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
Za preučevanje morebitne povezave med višino igralcev NBA in igralčevo statistiko na igrišču je primerna regresijska analiza. Uporabili jo bomo za proučevanje vpliva več neodvisnih spremenljivk(igralna statistika) na odvisno(višino). Ker bodo spremenljivke najverjetneje odvisne, bomo uporabili metodo glavnih komponent.
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 močno korelirajo.
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
##
## $df
## [1] 15
det(R)
## [1] 0.002134942
library(psych)
KMO(R)
## Kaiser-Meyer-Olkin factor adequacy
## Call: KMO(r = R)
## Overall MSA = 0.56
## MSA for each item =
## pts ast ast_pct reb oreb_pct dreb_pct
## 0.63 0.54 0.52 0.48 0.76 0.57
library(FactoMineR)
library(psych)
mgk <- PCA(podatki_MGK,
scale.unit = TRUE, #Standardizacija - spremenljivke so drugače merjene
graph = FALSE)
library(factoextra)
get_eigenvalue(mgk)
## eigenvalue variance.percent cumulative.variance.percent
## Dim.1 2.68129227 44.6882045 44.68820
## Dim.2 2.41217429 40.2029048 84.89111
## Dim.3 0.55683899 9.2806498 94.17176
## Dim.4 0.23152740 3.8587900 98.03055
## Dim.5 0.08958766 1.4931277 99.52368
## Dim.6 0.02857939 0.4763232 100.00000
Le lastni vrednosti prvih dveh komponent so večje od 1. Po Kaiserjevem pravilu bi upoštevali prvi dve. Te pa tudi ujamejo več kot 70 % informacij.
library(factoextra)
fviz_eig(mgk,
choice = "eigenvalue",
main = "Diagram lastnih vrednosti",
ylab = "Lastna vrednost",
xlab = "Glavna komponenta",
addlabels = TRUE)
library(factoextra)
fa.parallel(podatki_MGK,
sim = FALSE,
fa = "pc")
## Parallel analysis suggests that the number of factors = NA and the number of components = 2
library(FactoMineR)
mgk <- PCA(podatki_MGK,
scale.unit = TRUE, #Standardizacija
graph = FALSE,
ncp=2)
print(mgk$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
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.
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.