Para el fútbol americano universitario, la temporada regular está llegando a su fin, y en pocos días sabremos qué equipos irán a qué juegos de tazón de final de temporada. Aunque algunas asignaciones de tazones se determinan por fórmula, cada tazón a menudo tiene la opción de varios equipos para invitar a su juego. Algunos equipos tienen la reputación de "viajar bien", lo que significa que tienen una base de fanáticos que puede aumentar la asistencia para partidos lejanos o para atraer a una gran audiencia televisiva. Por ejemplo, considere esta entrada de blog comentario con respecto al estado de Ohio:
Buckeye Nation viajar bien es una subestimación. Somos los mejores fanáticos del fútbol universitario viajero en la nación.
Me pregunté si los números apoyan la reputación y se dispuso a recopilar datos de asistencia y calificaciones de TV. Reuní 11 años de datos de juegos de bol, principalmente de bcsfootball.org con algunos agujeros rellenados de sitios web de tazones individuales. Como a menudo es el caso, la limpieza de los datos fue una empresa importante. Utilicé la función Recode en JMP para estandarizar los nombres de los equipos ("Connecticut" o "UConn") y los nombres de los tazones. Los nombres de los tazones son particularmente complicados, ya que los nombres reales a veces cambian con los años y, a veces, se ha usado el mismo nombre para diferentes tazones (“ Cuenco para el cuidado del auto Meineke "Es un ejemplo). Utilicé el complemento JMP Geocoder para determinar ubicaciones para calcular distancias de viaje.
Más variables seguramente serían útiles, aunque espero que el tazón sirva como un proxy para variables como ranking del equipo (ya que cada tazón se asienta en una ranura bastante estable en el orden jerárquico del tazón). Mirando modelos que incluyen Año , cuenco , Año * Cuenco , Equipo y Distancia Resulta que las calificaciones de asistencia y de televisión se comportan de manera muy diferente. Casi todos los cuenco y Año * Cuenco Las interacciones están fuertemente correlacionadas con Asistencia , pero solo unos pocos de ellos están correlacionados con Calificación de TV . Al parecer, las clasificaciones de TV son más probablemente influenciadas por los equipos que están jugando. Distancia es un factor relativamente débil en general, y no hay datos suficientes para ver cómo se aplica a los equipos individuales.
Las tendencias de asistencia a los tazones varían según el tazón, con algunos tazones estables, algunas tendencias hacia arriba y otras hacia abajo. El siguiente gráfico muestra las líneas de tendencias, con dos de cada categoría resaltadas.
En cuanto a los equipos, una complicación con estos datos es que hay dos Equipo Columnas y por lo tanto dos valores de equipo por fila. Es posible apilar las columnas del equipo, pero da como resultado filas duplicadas de años de tazón (reduciendo artificialmente sus valores p) y, lo que es más importante, desasocia a los dos equipos opuestos, por lo que ya no podemos modelar la responsabilidad compartida de los resultados. Un mejor enfoque es crear columnas de indicadores, una por equipo, de manera que exactamente dos de las columnas sean distintas de cero para cada juego. Encontré Tabla> Resumen con Equipo como un subgrupo para ser una forma conveniente de generar las columnas del indicador.
Incluyendo las columnas indicadoras con el Año y cuenco columnas nos permite ver el efecto de cada equipo después de tener en cuenta el efecto de la Año y cuenco . Como mencioné anteriormente, la asistencia se modela muy bien mediante la combinación de esas dos variables, y quizás por esa razón hay pocos equipos con efectos de modelo significativos. Aquí están aquellos con los valores p más pequeños, ordenados por el valor estimado. Hawái es una circunstancia especial, ya que esa escuela juega a menudo en el Hawaii Bowl, y en general la asistencia del Hawaii Bowl es mucho mayor cuando Hawai juega en él.
|
| Término |
|---|
| Estimar |
|---|
| Prob> | t | |
|---|
|
| Hawai |
| 10507 |
| 0.0148 |
|
| Ole Miss |
| 8445 |
| 0.0427 |
|
| Texas A&M |
| 6932 |
| 0.0405 |
|
| Alabama |
| 5803 |
| 0.0884 |
|
| Texas |
| 5308 |
| 0.0637 |
|
| Virginia del Oeste |
| 5219 |
| 0.0758 |
|
| Florida St. |
| 4870 |
| 0.0904 |
|
| Georgia Tech |
| -5707 |
| 0.0752 |
|
| Pittsburgh |
| -5982 |
| 0.0896 |
|
| Sur de la Florida |
| -6770 |
| 0.0737 |
|
| Minnesota |
| -7393 |
| 0.0401 |
|
| Bowling Green |
| -8117 |
| 0.0716 |
|
| Toledo |
| -11831 |
| 0.0302 |
El mismo modelo para el Calificación de TV La respuesta muestra resultados significativos para varias escuelas. Los mejores resultados son los siguientes. De las escuelas con efectos negativos, ninguna tiene un valor p significativo.
|
| Término |
|---|
| Estimar |
|---|
| Prob> | t | |
|---|
|
| Texas |
| 2,30 |
| <.0001 |
|
| Cal del sur |
| 1.83 |
| 0.0017 |
|
| Penn St. |
| 1.91 |
| 0.0021 |
|
| Oregón |
| 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 |
He guardado los informes completos del modelo como páginas HTML interactivas en caso de que desee explorar los modelos o simplemente ver cómo calificó su equipo. Echa un vistazo a la Asistencia y Calificación de TV informes.
Un detalle que no mencioné es que excluí tazones y escuelas que tenían menos de cuatro juegos (Sorry, Duke) para evitar las singularidades en el modelo, que solo encontré cuando el modelo no encajaba. Las exclusiones adicionales también pueden mejorar el modelo, ya que la mayoría de los términos tenían poca importancia, pero sus estimaciones aún participan en el modelo final. Las características avanzadas de modelado en JMP Pro pueden hacer dicha poda automáticamente, y eso es lo que el desarrollador estadístico JMP Arcilla barker Lo hizo cuando analizó estos datos. El usó regresión generalizada , que busca de forma iterativa los términos que se eliminarán para que los términos reales se ajusten a más datos. Arcilla también combinó el Asistencia y Calificación de TV en una proporción de 1: 4 para producir una única puntuación combinada. A continuación se muestran sus escuelas superior e inferior. Una puntuación de cero significa que el equipo no participó en el modelo final.
|
| Equipo |
|---|
| televisión |
|---|
Puntuación| Asistencia |
|---|
Puntuación| En general |
|---|
Puntuación|
| Florida St. |
| 0.73 |
| 0.60 |
| 0.70 |
|
| Cal del sur |
| 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 |
|
| Virginia del Oeste |
| 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 |
|
| Tennesse |
| 0.00 |
| 0.19 |
| 0.04 |
|
| Carolina del Norte |
| 0.00 |
| 0.19 |
| 0.04 |
|
| Ole Miss |
| 0.00 |
| 0.17 |
| 0.03 |
|
| Internacional de Florida |
| 0.00 |
| -0.15 |
| -0.03 |
|
| Wyoming |
| 0.00 |
| -0.16 |
| -0.03 |
|
| Señorita del sur |
| 0.00 |
| -0.18 |
| -0.04 |
|
| Marshall |
| 0.00 |
| -0.21 |
| -0.04 |
|
| Colorado |
| 0.00 |
| -0.28 |
| -0.06 |
|
| Michigan occidental |
| -0.08 |
| 0.00 |
| -0.07 |
|
| Siracusa |
| 0.00 |
| -0.34 |
| -0.07 |
|
| Kentucky occidental |
| 0.00 |
| -0.40 |
| -0.08 |
|
| Norte de Illinois |
| -0.22 |
| -0.11 |
| -0.20 |
Al menos, los fanáticos de Ohio State deberían estar menos enojados conmigo ahora. 
Si desea examinar los detalles o probar un modelo diferente, el archivo de datos está en el intercambio de archivos JMP. (La descarga requiere un perfil SAS gratuito.)
Paul Prew escribió:
Gracias, Xan, convertir las puntuaciones en ganancias / pérdidas convertiría este análisis en un modelo estándar de Bradley-Terry. Probablemente iré por ese camino. saludos, paul
Xan Gregg escribió:
Hola, Paul. Una diferencia es que la asistencia es un puntaje aditivo y tu calificación es un sustractivo (basado en la diferencia de los dos). No soy un estadístico, así que solo ofreceré un par de ideas para investigar. Puede probar el método indicador con la fragancia ganadora puntuada como 1 y la fragancia perdedora anotada como -1. Debería investigar los modelos de clasificación deportiva que clasifican a los equipos según la diferencia de puntaje en lugar de la asistencia. Por supuesto, aún debe averiguar cómo se debe convertir su escala a un número continuo o, de lo contrario, el tratamiento es como ordinal.
Paul Prew escribió:
Xan, en la superficie, este análisis parece que podría contener algunas respuestas para una prueba sensorial de fragancia con la que estoy luchando, porque ambas implican enfrentamientos de cabeza a cabeza para determinar las calificaciones generales de varios niveles de factores.
El estudio sensorial incluyó 6 fragancias, para identificar si alguna era significativamente preferida. 40-algunos panelistas olieron un # 1, luego un # 2 fragancia (cegado), y le dieron una calificación al juicio.
9 puntos escala Likert
1: preferencia extrema para # 1 <== 5: sin preferencia ==> 9: preferencia extrema para # 2
Resonó cuando escribí que el hecho de apilar los resultados desasocia a los dos equipos opuestos, por lo que ya no podemos modelar la responsabilidad compartida de los resultados. Aquí es donde estoy atascado.
Las analogías que veo son
* panelista / año
* fragancia # 1 vs. # 2 / equipo # 1 vs. # 2
* calificación / asistencia
La escala de Likert utilizada para la calificación de preferencias plantea la complicación adicional que me impide una aplicación directa de la estructura de indicador-variable.
¿Tiene alguna sugerencia sobre cómo encajar el análisis en JMP?
gracias paul
Y el análisis de tu juego de tazones me parece muy preciso. Los tazones afiliados a Big Ten a menudo eligen a otros equipos de Big Ten con peores récords sobre mi alma mater, la Universidad de Minnesota, porque tenemos una reputación de ser viajeros pobres.
