NBA的三分球革命:数据揭秘“三分策略是否真有效”?

2018-11-07 18:01:04 浏览数 (1)

新赛季的NBA已经在本周打响了第一枪,热血的全球第一篮球联赛的热情高涨,同时高涨的还有大家对数据科技的追求。本期DT数据侠与纽约数据科学学院合作的数据专栏中,作为计算机专业出身的数据侠Thomas Deegan,使用Python爬取了NBA的三分球数据,并用数据可视化的方式向大家解析NBA这几十年的“三分球革命”,并在最后为大家分析NBA的“三分球策略”是否真的很有效。

▍背景介绍

当下的NBA,你是否发现一种现象——越来越多的三分球正在掀起NBA历史大进攻时代的高潮。

三分球正在改变着整个 NBA 的格局,联盟里的球队都在尝试投更多的三分球。而随着2017-18赛季NBA的收视率、上座率、商品和特许产品销量以及球员工资都创下新高,评估“三分球策略”的效率就变得更有现实意义。

▍数据准备

为了评估NBA这几年发生了怎样的变化,我使用了一个Python的网络爬虫框架Scrapy,从 sportsreference.com 这个网站上爬取相关数据。最终的数据集包括了1946-47赛季到2017-18赛季每个赛季每支球队的数据。

▍探索性数据分析

除了在1990年代出现过一个三分球投射高峰(因为当时规则曾出现过短暂更改,将三分线设置的更近了),全联盟平均各队的三分球尝试次数基本上呈现逐年线性增长的规律。而过去4个赛季,增速开始提升。

(图片说明:自79-80赛季至14-15赛季,每队三分球平均出手数)

同一个时间跨度的三分球得分数也呈现相似的趋势。

(图片说明:自79-80赛季至14-15赛季,每队三分球平均命中数)

在全联盟层面的三分球能力提升背后,三分球的命中率在过去几十年却一直维持稳定。

(图片说明:自79-80赛季至14-15赛季,全联盟三分球命中率)

更进一步的分析显示,三分球的增多并不是因为球队的比赛节奏加快而带来了更多投射机会。三分球的增多是以两分球减少为代价的。

(图片说明:自79-80赛季至14-15赛季,三分球与两分钱的占比)

提到三分球,大家必然想到的就是库里。过去几个赛季他已经多次打破自己保持的三分球记录。他在球队成就和个人奖项上都“拿奖拿到手软”:2次NBA最有价值球员,3次总冠军。而且还签下了5年2.01亿美元的大合同。

球队方面,最明显的在尝试使用三分球策略的球队是火箭队。2017-18赛季火箭队赢下了联盟最多的65场比赛的胜利,球队最棒的球员詹姆斯·哈登(James Harden)也荣膺MVP(最有价值球员)。他72场比赛命中了265记三分球。

(图片说明:最近十几个赛季球队的三分球平均出手数)

▍三分球策略解析

于是顺理成章,我们自然想要搞清楚这三分球策略是否真的有用。

为了解答这个问题,我将集中分析过去四个赛季的数据,而这四个赛季也是三分球投射尝试陡增的时期。我会用一个指标评估每个队三分尝试次数与中位数。

一个有两个样本的t检验测试结果显示,那些投三分球数超过中位数的球队,赢球的平均值要高过投三分球次数不及整体中位数的球队,并且是有统计学意义的。有趣的是,选择多投三分的球队比例并不比投的少的队伍数多很多(比例分别为35.6%vs 35.4%)。

一个有意思的现象是,看起来仅仅是用更高频率投三分,也能带来好处。而投三分超过中位数水平的球队,也会命中更多的两分球。

这个结论仍然需要进一步的分析来确定。但直觉告诉我,也许是因为更频繁地投三分的球队,会让对方的防守更贴近三分线,从而远离篮筐,因此两分球得分的机会也就多了起来。

通过更多的一些假设检验可以证明或者推翻更多的观点。

  • 观点:投三分更多的球队,攻击篮筐会少一些,因此罚篮也会更少。
  • - 假 (p = 0.59) 22.8 FTA/gm vs. 22.7 FTA/gm
  • 观点:投三分更多的球队,得分更多
  • - 真(p = 0.003) 104.8 ppg vs. 102.5 ppg
  • 观点:随着球员年龄增长,他们的运动能力下降,会更依赖投三分
  • -假 (p = 0.4286)
  • 观点:投三分更多的球队会有更多的长篮板,因此会拿到更多进攻篮板
  • -假 (p = .8967) 10.2 ORB/gm vs. 10.4 ORB/gm

对于研究NBA的三分球策略有效性的主题,应该有更多分析可以纳入球员层面的评级分析中。此外,如果对NBA球队的“摆烂”现象进行分析,也应该会有更多有趣的发现。

精彩的NBA三分球数据分析文章读完了,你是否有所启发呢?也请你在文末留言,告诉DT君,你觉得在研究NBA三分策略的有效性时,还有那些维度的数据需要纳入考量呢?

注:本文编译自科技博客 “The NBA's Three-Point Revolutio”,点击“阅读原文”查看。内容仅为作者观点,不代表DT数据侠立场。

作者 | Thomas Deegan

题图 | 视觉中国

0 人点赞