[論文レビュー] Functional Data Analysis of Aging Curves in Sports

Alexander F. Wakim, Jimmy Jin|arXiv (Cornell University)|Mar 28, 2014

Traditional Chinese Medicine Studies参考文献 6被引用数 5

ひとこと要約

本稿は、メジャーリーグベースボール（MLB）およびナショナルバスケットボール協会（NBA）の選手における老化曲線をモデル化するため、PACE手法を用いた関数データ解析（FDA）を導入する。これにより、年齢ごとのパフォーマンス推移を柔軟に非パラメトリック推定可能となる。NBA選手にはスコアリング能力と関連する3つの明確な老化パターンが特定され、それらはポジションとは有意に相関しないことが判明。これは一般的な常識に反するが、スポーツ分析分野における伝統的な回帰手法に比べ、FDAの優位性を示している。

ABSTRACT

It is well known that athletic and physical condition is affected by age. Plotting an individual athlete's performance against age creates a graph commonly called the player's aging curve. Despite the obvious interest to coaches and managers, the analysis of aging curves so far has used fairly rudimentary techniques. In this paper, we introduce functional data analysis (FDA) to the study of aging curves in sports and argue that it is both more general and more flexible compared to the methods that have previously been used. We also illustrate the rich analysis that is possible by analyzing data for NBA and MLB players. In the analysis of MLB data, we use functional principal components analysis (fPCA) to perform functional hypothesis testing and show differences in aging curves between potential power hitters and potential non-power hitters. The analysis of aging curves in NBA players illustrates the use of the PACE method. We show that there are three distinct aging patterns among NBA players and that player scoring ability differs across the patterns. We also show that aging pattern is independent of position.

研究の動機と目的

• 年齢曲線をモデル化するための従来手法（例：スプラインを用いた複数回帰）の限界を是正すること。
• 関数データ解析（FDA）を用いてパフォーマンスを年齢の滑らかな関数としてモデル化し、より豊かな統計的推論を可能にすること。
• スパarsely、不規則に測定され、高次元な選手パフォーマンスデータを扱う際のFDAの利点を示すこと。
• NBA選手に特徴的な年齢曲線パターンが存在するか、およびそれらがパフォーマンス指標やポジションとどのように関連するかを調査すること。
• 関数的仮説検定を用いて、選手タイプ（例：MLBにおけるパワー型打者対非パワー型打者）間の年齢曲線の差を検証すること。

提案手法

• 個々の老化曲線を年齢の滑らかな関数として表現するため、Bスプライン基底関数を用いる。これにより非パラメトリックなフィッティングが可能となる。
• 適合度と滑らかさのバランスをとるために、粗さペナルティ（λ）を含む罰則付き最小二乗基準を適用し、一般化交差検証（GCV）により最適化する。
• スポーツ選手のパフォーマンス記録に一般的に見られるスパarselyおよび不規則な間隔のデータを処理するため、PACE（共変量を伴う主成分分析）手法を採用する。
• 年齢曲線全体の主要な変動モードを特定するため、関数的主成分分析（fPCA）を用いる。
• グループ間（例：MLBにおけるパワー型打者対非パワー型打者）の年齢曲線を比較する関数的仮説検定として、パーミュテーション検定を適用する。
• 関数的クラスタリングを用いて、年齢曲線の形状の類似性に基づいて選手をグループ化する。関数データにk-meansに類似した基準を適用する。

実験結果

リサーチクエスチョン

• RQ1 MLBにおける潜在的パワー型打者と非パワー型打者との間で、年齢曲線に統計的に有意な差が認められるか？
• RQ2 MLB選手の年齢曲線の集合における主要な変動モードは何か？
• RQ3 NBA選手にはいくつの明確な老化パターンが存在し、それぞれの特徴は何か？
• RQ4 選手の老化パターンとスコアリング能力（出力量および効率）との間に有意な関係があるか？
• RQ5 NBA選手の老化パターンは、そのポジションに依存しないか？

主な発見

• MLBにおける関数的仮説検定により、パワー型打者と非パワー型打者との間で年齢曲線に有意な差が認められ、非正規分布下でもFDAアプローチが従来手法を上回ることが示された。
• fPCAにより、MLBの年齢曲線における主要な変動モードが特定され、平均トレンドを超えた異なる選手サブグループの老化傾向に関する洞察が得られた。
• NBAデータでは、関数的クラスタリングにより3つの明確な老化パターンが同定された：「早期ピーク型」（クラスタ1）、「遅延ピーク型」（クラスタ2）、「中間ピーク型」（クラスタ3）。
• クラスタ1（早期ピーク型）は、クラスタ2および3と比較して、有意に高いスコアリング出力（36分あたりのPTS）と効率（TS%、FT%、3P%）を示しており、全体的なスコアリング能力が強いことが示された。
• ポジション（G、W、F、FC、C）ごとの選手比率に、クラスタ間で有意な差は認められず（p値 = 0.23）、老化パターンがポジションに依存しないことが示された。
• 本分析は、ポジションごとに老化が異なるという一般的な信念に反する結果を示し、従来のピーク年齢に限定された研究とは異なり、FDAは年齢スパン全体にわたる包括的な比較を可能にすることを示している。