한계효과 분석을 이용한 한국프로농구 승리 확률 변화 분석 = Analysis of Korean Basketball League Winning Probability Variation Using Concept of Marginal Effect

다국어 초록 (Multilingual Abstract)

In this study, we explore the game records affecting the results of the Korean professional basketball league matches and their effects on the winning probability based on marginal effect analysis. First, we conduct logistic regression analysis to find the factors affecting the KBL match results using the records of 810 matches of the KBL in three seasons: 2015-2016, 2016-2017 and 2017-2018. For the factors found by logistic regressions analysis, we conduct marginal effect analysis to examine how the variations of those factors change the winning probability of a KBL team, whose results are presented as graphs for visualization. According to logistic regression analysis, the factors affecting the results of KBL matches are the followings: 2pts(exp(β)=1.27), 3pts(exp(β)=1.443), ft_pts(exp(β)=1.156), D_rb(exp(β)= 1.254), Steal(exp(β)=1.208), Block(exp(β)=1.198), Turn_over(exp(β)=0.879), and Foul(exp(β)= 0.838), whose p-values are all less than 0.001. The marginal effect analysis shows that the wining probability is 50.7% for the league average values of those independent variables. Furthermore, the winning probability is increased by about 9% if the variable for 3pts is increased by one unit from the average while the others are fixed at the average values. The winning probability is increased by about 5.6% if the defensive rebound variable is increased by one unit with the other variables fixed at the average. This study discusses the variation of the winning probability using marginal effect analysis, which has not been addressed in the previous studies on sports performance analysis. We expect that the result and the approach of this study will be useful in various sports-related fields such as performance analytics and the value evaluation of sports players.

국문 초록 (Abstract)

본 연구의 목적은 한국프로농구 정규리그 경기결과에 영향을 미치는 경기기록을 탐색하고, 한계효과 분석을 이용하여 특정한 경기기록이 승리 확률 변화에 미치는 실질적인 영향력을 분석하는 것이다. 연구 목적에 따라 본 연구에서는 2015-2016, 2016-2017, 2017-2018 총 세 시즌 동안 이루어진 KBL 정규리그 810 경기에 대한 기록을 바탕으로 로지스틱 회귀분석을 실시하여 승패에 영향을 미치는 경기기록을 분석하였다. 로지스틱 회귀분석 결과를 바탕으로 한계효과 분석을 실시하여 농구 경기기록 변수의 연속적인 변화가 승리 확률 변화에 어느 정도의 영향을 미치는지 살펴보았으며, 확률 변화는 그래프로 시각화하여 제시하였다. 로지스틱 회귀분석 결과 승패에 영향을 미치는 경기기록은 2pts(exp(β)=1.27), 3pts(exp(β)=1.443), Ft_pts(exp(β)=1.156), D_rb(exp(β)=1.254), Steal(exp(β)=1.208), Block(exp(β)=1.198), Turn_over(exp(β)=0.879), Foul(exp(β)=0.838)로 나타났으며, 해당 변수들의p값은 모두 0.001보다 작게 나타났다. 한계효과 분석 결과 모든 독립변수가 3시즌 동안의 리그 평균값을 나타낸다면, 해당 팀의 승리 확률은 50.7%로 나타났다. 다른 변수들을 평균으로 고정한 상태에서 3pts 변수가 평균에서 한 단위 증가하면 승리 확률은 약 9% 증가, 동일한 조건에서 수비 리바운드 변수가 평균에서 한 단위 증가하면 승리 확률은 약 5.6% 증가하는 것으로 나타났다. 본 연구의 결과는 경기분석 관련 선행연구에서 다루지 않았던 한계효과 개념을 적용하여 승리 확률 변화에 대하여 논의하였다는 점에서 그 의의가 있을 것이다. 한계효과 분석을 이용한 승리 확률 변화에 대한 해석은 로그 승산, 승산의 변화보다 더욱 직관적인 이해가 가능하기에 경기 분석, 선수의 가치 평가 등 스포츠 관련 다양한 분야에서 활용될 수 있을 것으로 기대된다.

참고문헌 (Reference)

• 1 장효진, "회귀모형을 이용한 한국프로농구 승부결과 분석" 한국지능시스템학회 25 (25): 489-494, 2015
• 2 고길곤, "행정학 분야의 로지스틱 회귀분석 활용 절차와 쟁점" 한국국정관리학회 27 (27): 3-33, 2017
• 3 김세형, "한국핸드볼 경기기록 분석을 통한 승패결정요인 추정" 국민체육진흥공단 한국스포츠정책과학원 23 (23): 244-253, 2012
• 4 이제영, "한국프로야구에서 타자능력지수 제안 - 대체선수대비승수(WAR)을 중심으로" 한국통계학회 29 (29): 1271-1281, 2016
• 5 이장택, "한국프로야구에서 출루율 계수의 추정" 한국데이터정보과학회 25 (25): 357-363, 2014
• 6 채진석, "한국프로야구 Post시즌 전력분석 및 예측모형" 국민체육진흥공단 한국스포츠정책과학원 25 (25): 92-107, 2014
• 7 김세형, "한국프로농구 경기기록 분석에 의한 승패결정요인" 한국체육측정평가학회 10 (10): 1-12, 2008
• 8 김세형, "한국남자프로농구 경기기록 분석을 통한 승패결정요인 추정방법 비교" 한국체육과학회 21 (21): 1347-1360, 2012
• 9 이기봉, "한국 남자 프로농구 팀의 플레이오프 진출과 승률의 영향 요인 분석" 국민체육진흥공단 한국스포츠정책과학원 15 (15): 41-50, 2004
• 10 황수웅, "프로축구선수의 평점과 경기력 평가 점수체계의 비교" 한국체육측정평가학회 21 (21): 31-43, 2019
• 11 채진석, "프로야구 포스트시즌 진출 예측을 위한 통계적 모형 비교" 한국체육측정평가학회 12 (12): 33-48, 2010
• 12 박도경, "프로농구 공헌도 분석을 통한 승패결정요인 추정" 한국체육대학교 대학원 2013
• 13 류지호, "포제션 개념을 적용한 한국남자프로농구 승률 예측 분석" 국민체육진흥공단 한국스포츠정책과학원 29 (29): 129-137, 2018
• 14 엄한주, "축구기술에 대한 객관적 측정자료와 주관적 평가자료의 비교" 국민체육진흥공단 한국스포츠정책과학원 13 (13): 1-17, 2002
• 15 김주학, "축구 팀 경기력 평가를 위한 내용분석" 한국체육학회 46 (46): 201-211, 2007
• 16 윤형기, "체육측정평가 : FILA 배'97 프로 농구 경기의 승. 패 요인 분석" 37 (37): 290-297, 1998
• 17 고길곤, "범주형 자료 분석" 문우사 27-, 2018
• 18 김세형, "메타분석을 적용한 한국프로농구 승패결정요인 추정" 한국체육측정평가학회 15 (15): 35-53, 2013
• 19 엄한주, "기록과 측정의 과학: 스포츠 현장에서 컴퓨터로 실시간 기록·분석한다" (9) : 64-67, 2007
• 20 구승환, "국내 남자 프로농구 승패 예측 모형 비교 연구" 국민체육진흥공단 한국스포츠정책과학원 20 (20): 704-711, 2009
• 21 신가영, "고용장려금제도의 장애인 고용 효과성에 관한 연구: 기업의 고용결정의 영향요인별 한계효과 분석" 한국행정학회 53 (53): 223-252, 2019
• 22 Baumer, B., "There Is No Avoiding WAR" 27 (27): 41-44, 2014
• 23 Hughes, M., "The use of performance indicators in performance analysis" 20 (20): 739-754, 2002
• 24 Baumer, B., "The sabermetric revolution:Assessing the growth of analytics in baseball" University of Pennsylvania Press 2014
• 25 Schumaker, R. P., "Sports data mining (Vol. 26)" Springer Science & Business Media 2010
• 26 Gorsevski, P. V., "Spatial prediction of landslide hazard using logistic regression and ROC analysis" 10 (10): 395-415, 2006
• 27 McGarry, T., "Routledge Handbook of Sports Performance Analysis [electronic Resource]" 2013
• 28 Beneventano, P., "Predicting run production and run prevention in baseball : the impact of Sabermetrics" 2 (2): 67-75, 2012
• 29 Prasetio, D., "Predicting football match results with logistic regression" IEEE 1-5, 2016
• 30 Sindik, J., "Performance indicators of the top basketball players : relations with several variables" 39 (39): 617-624, 2015
• 31 Burnham, K. P., "Multimodel inference : understanding AIC and BIC in model selection" 33 (33): 261-304, 2004
• 32 Legg, P. A., "MatchPad:interactive glyph‐based visualization for real‐time sports performance analysis" Blackwell Publishing Ltd 31 (31): 1255-1264, 2012
• 33 Mood, C., "Logistic regression : Why we cannot do what we think we can do, and what we can do about it" 26 (26): 67-82, 2010
• 34 Kleinbaum, D, G., "Logistic Regression: A Self-learning Text" springer 2010
• 35 Long, J., "Advanced quantitative techniques in the social sciences ; 7" Sage Publications 1997
• 36 Kubatko, J., "A starting point for analyzing basketball statistics" 3 (3): 1-22, 2007
• 37 Cervone, D., "A multiresolution stochastic process model for predicting basketball possession outcomes" 111 (111): 585-599, 2016
• 38 Kvam, P., "A logistic regression/Markov chain model for NCAA basketball" 53 (53): 788-803, 2006
• 39 권순규, "2016~2018 한국프로야구 세이버 메트릭스 지표 분석" 한국체육과학회 28 (28): 1015-1023, 2019
• 40 박제영, "2005-2006 시즌 한국프로 농구경기의 승·패의 요인 분석" 한국스포츠리서치 17 (17): 749-758, 2006