En mi post anterior, mostré cómo exploró las eras del béisbol usando un simple diagrama de dispersión Eso nos ayudó a generar preguntas y orientación analítica. La siguiente fase fue averiguar cómo podría usar el análisis para ayudar al "conocimiento del tema" que se había aplicado a los datos. ¿Podría confirmar lo que se había supuesto sobre las épocas del juego? Y, ¿podríamos usar la analítica para revelar más períodos de tiempo en el juego que deberíamos investigar, o al menos intentar explicar?
Elegí trabajar con el Modelo de ajuste plataforma en JMP , y en particular Regresión generalizada .
Regresión generalizada es un método que podríamos usar para construir un modelo predictivo, pero en este caso no estaba buscando construir un modelo predictivo. Quería aprovechar las capacidades de selección de variables que están disponibles en la Opción Lazo de este método. Quería ver qué variables se seleccionaron como "significativas e importantes" y en qué orden. Pensé que lo que finalmente se seleccionará serán los años en los que me interese, es decir, pensé que confirmaría mi evaluación de las épocas del juego y probablemente encontraría información interesante que mi método de "globo ocular" había pasado por alto.
Largo tiempo SAS El asociado y amigo Tony Cooper es una de las personas que habla béisbol conmigo. Además de ser un fanático de los deportes, Tony es un experto programador en JSL (JMP Scripting Language). En solo unos minutos, creó un script para ayudarme a desarrollar un conjunto de variables ficticias que permitieron una mejor diferenciación de la producción de corridas a través de los años. Fue una clave para los resultados!
En la Regresión generalizada, estaba buscando un método que me ayudara a “cambiar” a la superficie, y había visto esta herramienta en acción en otras áreas. Mis expectativas eran altas, y este método no me decepcionó. De hecho, los resultados fueron emocionantes, lo que indica que este método podría descubrir el "cambio" no solo en los datos de béisbol, sino también en otras áreas.
La utilización de la plataforma JMP para la Regresión generalizada me permitió recorrer los años del juego y confirmar las sospechas sobre las épocas del juego. Y también encontró lo que podría no ser necesariamente una "era", sino una demostración de los efectos de la expansión en años específicos, o (por ejemplo) el acto de levantar el montículo en 1968 y luego reducirlo en 1969.
El gráfico y la tabla que se muestran a continuación cuentan una historia: La Ruta de la solución muestra el orden en el que las variables ingresan al modelo. Y, en la tabla adjunta, las estimaciones nos dicen si el RPG (Runs Per Game) subió o bajó en el año asociado.
Al igual que el diagrama de dispersión, esta visualización llevó a preguntas a medida que se presentaba cada año. Por ejemplo:
¿Qué estaba pasando en 1993? Responder: Podría haber sido el inicio de la "Era de los esteroides" o la expansión debida (dos nuevos equipos se unieron a la liga) y una indicación de la dilución del talento de lanzadores cuando aumentaron las carreras, ¡o ambas cosas!¿Qué estaba pasando en 1942? Responder: Las carreras se redujeron cuando los jugadores de las grandes ligas abandonaron la liga para unirse al ejército. El período de 1942 a 1946 se conoce generalmente como los "años de guerra".¿Qué sucedía en 1920 y 1921? Responder: El béisbol dejaba la "Era de la Bola Muerta" para la "Era de la Bola Viva". Ambos jugadores (como Babe Ruth) y los eventos afectaron el juego.¿Qué hay de 1963? Responder: Los historiadores del béisbol tradicionalmente apuntan a este año como el comienzo del período de expansión, y algunos llaman al período de 1963 para presentar la "Era de la expansión".Y finalmente, ¿por qué se agotan en 2010? Responder: El béisbol había atacado duramente a los usuarios de esteroides, y puede haber causado una disminución en las carreras en general.Conclusión
Entonces, mientras nos divertíamos jugando con los datos de un juego favorito, también pudimos demostrar la efectividad de generar preguntas y la dirección analítica usando el diagrama de dispersión simple . Luego mostramos cómo podríamos obtener información de la superficie a niveles aún mayores utilizando la Regresión Generalizada. Las aplicaciones potenciales a áreas fuera de la arena de los deportes son infinitas. ¿Cómo podrías usar la Regresión Generalizada?
¿Interesado en ver más?
Puede obtener más información sobre el script JSL que Tony Cooper creó para ayudar en el análisis (y descargarlo por sí mismo) visitando el Intercambio de archivos JMP .Siga el análisis utilizando el método de regresión generalizada viendo este video paso a paso:https://youtu.be/GzVj3HNtV1c
