足球技战术表现大数据分析——基于广义线性模型与数据级数推断法

发布时间：2018-11-28 09:34

【摘要】：对2014赛季中国足球协会超级联赛比赛中的技战术表现指标和比赛结果进行数学建模,对比赛技战术表现进行探讨。研究样本由240场比赛、480组技战术统计数据组成,研究变量包括3个进球射门相关变量、11个进攻组织相关变量和5个防守相关变量,以及1个比赛情境变量(主客场)。首先通过K型聚类分析法,对比分均衡的比赛进行界定;其次,对每一场比分均衡比赛中的每一项技战术表现指标数值与比赛结果进行广义线性模型创建,以界定比赛技战术表现指标与比赛获胜概率的线性关系;最后,采取数据级数推断法,对每一项技战术表现指标与比赛获胜概率线性关系的显著性进行界定。研究结果显示:(1)比分差距为0~2球的比赛为比分均衡的比赛;(2)进球射门相关变量中,每增加2个标准差的射门次数,球队获胜的概率可以增加16.3%(90%置信区间:±14.6%),而每增加2个标准差的射正次数,球队获胜的概率则可增加33.8%(±16.2%);(3)进攻组织相关变量中,增加2个标准差的传球、传球成功率和直塞可以为球队获胜概率带来21.6%(±15.9%)、27.3%(±17.7%)和16.9%(±22.9%)的增量,而增加2个标准差的被犯规次数则会导致球队获胜的概率下降25.4%(±18.6%);(4)防守相关变量中,每增加2个标准差的抢断次数可以提升14%(±13.6%)的获胜概率,而每增加1张红牌则会降低30.9%(±26.7%)的获胜概率;(5)在2014赛季中超联赛比分均衡的比赛中,主场比赛可以比在客场比赛获胜的概率高9.5%(±15.4%)。研究结果表明:广义线性模型可以对足球比赛中的各项比赛技战术表现指标与比赛胜负的因果关系进行有效的界定,从而可以用来判定哪些比赛技战术指标是比赛制胜指标。创建的模型提供的信息,可以运用于比赛表现评估、对手信息探测、选择和修改训练备战计划等足球运动实践中。
[Abstract]:This paper models the technical and tactical performance indexes and the results of the 2014 season Chinese Football Association Super League matches, and probes into the technical and tactical performance of the matches. The study sample consists of 240 matches and 480 sets of technical and tactical statistics. The research variables include 3 goals and shots related variables, 11 offensive organization related variables and 5 defensive related variables, as well as one match situation variable (home and away). First of all, through K-type clustering analysis, compared with the balanced competition to define; Secondly, a generalized linear model is established to define the linear relationship between the technical and tactical performance index and the winning probability of each match in order to define the linear relationship between the technical and tactical performance index and the result of the match. Finally, the significance of the linear relationship between each technical and tactical performance index and the winning probability is defined by the method of data series inference. The results show that: (1) the match with a score gap of 0 or 2 goals is a balanced match; (2) in the related variables of scoring and shooting, the probability of winning was increased by 16.3% (90% confidence interval: 卤14.6%) for every two standard deviation shots, and the number of shots with two standard deviations was increased by 16. 3% (90% confidence interval: 14. 6%). The probability of winning was increased by 33.8% (卤16.2%). (3) in the relative variables of the offensive organization, the pass success rate and the straight stopper can bring 21.6% (卤15.9%) to the winning probability of the team by adding two standard deviation passes. The increment of 27.3% (卤17.7%) and 16.9% (卤22.9%), and the increase of the number of fouls with two standard deviations decreased the probability of winning by 25.4% (卤18.6%). (4) in the defense-related variables, the probability of winning was increased by 14% (卤13.6%) for every two standard deviation times, and 30.9% (卤26.7%) for each additional red card. (5) in the match with balanced Super League score in 2014 season, the probability of winning at home is 9.5% (卤15.4%) higher than that in away game. The results show that the generalized linear model can effectively define the causal relationship between the technical and tactical performance indexes and the winning and losing of the matches in football matches, and thus can be used to determine which technical and tactical indicators are the winning indexes of the matches. The information provided by the model can be used in football practice, such as performance evaluation, detection of opponent information, selection and modification of training preparation plan and so on.
【作者单位】： 华南师范大学体育科学学院;
【基金】：华南师范大学青年教师科研培育基金项目(16SK07)
【分类号】：G843

【参考文献】

中国期刊全文数据库 前4条

1 赵刚;陈超;;足球比赛表现研究方法和评价指标体系研究[J];体育科学;2015年04期

2 刘鸿优;易清;康辉;;欧洲足球冠军联赛主场优势的判别分析[J];武汉体育学院学报;2014年11期

3 刘鸿优;易清;;对欧洲足球四大联赛特征刻板印象的实证探究[J];中国体育科技;2014年05期

4 赵刚;部义峰;张丽;;足球运动表现研究进展、问题与趋势[J];中国体育科技;2014年04期

【共引文献】

中国期刊全文数据库 前10条

1 陆森召;;中国职业篮球联赛球队获胜关键技术指标判定[J];沈阳体育学院学报;2017年02期

2 吴放;张廷安;;中超联赛球队跑动表现对比赛胜负的影响[J];中国体育科技;2017年03期

3 李春君;沈放;周厚超;林燕荣;;我国足球超级联赛球队进攻能力分析[J];统计与决策;2017年08期

4 刘天彪;李煜;王璞珏;薛俊;刘鸿优;;2013—2015年亚洲足球俱乐部冠军联赛中日韩三国球队比赛风格刻板印象的实证研究[J];北京体育大学学报;2017年04期

5 刘鸿优;彭召方;;足球技战术表现大数据分析——基于广义线性模型与数据级数推断法[J];体育学刊;2017年02期

6 解超;张军;曲安然;乔丽;孙立国;;选材视角下青少年足球运动员临场表现的模糊评价模型研究[J];中国学校体育(高等教育);2017年03期

7 谢军;刘鸿优;;比赛情境因素对中国足球超级联赛技战术表现的影响[J];北京体育大学学报;2017年02期

8 韩玉;;天津男子足球队备战2017年全运会后卫队员训练负荷的研究[J];体育世界(学术版);2016年12期

9 王凯;覃立成;李广;张旺;林亮;;中国足球超级联赛技、战术特征研究[J];体育研究与教育;2016年06期

10 刘鸿优;彭召方;;中国足球超级联赛致胜关键指标探析[J];中国体育科技;2016年03期

【二级参考文献】

中国期刊全文数据库 前3条

1 部义峰;;优秀女子足球运动员跑动能力与比赛效果关联研究[J];中国体育科技;2014年02期

2 于少华;刘丹;李强;;中国男子优秀足球运动员比赛跑动能力研究[J];中国体育科技;2009年06期

3 于景元;;钱学森综合集成体系[J];西安交通大学学报(社会科学版);2006年06期

【相似文献】

中国期刊全文数据库 前10条

1 陈希孺;广义线性模型(二)[J];数理统计与管理;2002年06期

2 陈希孺;广义线性模型(三)[J];数理统计与管理;2003年01期

3 陈希孺;广义线性模型(四)[J];数理统计与管理;2003年02期

4 陈希孺;广义线性模型(五)[J];数理统计与管理;2003年03期

5 陈希孺;广义线性模型(六)[J];数理统计与管理;2003年04期

6 陈希孺;广义线性模型(七)[J];数理统计与管理;2003年05期

7 陈希孺;广义线性模型(八)[J];数理统计与管理;2003年06期

8 陈希孺;广义线性模型(九)[J];数理统计与管理;2004年01期

9 陈希孺;广义线性模型(十)[J];数理统计与管理;2004年02期

10 张景肖;刘燕平;;函数性广义线性模型曲线选择的正则化方法[J];统计研究;2012年09期

中国重要会议论文全文数据库 前3条

1 徐晶;;基于广义线性模型的地质灾害气象预警模型[A];推进气象科技创新加快气象事业发展——中国气象学会2004年年会论文集（下册）[C];2004年

2 杨贤其;AIGuozheng;;最优多元函数的建模问题[A];中国运筹学会第六届学术交流会论文集（下卷）[C];2000年

3 殷婷婷;朱道元;;广义线性模型的L_2罚估计[A];江苏省现场统计研究会第十次学术年会论文集[C];2006年

中国博士学位论文全文数据库 前10条

1 姬晓鹏;向量广义线性模型及相关性分析在风险投资中应用[D];天津大学;2015年

2 熊林平;纵向研究的一般线性模型与广义线性模型分析[D];第四军医大学;1997年

3 卢志义;基于广义线性模型的损失准备金估计方法研究[D];天津财经大学;2008年

4 黄介武;线性与广义线性模型中参数估计的一些研究[D];重庆大学;2014年

5 汪建均;基于广义线性模型的变量选择与稳健参数设计[D];南京理工大学;2011年

6 夏娜;几类相关数据分析模型的研究[D];北京工业大学;2007年

7 丁洁丽;广义线性模型极大似然估计的大样本理论[D];武汉大学;2006年

8 马彦辉;基于GLM的非正态响应稳健设计研究[D];天津大学;2008年

9 殷宗俊;利用广义线性方法进行多基因离散性状遗传分析[D];中国农业大学;2005年

10 曾林蕊;半参数广义线性模型若干问题的研究[D];华东师范大学;2004年

中国硕士学位论文全文数据库 前10条

1 张里静;广义线性模型研究及其在机动车辆保险中的应用[D];四川师范大学;2015年

2 罗开明;基于广义线性模型和混合gamma模型的单病种结算[D];新疆大学;2015年

3 贺晓松;广义线性模型的理论及应用实例[D];重庆大学;2015年

4 李常剑;基于分层广义线性模型的车险定价[D];吉林大学;2016年

5 杨幼玲;广义线性模型参数估计若干问题的研究[D];东北林业大学;2016年

6 王杰;具有发散维协变量广义线性模型统计分析[D];南京师范大学;2016年

7 董超;结合广义线性模型与贝叶斯方法的非正态响应稳健参数设计[D];南京理工大学;2017年

8 刘茜;广义线性模型及其应用[D];新疆大学;2009年

9 崔杰;多元广义线性模型基于惩罚似然的调整参数的选择[D];大连理工大学;2010年

10 刘艳芬;广义线性模型的广义最小一乘估计[D];大连理工大学;2008年

，

本文编号：2362477