1. Raziskovalno vprašanje: Ali lahko višino igralcev v ligi NBA pojasnjujemo z igralno statistiko?

1.1 Podatki:

Podatke sem pridobil s strani kaggle.com POVEZAVA. Uvožene podatke, sem omejil le na sezono 2022-23, obravnaval pa sem le igralce, ki so igrali vsaj 58 tekem (70%), saj je to statistični minimum NBA lige, tudi da se statistika igralcu prizna.

podatki <- read.csv("./all_seasons.csv", header = TRUE, sep=",", dec = ".")
#Analizirali bomo le sezono 2022-23
sezona2022_23 <- podatki[ podatki$season == '2022-23' , ] 

#Le igralci, ki so odigrali vsaj 70%  tekem
sezona2022_23 <- subset(sezona2022_23, sezona2022_23$gp>=58)
sezona2022_23 <- sezona2022_23[,c("player_name", "player_height","pts", "ast", "ast_pct", "reb", "oreb_pct", "dreb_pct")]

library(psych)
describe(sezona2022_23)
##               vars   n   mean    sd median trimmed   mad    min    max  range
## player_name*     1 245 123.00 70.87 123.00  123.00 90.44   1.00 245.00 244.00
## player_height    2 245 199.29  8.22 198.12  199.15  7.53 182.88 220.98  38.10
## pts              3 245  12.63  6.61  10.40   11.94  5.49   3.00  33.10  30.10
## ast              4 245   2.77  2.04   2.10    2.47  1.63   0.40  10.70  10.30
## ast_pct          5 245   0.15  0.09   0.12    0.13  0.07   0.03   0.44   0.41
## reb              6 245   4.64  2.35   4.10    4.34  1.93   0.80  12.30  11.50
## oreb_pct         7 245   0.04  0.03   0.03    0.04  0.02   0.01   0.16   0.16
## dreb_pct         8 245   0.14  0.05   0.12    0.13  0.04   0.05   0.35   0.31
##               skew kurtosis   se
## player_name*  0.00    -1.21 4.53
## player_height 0.18    -0.56 0.53
## pts           0.93     0.28 0.42
## ast           1.32     1.49 0.13
## ast_pct       1.16     0.89 0.01
## reb           1.12     0.81 0.15
## oreb_pct      1.43     1.40 0.00
## dreb_pct      1.06     0.81 0.00

Podatki, ki jih bomo uporabljali v sklopu te analize so: - player_name: Ime igralca

  • player_height: Višina igralca v centimetrih

  • pts: Povprečno število doseženih košev na tekmo v eni sezoni

  • reb: Povprečno število skokov na tekmo v eni sezoni

  • ast: Povprečno število asistenc na tekmo v eni sezoni

  • oreb_pct: Povprečni delež skokov v napadu na tekmo v eni sezoni, ko je igralec na igrišču

  • dreb_pct: Povprečni delež skokov v obrambi na tekmo v eni sezoni, ko je igralec na igrišču

  • ast_pct: Povprečni delež asistenc v ekip, ko je igralec na igrišču

VIR

1.2 Analiza

Poizkusimo z linearno regresijo s spremenljivkami pts, ast, ast_pct, reb, oreb_pct in dreb_pct

library(car)
#Linerana regresija
fit <- lm(player_height ~ pts + ast + ast_pct + reb + oreb_pct + dreb_pct,
          data = sezona2022_23)

vif(fit)
##       pts       ast   ast_pct       reb  oreb_pct  dreb_pct 
##  2.944806 17.875557 14.479151  8.786922  3.007140  5.961435
mean(vif(fit))
## [1] 8.842502

Ugotovimo, da so vif statistike mnogo večje od 1 in tudi večje od 5, tako da imamo problem multikolinearnosti. Spremenljivke med sabo korelirajo.

Ker nočemo izključiti spremenljivk, bomo uporabili metodo glavnih komponent, da reduciramo spremenljivke tako, da izgubimo najmanj informacij. To lahko razberemo tudi v matriki R kjer se nahajajo pearsonovi korelacijski koeficienti, ki prikazujejo linearno povezanost med spremenljivkami.

podatki_MGK <- sezona2022_23[,c("pts", "ast", "ast_pct", "reb", "oreb_pct", "dreb_pct")]

R <- cor(podatki_MGK)
round(R, 3)
##             pts    ast ast_pct   reb oreb_pct dreb_pct
## pts       1.000  0.641   0.527 0.420   -0.223    0.087
## ast       0.641  1.000   0.951 0.167   -0.325   -0.097
## ast_pct   0.527  0.951   1.000 0.056   -0.341   -0.125
## reb       0.420  0.167   0.056 1.000    0.606    0.844
## oreb_pct -0.223 -0.325  -0.341 0.606    1.000    0.710
## dreb_pct  0.087 -0.097  -0.125 0.844    0.710    1.000

Preverimo domneve ali je korelacijska matrika P enaka enotski matriki I z Bartlettovim preizkusom sferičnosti. Nato pa preverimo z KMO splošno mero vzorčne ustreznosti.

#Bartletov preizkus - Matriki so različni podatki so primerni, m=(64-8)/ 2
library(psych)
cortest.bartlett(R, n = nrow(podatki_MGK))
## $chisq
## [1] 1483.01
## 
## $p.value
## [1] 2.269324e-307
## 
## $df
## [1] 15
det(R)
## [1] 0.002134942
library(psych)
KMO(R)
## Kaiser-Meyer-Olkin factor adequacy
## Call: KMO(r = R)
## Overall MSA =  0.56
## MSA for each item = 
##      pts      ast  ast_pct      reb oreb_pct dreb_pct 
##     0.63     0.54     0.52     0.48     0.76     0.57

Pri vseh preizkusih ugotavljamo, da so podatki ustrezni. Ni sferičnosti korelacijske matrike in KMO > 0.5. Ugotovimo, da so podatki primerni. Zato nadaljujemo z Metodo glavnih komponent.

library(FactoMineR)
library(psych)
mgk <- PCA(podatki_MGK,
           scale.unit = TRUE, #Standardizacija - spremenljivke so drugače merjene
           graph = FALSE)

library(factoextra)
get_eigenvalue(mgk)
##       eigenvalue variance.percent cumulative.variance.percent
## Dim.1 2.68129227       44.6882045                    44.68820
## Dim.2 2.41217429       40.2029048                    84.89111
## Dim.3 0.55683899        9.2806498                    94.17176
## Dim.4 0.23152740        3.8587900                    98.03055
## Dim.5 0.08958766        1.4931277                    99.52368
## Dim.6 0.02857939        0.4763232                   100.00000

Le lastni vrednosti prvih dveh komponent so večje od 1. Po Kaiserjevem pravilu bi upoštevali prvi dve. Te pa tudi ujamejo več kot 70 % informacij.

library(factoextra)
fviz_eig(mgk,
         choice = "eigenvalue",
         main = "Diagram lastnih vrednosti",
         ylab = "Lastna vrednost",
         xlab = "Glavna komponenta",
         addlabels = TRUE)

library(factoextra)
fa.parallel(podatki_MGK,
            sim = FALSE,
            fa = "pc")

## Parallel analysis suggests that the number of factors =  NA  and the number of components =  2
library(FactoMineR)
mgk <- PCA(podatki_MGK,
           scale.unit = TRUE, #Standardizacija
           graph = FALSE,
           ncp=2)
print(mgk$var$cor)
##               Dim.1     Dim.2
## pts       0.5934182 0.5836445
## ast       0.8511098 0.4483491
## ast_pct   0.8468912 0.3637743
## reb      -0.2679621 0.9289531
## oreb_pct -0.7340001 0.5099662
## dreb_pct -0.5262839 0.7843247

Iz reskaliranih koeficientov lahko sklepamo, da so povezave med prvo glavno komponento in pts, ast in ast_pct pozitivne in močne. Medtem ko so reb, oreb_pct in dreb_pct negativno povezane. Prva glavna komponenta predstavlja kontrast med sposobnosti organizatorja(playmaker) in drugimi sposobnosti. Druga glavna komponenta predstavlja splošne sposobnosti košarkarja.

To lahko vidimo tudi pri prispevkih.

print(mgk$var$contrib)
##              Dim.1     Dim.2
## pts      13.133412 14.121739
## ast      27.016370  8.333433
## ast_pct  26.749219  5.485994
## reb       2.677951 35.774941
## oreb_pct 20.093152 10.781372
## dreb_pct 10.329896 25.502521
library(factoextra)
fviz_pca_var(mgk,
             repel = TRUE)

S funkcijo fviz_pca_bigplot na zgornji graf urišemo vse enote, glede na vrednosti dveh glavnih komponent. Prva komponenta (Dim1) je komponenta organizatorja, druga (Dim2) pa splošna.

Košarkar s ID 12382 je Nikola Jokič in je močno nadpovprečen, najverjetneje je bil zato tudi izbran za najbolj vrednega igralca sezone 2022-23(MVP). Kot zanimivost ID Luke Dončiča je 12741, razvidno je, da je nadpovprečen pri obeh komponentah.

library(factoextra)
fviz_pca_biplot(mgk)

head(mgk$ind$coord)
##            Dim.1       Dim.2
## 12306  0.1638419 -1.36286034
## 12308 -1.0027501 -0.74290116
## 12309  0.6129370  0.08980098
## 12314  0.1026603 -1.02931035
## 12315 -3.4040302  0.41227073
## 12318  1.4919641  2.57851743
mgk$ind$coord[4, ]
##      Dim.1      Dim.2 
##  0.1026603 -1.0293104
podatki_MGK_std <- scale(podatki_MGK)
podatki_MGK_std[4,]
##         pts         ast     ast_pct         reb    oreb_pct    dreb_pct 
## -0.97256076  0.06590435 -0.09726482 -0.40018252 -0.58110356 -0.45110925

Pri četrtem zaporednem košarkarju lahko razberemo, da je podpovprečen košarkaš, je pa boljši v organizatorskih sposobnostih. To je razvidno tudi pri njegovi pozitivni vrednosti pri asistencah. Spodaj preverimo še korelacijo in ugotovimo, da sta komponenti res neodvisni.

sezona2022_23$GK1 <- mgk$ind$coord[ ,1]
sezona2022_23$GK2 <- mgk$ind$coord[ ,2]

cor(x=sezona2022_23$GK1, y=sezona2022_23$GK2)
## [1] 2.971977e-16

Nato nadaljujemo z linearno regeresijo.

fit <- lm(player_height ~ GK1 + GK2,
          data = sezona2022_23)
vif(fit)
## GK1 GK2 
##   1   1
mean(vif(fit))
## [1] 1
sezona2022_23$StdOstanki <- rstandard(fit)
sezona2022_23$StdOcenVred <- scale(fit$fitted.values)

library(ggplot2)
ggplot(sezona2022_23, aes(y = StdOstanki, x = StdOcenVred)) +
  theme_bw() +
  geom_point() +
  ylab("Standarizirani ostanki") +
  xlab("Standarizirane ocenjene vrednosti")

#Preverimo linearnost - ni krivulj in homoskedstičnost enako širok pas
library(olsrr)
ols_test_breusch_pagan(fit)
## 
##  Breusch Pagan Test for Heteroskedasticity
##  -----------------------------------------
##  Ho: the variance is constant            
##  Ha: the variance is not constant        
## 
##                   Data                    
##  -----------------------------------------
##  Response : player_height 
##  Variables: fitted values of player_height 
## 
##         Test Summary          
##  -----------------------------
##  DF            =    1 
##  Chi2          =    4.329736 
##  Prob > Chi2   =    0.03745206
head(sezona2022_23[order(sezona2022_23$StdOstanki, decreasing = TRUE), ], 3)
##              player_name player_height  pts ast ast_pct reb oreb_pct dreb_pct
## 12678 Kristaps Porzingis        220.98 23.2 2.7   0.125 8.4    0.057    0.194
## 12745        Luke Kornet        218.44  3.8 0.8   0.093 2.9    0.106    0.125
## 12556       Franz Wagner        208.28 18.6 3.5   0.167 4.1    0.027    0.098
##             GK1        GK2 StdOstanki StdOcenVred
## 12678 -0.344179  2.1722277   3.159474   0.9819243
## 12745 -1.963035 -0.8444378   3.078696   0.6581979
## 12556  1.137981 -0.1555178   2.735718  -0.6224551
sezona2022_23$CooksD <- cooks.distance(fit)
head(sezona2022_23[order(-sezona2022_23$CooksD), ], )
##              player_name player_height  pts ast ast_pct  reb oreb_pct dreb_pct
## 12618       Clint Capela        208.28 12.0 0.9   0.045 11.0    0.142    0.268
## 12606     Andre Drummond        210.82  6.0 0.5   0.057  6.6    0.160    0.353
## 12678 Kristaps Porzingis        220.98 23.2 2.7   0.125  8.4    0.057    0.194
## 12745        Luke Kornet        218.44  3.8 0.8   0.093  2.9    0.106    0.125
## 12670       Kevon Looney        205.74  7.0 2.5   0.136  9.3    0.135    0.234
## 12593      Aaron Holiday        182.88  3.9 1.4   0.135  1.2    0.028    0.059
##               GK1        GK2 StdOstanki StdOcenVred     CooksD
## 12618 -3.68004813  3.2677145  -2.405725   3.0454478 0.08618765
## 12606 -4.48243219  2.7499234  -2.161992   3.2500143 0.07763550
## 12678 -0.34417898  2.1722277   3.159474   0.9819243 0.04125365
## 12745 -1.96303544 -0.8444378   3.078696   0.6581979 0.03563898
## 12670 -2.58673839  2.6349103  -1.826169   2.2669020 0.02969179
## 12593  0.02382179 -2.4705842  -2.126223  -0.9344676 0.02203360
#Izbrišemo enote zaradi prevelikih vplivov in Cookovih razdalj
sezona2022_23 <- sezona2022_23[!(sezona2022_23$player_name %in% "Clint Capela"), ] #Cook
sezona2022_23 <- sezona2022_23[!(sezona2022_23$player_name %in% "Andre Drummond"), ] #Cook
sezona2022_23 <- sezona2022_23[!(sezona2022_23$player_name %in% "Kristaps Porzingis"), ] #oboje
sezona2022_23 <- sezona2022_23[!(sezona2022_23$player_name %in% "Luke Kornet"), ] #oboje
sezona2022_23 <- sezona2022_23[!(sezona2022_23$player_name %in% "Kevon Looney"), ] #Cook

head(sezona2022_23[order(-sezona2022_23$CooksD), ], )
##                 player_name player_height  pts ast ast_pct  reb oreb_pct
## 12593         Aaron Holiday        182.88  3.9 1.4   0.135  1.2    0.028
## 12615      Christian Koloko        213.36  3.1 0.5   0.050  2.9    0.094
## 12840           Joel Embiid        213.36 33.1 4.2   0.233 10.2    0.057
## 12521 Giannis Antetokounmpo        213.36 31.1 5.7   0.314 11.8    0.065
## 12581               Bol Bol        218.44  9.1 1.0   0.069  5.8    0.046
## 12632            Chris Paul        182.88 13.9 8.9   0.389  4.3    0.014
##       dreb_pct         GK1        GK2 StdOstanki StdOcenVred     CooksD
## 12593    0.059  0.02382179 -2.4705842  -2.126223  -0.9344676 0.02203360
## 12615    0.110 -2.08201390 -1.3031882   2.177788   0.5458818 0.02172220
## 12840    0.243  0.81179769  4.1569589   1.349701   1.1498321 0.02158394
## 12521    0.268  1.19919348  5.1962620   1.083330   1.3458385 0.02144058
## 12581    0.220 -1.70887463  0.4444583   2.580751   1.0134934 0.01984877
## 12632    0.118  3.62900146  1.0492484  -1.474242  -1.4079379 0.01933287

Test normalnost standariziranih ostankov.

shapiro.test(sezona2022_23$StdOstanki)
## 
##  Shapiro-Wilk normality test
## 
## data:  sezona2022_23$StdOstanki
## W = 0.99573, p-value = 0.7503
#Ponovimo linearno regresijo
fit <- lm(player_height ~ GK1 + GK2,
          data = sezona2022_23)
library(olsrr)
ols_test_breusch_pagan(fit)
## 
##  Breusch Pagan Test for Heteroskedasticity
##  -----------------------------------------
##  Ho: the variance is constant            
##  Ha: the variance is not constant        
## 
##                   Data                    
##  -----------------------------------------
##  Response : player_height 
##  Variables: fitted values of player_height 
## 
##         Test Summary          
##  -----------------------------
##  DF            =    1 
##  Chi2          =    0.09022791 
##  Prob > Chi2   =    0.7638876
summary(fit)
## 
## Call:
## lm(formula = player_height ~ GK1 + GK2, data = sezona2022_23)
## 
## Residuals:
##      Min       1Q   Median       3Q      Max 
## -11.9989  -3.2311   0.2107   2.8902  13.2983 
## 
## Coefficients:
##             Estimate Std. Error t value Pr(>|t|)    
## (Intercept) 199.3052     0.2922  682.00   <2e-16 ***
## GK1          -3.4410     0.1831  -18.79   <2e-16 ***
## GK2           2.6210     0.1914   13.69   <2e-16 ***
## ---
## Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
## 
## Residual standard error: 4.523 on 237 degrees of freedom
## Multiple R-squared:  0.6849, Adjusted R-squared:  0.6822 
## F-statistic: 257.5 on 2 and 237 DF,  p-value: < 2.2e-16

1.4 Ugotovitve - MGK

Metoda glavnih komponent je bila izvedena na 6 standardiziranih spremenljivkah (n = 245). KMO mera potrjuje ustreznost spremenljivk 0.56. MSA za posamezne spremenljivke so pri petih spremenljivkah nad 0.50, pri spremenljivki reb (skoki) pa je 0.48, vseeno smo jo tudi obdržali v analizi. Na podlagi paralelne analize in drugih pravil je najbolj smiselno obdržati prvi dve glavni komponenti, ki skupaj povzameta 85% informacije začetnih 6 spremenljivk.

Na podlagi uteži glavnih komponent ugotavljamo da je GK1 (λ1 = 2.7) predstavlja kontrast med organizatorske (playmaker) sposobnosti košarkarja in drugimi sposobnosti, GK2(λ2 = 2.4) pa splošne sposobnosti košarkarja.

1.5 Ugotovitve - Linearne regresije

68% variabilnosti višine igralcev v NBA pojasnimo z GK1 in GK2. Z modelom smo uspeli odkriti linearno povezanost med višino igralcev NBA in njihovimi igralnimi statistikami (p<0.001, F = 257.5).

Večjo kot ima košarkaš GK1 vse boljše ima organizatorske sposobnosti (playmaker), manjšo ima v povprečju višino. Ob predpostavki, da je ostalo nespremenjeno.