チームのOffensive EfficiencyはBリーグの試合の勝ち試合数を予測するか？-2

2016~2019シーズンのチームごとのOffensive Efficiency（以下、OE。Shea & Baker, 2013）を算出して、勝ち試合数との関係を回帰分析によって調べた。先に結論を言うと、勝ち試合数はチームOEが高いほど多いことが分かった。したがって、分析方法を変えても、チームのOffensive EfficiencyはBリーグの試合の勝敗を効果的に予測するか？　（http://rnsr0371.boy.jp/2019/12/29/offensive_efficiency_1/）と似た結果が得られた。

Offensive Efficiencyとはなにか？

チームのOffensive EfficiencyはBリーグの試合の勝敗を効果的に予測するか？ – 読書・NBA・ポケモンより引用。

OEはShea & Baker で提案されたスタッツで「その選手が終わらせたポゼッションの内、得点またはアシストがついたポゼッションの割合」を意味する。数式を確認すると、Four Factorsとよく似た視点の分析であることがよく分かる。

OE=（フィールドゴール成功数＋アシスト数）／（フィールドゴール試投数+ターンオーバー数＋アシスト数−オフェンシブリバウンド数）

　OEでは得点・アシストが付いたポゼッションを分子が表しており、分母はある選手（またはチーム）が終わらせたポゼッションを近似している。また、オフェンシブリバウンドは攻撃機会を増やす、つまりターンオーバーとは逆の指標であると考えられるので、TOとは逆にマイナスの符号で分母に投入されている。

　OEは基本的には０〜１の値を取り、大きいほうが攻撃の効率が良い。これは終わらせたポゼションに占める、得点に結びついた割合が多いと解釈できるからである。
チームのOffensive EfficiencyはBリーグの試合の勝敗を効果的に予測するか？

分析

データセット

　RのパッケージbleaguerからGetGameSummary()で呼び出されたデータを加工して作った。 2016-17シーズン、2017-18シーズン、2018-19シーズン別にチームごとの平均データを用いて、OEを算出した。さらにBリーグ公式HPから勝ち試合数を調べて、データセットに組み込んだ。したがって、54個（18チーム×3シーズン）のシーズン平均OE、勝ち試合数が分析対象となった。なお、分析にはレギュラーシーズンのデータのみを用いた。

シーズンごとのチーム別のOE・勝ち試合数

表1にまとめた。

チームOEと勝ち試合数の関係

　チームOEと勝ち試合数の関係を調べるために、単回帰分析を行った。OEと勝ち試合数の散布図を図１に示す。分析にあたって、係数の解釈を容易にするために、OEを標準化した（平均０、標準偏差１に変換した）。

　回帰分析の結果、OEの回帰係数は有意であった（B=8.48, SE=1.13, t(51)=7.49, p<0.01）。したがって、OEが1SD分大きくなると、勝ち試合数は8試合ほど多くなることが分かった。また、モデルの決定係数（R^2）は0.52で有意であった。

まとめ

単回帰分析を行った結果、OEが高いほどチームの勝ち試合数は多くなることが分かった。したがって、分析方法を変えても、チームのOffensive EfficiencyはBリーグの試合の勝敗を効果的に予測するか？（http://rnsr0371.boy.jp/2019/12/29/offensive_efficiency_1/）と似た結果が得られた。

　なお、前回の分析も含めて、OEはチームのディフェンスをまったく考慮していない。図１の回帰直線から大きく外れたデータは、ディフェンスが上手い（/下手な）ことによって説明できるかもしれない。