大学フットボールの場合、レギュラーシーズンは終わりを迎えています、そして数日のうちに、どのチームがどのシーズン終了のボウルゲームに参加するのかがわかります。いくつかのボウルの割り当ては公式によって決定されますが、各ボウルはしばしば彼らのゲームに招待するためにいくつかのチームの選択肢を持っています。一部のチームは、「よく旅をする」という評判を得ています。つまり、遠く離れたゲームや大規模なテレビ視聴者を引き付けるためのファンを増やすことができます。たとえば、このブログ記事を検討してくださいコメントオハイオ州について：
Buckeye Nationがよく旅行するのは控えめな表現です。私たちはアメリカで最高の旅行中の大学フットボールのファンです。
数字が評判を支持しているかどうか、そして出席とテレビの評価データを集めることに着手したかどうか疑問に思いました。私は11年間のボウルゲームのデータをまとめました。 bcsfootball.org 個々のボウルWebサイトからいくつかの穴が埋められている。よくあることですが、データのクリーニングは大きな課題でした。でRecode機能を使用しました JMP チーム名（「コネチカット」または「UConn」）とボール名を標準化します。実際の名前は時々変わることがあるので、ボウルの名前は特に扱いにくく、そして時には同じ名前が異なるボウルに使われてきました。マイネケカーケアボウルその一例です。JMPジオコーダーアドインを使用して、移動距離を計算するための場所を特定しました。
私はボウル自体がのような変数の代理として機能することを願っていますが、もっと多くの変数がきっと役に立つでしょうチームランキング （各ボウルはボウルをつつく順序でかなり安定した溝に入っているので）。以下のモデルを見る年 、ボウル 、年*ボウル 、チームそして距離つまり、出席率とテレビの評価はまったく異なる動作をします。ほとんどすべてのボウルそして年*ボウル相互作用は、出席しかし、それらのいくつかだけがテレビの評価 。どうやら、テレビの格付けはどのチームがプレイしているかによって影響を受けやすいようです。距離全体的に比較的弱い要因であり、個々のチームにどのように適用されるかを確認するための十分なデータはありません。
ボウルの出席傾向はボウルによって異なり、いくつかのボウルは安定しており、いくつかは上昇傾向にあり、いくつかは下降傾向にあります。次のグラフは傾向線を示しており、各カテゴリからの2本が強調表示されています。
チームに目を向けると、このデータの複雑さは2つあることです。チーム列、つまり1行に2つのチーム値。チームの列を積み重ねることは可能ですが、ボウル年の行が二重になり（人為的にp値が減少します）、さらに重要なことに2つの反対側のチームの関連付けが解除されます。より良い方法は、各ゲームで正確に2つの列がゼロ以外になるように、チームごとに1つのインジケーター列を作成することです。Table> Summary withが見つかりましたチームサブグループとして、インジケーター列を生成する便利な方法です。
インディケーター列を年そしてボウルコラムでは、チームの年そしてボウル 。前述したように、出席はこれら2つの変数の組み合わせによって非常によくモデル化されているので、おそらくそのために重要なモデル効果を持つチームはほとんどありません。推定値でソートされた、最小のp値を持つものがあります。その学校がハワイボウルでしばしば遊ぶので、ハワイは特別な状況です、そして、一般にハワイボウルで出席することはハワイがそれで遊ぶときはるかに高いです。
|
| 期間 |
|---|
| 見積もり |
|---|
| Prob> | t | |
|---|
|
| ハワイ |
| 10507 |
| 0.0148 |
|
| オレミス |
| 8445 |
| 0.0427 |
|
| テキサスA&M |
| 6932 |
| 0.0405 |
|
| アラバマ州 |
| 5803 |
| 0.0884 |
|
| テキサス |
| 5308 |
| 0.0637 |
|
| ウェストバージニア州 |
| 5219 |
| 0.0758 |
|
| フロリダストリート |
| 4870 |
| 0.0904 |
|
| ジョージア工科大学 |
| -5707 |
| 0.0752 |
|
| ピッツバーグ |
| -5982 |
| 0.0896 |
|
| 南フロリダ |
| -6770 |
| 0.0737 |
|
| ミネソタ |
| -7393 |
| 0.0401 |
|
| ボウリンググリーン |
| -8117 |
| 0.0716 |
|
| トレド |
| -11831 |
| 0.0302 |
のための同じモデルテレビの評価回答はいくつかの学校で重要な結果を示しています。上位の結果は以下のとおりです。悪影響がある学校のうち、有意なp値を持つものはありません。
|
| 期間 |
|---|
| 見積もり |
|---|
| Prob> | t | |
|---|
|
| テキサス |
| 2.30 |
| <.0001 |
|
| サザンカル |
| 1.83 |
| 0.0017 |
|
| ペンストリート |
| 1.91 |
| 0.0021 |
|
| オレゴン |
| 1.65 |
| 0.0046 |
|
| オハイオストリート |
| 1.55 |
| 0.0073 |
|
| ミシガン州 |
| 1.47 |
| 0.0074 |
|
| フロリダストリート |
| 1.37 |
| 0.0126 |
|
| フロリダ |
| 1.51 |
| 0.0130 |
|
| ノートルダム |
| 1.35 |
| 0.0164 |
|
| ネブラスカ |
| 1.32 |
| 0.0273 |
|
| ミシガンストリート |
| 1.30 |
| 0.0362 |
|
| ウィスコンシン |
| 1.23 |
| 0.0371 |
モデルを詳しく調べたい場合や、チームのスコアを確認したい場合に備えて、モデルレポート全体をインタラクティブなHTMLページとして保存しました。を見てください出席そしてテレビの評価報告します。
私が言及しなかった1つの詳細は、私がモデルがうまくいかなかったときにだけ私が見つけたモデルの特異点を避けるために4つより少ないゲーム（すみません、デューク）を持っているボールと学校を除外したということです。ほとんどの用語はそれほど重要ではないため、さらに除外することでモデルが改善されることもありますが、それらの見積もりは依然として最終モデルに参加します。JMP Proの高度なモデリング機能はこのような剪定を自動的に行うことができ、それがJMP統計開発者です。クレイバーカー彼がこのデータを分析したときにした。彼が使った一般化回帰実際の用語がより多くのデータに適合するように、削除する用語を繰り返し検索します。粘土も組み合わせた出席そしてテレビの評価 1：4の比率で1つの複合スコアを作成します。以下は彼のトップとボトムの学校です。スコアがゼロの場合、チームは最終モデルに参加しませんでした。
|
| チーム |
|---|
| テレビ |
|---|
スコア| 出席 |
|---|
スコア| 全体 |
|---|
スコア|
| フロリダストリート |
| 0.73 |
| 0.60 |
| 0.70 |
|
| サザンカル |
| 0.78 |
| 0.00 |
| 0.63 |
|
| テキサス |
| 0.71 |
| 0.00 |
| 0.57 |
|
| オハイオストリート |
| 0.60 |
| 0.11 |
| 0.50 |
|
| ペンストリート |
| 0.47 |
| 0.08 |
| 0.39 |
|
| ミシガン州 |
| 0.40 |
| 0.16 |
| 0.35 |
|
| ノートルダム |
| 0.36 |
| 0.30 |
| 0.35 |
|
| ジョージア |
| 0.42 |
| 0.00 |
| 0.34 |
|
| フロリダ |
| 0.27 |
| 0.00 |
| 0.22 |
|
| マイアミ（フロリダ州） |
| 0.20 |
| 0.00 |
| 0.16 |
|
| ウェストバージニア州 |
| 0.00 |
| 0.53 |
| 0.11 |
|
| テキサスA&M |
| 0.00 |
| 0.33 |
| 0.07 |
|
| アイオワ |
| 0.00 |
| 0.23 |
| 0.05 |
|
| ルイジアナラファイエット |
| 0.00 |
| 0.23 |
| 0.05 |
|
| テネシー州 |
| 0.00 |
| 0.19 |
| 0.04 |
|
| ノースカロライナ州 |
| 0.00 |
| 0.19 |
| 0.04 |
|
| オレミス |
| 0.00 |
| 0.17 |
| 0.03 |
|
| フロリダインターナショナル |
| 0.00 |
| -0.15 |
| -0.03 |
|
| ワイオミング |
| 0.00 |
| -0.16 |
| -0.03 |
|
| サザンミス |
| 0.00 |
| -0.18 |
| -0.04 |
|
| マーシャル |
| 0.00 |
| -0.21 |
| -0.04 |
|
| コロラド州 |
| 0.00 |
| -0.28 |
| -0.06 |
|
| ミシガン州西部 |
| -0.08 |
| 0.00 |
| -0.07 |
|
| シラキュース |
| 0.00 |
| -0.34 |
| -0.07 |
|
| 西ケンタッキー |
| 0.00 |
| -0.40 |
| -0.08 |
|
| 北イリノイ |
| -0.22 |
| -0.11 |
| -0.20 |
少なくとも、オハイオ州のファンは今、私のことを気にする必要はありません。:)
詳細を調べたい場合、または別のモデルを試したい場合は、データファイル JMPファイル交換にあります。（ダウンロードには無料のSASプロファイルが必要です。）
ポール・プリウ書きました：
ありがとう、Xan、スコアを勝敗に変換すると、この分析は標準のBradley-Terryモデルになります。私はおそらくその道を行きます。よろしく、ポール
Xan Gregg 書きました：
こんにちはポール、1つの違いは、出席が加法的スコアであり、あなたの評価が（2つの違いに基づく）減法であるということです。私は統計学者ではないので、調査のためにいくつかのアイデアを提供するだけにします。勝利の香りが1、負けた香りが-1となるインディケータ方法を試すことができます。あなたは出席ではなく得点の差に基づいてチームを評価するスポーツ評価モデルを調査するべきです。もちろん、あなたはまだあなたのスケールがどのように連続的な数に変換されるべきであるか、そうでなければ序数として扱うべきかを理解する必要があります。
ポール・プリウ書きました：
Xan、表面上、この分析は私が取り組んでいるフレグランス官能検査のいくつかの答えを保持しているように思われる。
官能試験は６つの香料を含み、いずれかが著しく好まれているかどうかを確認した。40人のパネリストが1番、次に2番の香り（盲目）の香りを付け、そして評価を評価した。
9ポイント リッカートスケール
1：＃1を優先します<== 5：優先しない==> 9：＃2を優先します
結果を積み重ねると、2つの対立するチームが切り離されるため、結果に対する責任の共有をモデル化できなくなる」とあなたが書いたとき、私は共鳴しました。
私が見ている類推は
*パネリスト/年
*香り＃1対＃2 /チーム＃1対＃2
*評価/出席
嗜好評価に使用されるリッカート尺度は、私があなたのインディケータ変数構造を単純明快に適用することを妨げる追加の複雑さをもたらします。
分析をJMPに適合させることができる提案はありますか？
ありがとう、ポール
そしてあなたのボウルゲーム分析は私にとってはかなり正確に見えます。Big Ten提携ボウルは、私の出身地であるミネソタ大学よりも成績が悪い他のBig Tenチームを選ぶことがよくあります。
