[논문 리뷰] Functional Data Analysis of Aging Curves in Sports

Alexander F. Wakim, Jimmy Jin|arXiv (Cornell University)|2014. 03. 28.

Traditional Chinese Medicine Studies참고 문헌 6인용 수 5

한 줄 요약

이 논문은 메이저 리그 베이스볼(MLB)과 나스비에이(NBA) 선수들의 노령화 곡선을 모델링하기 위해 기능적 데이터 분석(FDA)과 PACE 방법을 도입하여 연령에 따른 성과 궤적을 유연하고 비모수적으로 추정한다. 이는 세 가지의 명확한 노령화 패턴을 NBA 선수들 사이에서 발견하며, 이는 스크로잉 능력과 연관되어 있으며, 위치와의 유의미한 상관관계는 없음을 시사한다. 이는 통합된 지혜를 도전하며, 전통적인 회귀 분석 방법에 비해 스포츠 분석에서 FDA의 우수성을 입증한다.

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.

연구 동기 및 목표

• 선수의 노령화 곡선을 모델링하는 데 있어 기존 방법(예: 스퍼인을 사용한 다중 회귀)의 한계를 해결하기 위해.
• 성과를 연령의 매끄러운 함수로 모델링하기 위해 기능적 데이터 분석(FDA)을 적용하여 더 풍부한 통계적 추론을 가능하게 하기 위해.
• 희박하고 비정규적으로 분포된, 고차원적인 선수 성과 데이터를 다루는 데서 FDA의 우수성을 입증하기 위해.
• NBA 선수들 사이에 명백한 노령화 패턴이 존재하는지, 그리고 성과 지표와 위치와의 관계는 어떠한지 탐색하기 위해.
• 기능적 가설 검정을 통해 메이저 리그 베이스볼에서 힘의 유형(예: 파워 히터 대비 비파워 히터) 간의 노령화 곡선 차이를 테스트하기 위해.

제안 방법

• 개별 노령화 곡선을 매끄러운 함수로 표현하기 위해 B-스플라인 기저 함수를 사용하여 비모수적 피팅을 가능하게 한다.
• 적합도와 매끄러움의 균형을 이루기 위해 난이도 페널티(λ)를 적용한 제약된 최소제곱 기준을 적용하며, 일반화된 교차검증(GCV)을 통해 최적화한다.
• 선수 성과 기록에서 흔히 발생하는 희박하고 비정규적으로 분포된 데이터를 다루기 위해 PACE(공변수를 고려한 주성분 분석) 방법을 활용한다.
• 노령화 곡선 간의 주요 변동 방식을 식별하기 위해 기능적 주성분 분석(fPCA)을 사용한다.
• 그룹 간 노령화 곡선을 비교하기 위해 기능적 가설 검정에 순열 검정을 적용한다(예: MLB에서 파워 히터 대비 비파워 히터).
• 기능적 데이터에 k-means 유사 기준을 적용하여 노령화 곡선 형태의 유사성에 기반해 선수들을 군집화한다.

실험 결과

연구 질문

• RQ1 메이저 리그 베이스볼에서 잠재적 파워 히터와 비파워 히터 사이에 노령화 곡선에 통계적으로 유의미한 차이가 존재하는가?
• RQ2 메이저 리그 베이스볼 선수들의 노령화 곡선 집합에서 주요 변동 방식은 무엇인가?
• RQ3 NBA 선수들 사이에 몇 가지의 명백한 노령화 패턴이 존재하며, 그들의 특징은 무엇인가?
• RQ4 선수의 노령화 패턴과 그의 스크로잉 능력(량과 효율성) 사이에 유의미한 관계가 있는가?
• RQ5 선수의 노령화 패턴은 NBA에서의 위치와 독립적인가?

주요 결과

• 메이저 리그 베이스볼에서 기능적 가설 검정을 통해 파워 히터와 비파워 히터 간의 노령화 곡선에 유의미한 차이가 있음을 확인하였으며, 비정규성을 가진 상황에서 FDA 접근법이 기존 방법보다 뛰어난 성능을 보였다.
• fPCA를 통해 메이저 리그 베이스볼의 노령화 곡선에서 주요 변동 방식을 규명하였으며, 이는 단순 평균 추세를 넘어서 다양한 선수 하위군의 연령 변화 양상에 대한 통찰을 제공한다.
• NBA 데이터에서는 기능적 군집화를 통해 세 가지의 명백한 노령화 패턴을 식별하였다: '조기 정점 도달자'(클러스터 1), '후기 정점 도달자'(클러스터 2), '중간 정점 도달자'(클러스터 3).
• 클러스터 1(조기 정점 도달자)은 클러스터 2 및 3보다 유의미하게 높은 스크로잉 양(36분당 PTS)과 효율성(TS%, FT%, 3P%)을 보이며, 종합적인 스크로잉 능력이 뛰어나다는 것을 시사한다.
• 각 클러스터 간 위치(포지션) 비율(예: G, W, F, FC, C)에 유의미한 차이가 없음을 확인하였으며(p-value = 0.23), 이는 노령화 패턴이 위치와 독립적임을 시사한다.
• 이 분석은 위치에 따라 노령화 방식이 다름을 주장하는 일반적인 믿음을 도전하며, 이는 이전 연구가 정점 연령에만 집중한 것과는 달리, FDA가 더 포괄적이고 연령 전반에 걸친 비교를 가능하게 한다는 점을 입증한다.