine einzige kombinierte Punktzahl zu erzeugen. Unten sind seine oberen und unteren Schulen. Eine Nullpunktzahl bedeutet, dass das Team nicht am endgültigen Modell teilgenommen hat.
|
| Mannschaft |
|---|
| Fernseher |
|---|
Ergebnis| Teilnahme |
|---|
Ergebnis| Insgesamt |
|---|
Ergebnis|
| Florida St. |
| 0,73 |
| 0,60 |
| 0,70 |
|
| Southern Cal |
| 0,78 |
| 0,00 |
| 0,63 |
|
| Texas |
| 0,71 |
| 0,00 |
| 0,57 |
|
| Ohio St. |
| 0,60 |
| 0,11 |
| 0,50 |
|
| Penn St. |
| 0,47 |
| 0,08 |
| 0,39 |
|
| Michigan |
| 0,40 |
| 0,16 |
| 0,35 |
|
| Notre Dame |
| 0,36 |
| 0,30 |
| 0,35 |
|
| Georgia |
| 0,42 |
| 0,00 |
| 0,34 |
|
| Florida |
| 0,27 |
| 0,00 |
| 0,22 |
|
| Miami (Fla.) |
| 0,20 |
| 0,00 |
| 0,16 |
|
| West Virginia |
| 0,00 |
| 0,53 |
| 0,11 |
|
| Texas A & M |
| 0,00 |
| 0,33 |
| 0,07 |
|
| Iowa |
| 0,00 |
| 0,23 |
| 0,05 |
|
| Louisiana Lafayette |
| 0,00 |
| 0,23 |
| 0,05 |
|
| Tennessee |
| 0,00 |
| 0,19 |
| 0,04 |
|
| North Carolina |
| 0,00 |
| 0,19 |
| 0,04 |
|
| Ole Miss |
| 0,00 |
| 0,17 |
| 0,03 |
|
| Florida International |
| 0,00 |
| -0,15 |
| -0,03 |
|
| Wyoming |
| 0,00 |
| -0,16 |
| -0,03 |
|
| Southern Miss |
| 0,00 |
| -0,18 |
| -0,04 |
|
| Marshall |
| 0,00 |
| -0,21 |
| -0,04 |
|
| Colorado |
| 0,00 |
| -0,28 |
| -0,06 |
|
| Western Michigan |
| -0,08 |
| 0,00 |
| -0,07 |
|
| Syrakus |
| 0,00 |
| -0,34 |
| -0,07 |
|
| Western Kentucky |
| 0,00 |
| -0,40 |
| -0,08 |
|
| Nördliches Illinois |
| -0,22 |
| -0,11 |
| -0,20 |
Zumindest sollten Fans von Ohio State jetzt weniger sauer auf mich sein. 
Wenn Sie die Details untersuchen oder ein anderes Modell ausprobieren möchten, die Datendatei ist im JMP File Exchange. (Für den Download ist ein kostenloses SAS-Profil erforderlich.)
Paul Prew schrieb:
Danke, Xan, die Umwandlung der Ergebnisse in Gewinn / Verlust würde diese Analyse zu einem Bradley-Terry-Standardmodell machen. Ich werde wahrscheinlich diesen Weg gehen. Grüße, Paul
Xan Gregg schrieb:
Hallo Paul, ein Unterschied ist, dass die Anwesenheit eine additive Punktzahl ist und deine Bewertung subtraktiv ist (basierend auf der Differenz der beiden). Ich bin kein Statistiker, deshalb biete ich nur ein paar Ideen zur Untersuchung an. Sie können die Indikatormethode mit dem Siegerduft als 1 und dem Verlustduft mit -1 versuchen. Sie sollten Modelle zur Bewertung von Sportarten untersuchen, bei denen die Teams nicht auf der Teilnahme, sondern auf der Basis der Differenz bewertet werden. Natürlich müssen Sie immer noch herausfinden, wie Ihre Waage in eine fortlaufende Zahl konvertiert werden sollte oder dass die Behandlung als Ordinalzahl gilt.
Paul Prew schrieb:
Xan, auf den ersten Blick scheint diese Analyse einige Antworten für einen Duftsensoriktest zu geben, mit dem ich ringe, weil beide Kopf-an-Kopf-Matchups beinhalten, um die Gesamtbewertung verschiedener Faktorstufen zu ermitteln.
Die sensorische Studie umfasste 6 Duftstoffe, um festzustellen, ob einige davon signifikant bevorzugt wurden. Einige Teilnehmer riechen eine # 1, dann einen # 2-Duft (blind) und bewerteten die Studie.
9-Punkt Likert-Skala
1: Extreme Präferenz für # 1 <== 5: Keine Präferenz ==> 9: Extreme Präferenz für # 2
Es hat sich auf mich ausgewirkt, als Sie geschrieben haben, dass das Stapeln der Ergebnisse die beiden gegnerischen Mannschaften voneinander trennt, so dass wir die gemeinsame Verantwortung für die Ergebnisse nicht mehr modellieren können: „Hier stecke ich fest.
Die Analogien, die ich sehe, sind
* Diskussionsteilnehmer / Jahr
* Duft # 1 vs. # 2 / Team # 1 vs. # 2
* Bewertung / Anwesenheit
Die Likert-Skala für die Präferenzbewertung stellt die zusätzliche Komplikation dar, die mich von einer direkten Anwendung Ihrer Indikator-Variablen-Struktur abhält.
Haben Sie Vorschläge, wie die Analyse in JMP passt?
Danke, Paul
Und Ihre Bowl-Spielanalyse sieht für mich recht genau aus. Zu Big Ten gehörende Schüsseln wählen oft andere Big Ten-Teams mit schlechteren Aufzeichnungen über meine Alma Mater, die University of Minnesota, aus, weil wir den Ruf haben, schlechte Reisende zu sein.
