[论文解读] Accounting for Rink Effects in the National Hockey League's Real Time Scoring System

Michael E. Schuckers, Brian Macdonald|arXiv (Cornell University)|Dec 2, 2014

Sports Analytics and Performance参考文献 2被引用 6

一句话总结

本文提出一种对数线性回归模型，用于估计并校正NHL实现实时记分系统（RTSS）中与球场比赛场相关的记录偏差，该系统在不同场馆对射门、撞击和阻挡等事件的记录存在不一致性。主要贡献在于提出了一组球场调整乘数，可将事件数量标准化，显著提升球员与球队分析的数据可比性，尽管对基于比率的指标（如Corsi百分比）影响甚微。

ABSTRACT

Recording of events in National Hockey League rinks is done through the Real Time Scoring System. This system records events such as hits, shots, faceoffs, etc., as part of the play-by-play files that are made publicly available. Several previous studies have found that there are inconsistencies in the recording of these events from rink to rink. In this paper, we propose a methodology for estimation of the rink effects for each of the rinks in the National Hockey League. Our aim is to build a model which accounts for the relative differences between rinks. We use log-linear regression to model counts of events per game with several predictors including team factors and average score differential. The estimated rink effects can be used to reweight recorded events so that can have comparable counts of events across rinks. Applying our methodology to data from six regular seasons, we find that there are some rinks with rink effects that are significant and consistent across these seasons for multiple events.

研究动机与目标

• 识别并量化NHL事件记录中因主观评分而存在的系统性球场间差异，这些差异在RTSS中已知存在。
• 开发一种统计模型，以考虑球队特定、比分相关及主场比赛优势效应，从而隔离出真实的球场记录偏差。
• 生成球场调整乘数，重新加权RTSS事件数量，实现球员与球队评估中更公平的跨球场比较。
• 评估这些球场效应对Corsi百分比和Fenwick百分比等常用指标的影响。
• 支持在球员仲裁和合同谈判等高风险情境中更准确地使用RTSS数据。

提出的方法

• 应用对数线性回归建模每场比赛的事件数量，使用按时间折算的事件率（每3600秒的事件数）以标准化比赛时间影响。
• 纳入预测变量，包括球队身份、主场比赛优势、平均分差（ASD）以及球场特定的固定效应。
• 使用六个NHL常规赛季（2007–2013年）的5对5非空门强度数据，以确保模型稳健性与一致性。
• 将球场效应估计为对原始RTSS数量的乘法调整，并在各赛季中检验其显著性。
• 计算球场调整乘数（如多伦多的BLOCKS为1.19），以在不同球场间平衡事件数量。
• 通过比较调整前后Corsi与Fenwick百分比验证模型，显示比率指标几乎未受影响。

实验结果

研究问题

• RQ1 哪些NHL球场在多个赛季中表现出持久且统计显著的RTSS事件记录偏差？
• RQ2 球场特定的记录偏差如何影响Corsi与Fenwick百分比等常用指标？
• RQ3 球队特定、比分相关及主场比赛优势效应在多大程度上解释了RTSS事件数量的变异，而这些变异又超出了球场效应本身？
• RQ4 球场调整乘数是否能有效标准化事件数量，同时不扭曲基于比率的绩效指标？
• RQ5 不同事件类型（如射门、撞击、阻挡和失误）的估计球场效应之间有何差异？

主要发现

• 卡尔加里、洛杉矶、新泽西和多伦多在多个事件类型（包括撞击、阻挡和失误）中持续表现出显著的球场效应，其中多伦多的阻挡事件调整系数高达1.19倍。
• 对于射门事件，仅佛罗里达和圣路易斯表现出持久的球场效应，全联盟范围内的射门记录整体影响较小。
• 这些球场效应在所研究的六个赛季中保持稳定，表明记录习惯具有时间一致性。
• 尽管原始事件数量存在明显差异，但Corsi与Fenwick百分比在球场调整后基本保持不变，因为分子与分母均受到相似影响。
• 该模型成功生成了球场特定的乘数，有效平衡了事件数量，显著提升了球员与球队评估的数据可比性。
• 调整对季后赛比赛预测的预测性能影响极小，证实即使在原始计数存在偏差的情况下，基于比率的指标依然具有鲁棒性。