NBA球星的薪金一直是广大球迷的关注对象,随着NBA的商业气息不断变浓,其在全球的影响力不断加深,进入NBA打球成为了无数篮球队员梦寐以求的终极目标,其中一个重要原因是其极高数额的薪金合同。薪金数额主要取决于球队老板和教练,薪金能否与球员的场上表现有一个正相关的关系是我们关注的对象。本文使用岭回归,因子分析方法,以及一般的最小二乘回归方法,分析薪金与球员各项数据指标关系,建立能够表明薪金与球员年度场上表现的模型,借此判断球员薪金合同的合理性,对球队分配薪金、激励球员有很强的指导意义。
2010-2011赛季的NBA硝烟刚刚散去,小牛队卧薪尝胆数十年,终于拿到了总冠军。下一个赛季,中国巨星姚明的去留、新合同的签订与否一直牵动着中国球迷的心,其他球员转会情况以及薪金合同变化也随之拉开了帷幕。
联盟中各支球队不断顶破工资限制,给予球员更高的薪金,鼓励他们夺取总冠军。球员工会也在不停努力来提高球员的薪金水平。诸多因素的影响下,NBA球员的天价合同不断挑战观众的心理极限,一年上亿美元的合同已经不在少数。这些合同是否合理、匹配于他们的场上表现是球迷和球队、球员工会关注的焦点。
在此,笔者选择2006-2011年五个赛季中100余名球员职业联赛表现数据与薪金数据,将这两类数据进行回归分析并建立模型,探寻薪金的合理性与改进方法,进而有益于NBA球队更合理地分配薪金,激励球员,完成夺取总冠军的终极目标。笔者首先使用岭回归对薪金和各项数据指标进行回归,回归结果不十分理想,原因来自于球员不同的风格以及不同的数据指标的交互影响,岭回归使用的软件是R2.12.2。根据岭回归结果,为了降低指标维度,研究众多变量之间的内部依赖关系,笔者使用因子分析方法,利用SPSS软件。15个变量用5个假想变量(因子)表示其基本的数据结构。5个变量(因子)能够更直观地评价球员的能力和薪金对比,并有主次之分。随后,笔者对部分指标进行线性普通最小二乘回归,从而找出这些单个变量之间互相的关联。总结四个回归,经过不同试验,得到了说服力较强的回归结果,建立相应的模型。
本文的创新之处:此前尚未有对NBA薪金与场上表现关系的直接或间接研究,本文为首次探讨;笔者编写R程序时对岭回归的步长做了一定的改进,使其结果更为精确;使用因子分析方法,将NBA球员的数据做结构分析,并将数据分析结果与实际情况做了比对和解释;最终对15项数据指标做完整的分析并找出内部的相互关联,建立分项模型。
笔者搜索了大多数期刊数据库,未发现与NBA球员薪金与球员场上数据指标分析研究的文章。虽然收集到一些关于NBA薪金讨论的文章,但其内容主要是薪金制度、关于NBA联盟对薪金限制的讨论或者工会的情况。这些研究集中于联盟和球队的层面,没有深入量化探讨球员层面的薪金问题。薪金要发给球员,薪金的多少理应与球员的场上数据、球员对球队的贡献以及球员的影响力相匹配,否则其发放便无章可循。因此,本文是针对NBA球员层面的薪金问题做的初步探讨,并希望带来更多的研究。
赛季三分球命中率 赛季罚球命中率 平均单场前场篮板[1] 平均单场后场篮板[2]
表1的数据全部来自于NBA官方网站发布的结果(虎扑中国)。包括2006-2011共五个赛季。除薪金外,共有15项单项数据。以下逐一解释选取该数据的理由:
上场次数、首发次数和上场时间直接影响球员对球队的贡献,体现球队对球员的信任程度。球队不需要昙花一现的球员,这些球员必然得不到稳定的上场次数以及时间;同时球队更不需要大量占用上场次数和时间却效率低下的球员。不仅如此,上场次数与球员的健康程度有很大关系,当球队与一名容易受伤的球员签约尤其签的是大合同时,球队会承担很大的风险,故球队在做出选择之前会重点考虑球员的健康因素。因此,薪金与此三项数据有重要联系。
赛季投篮命中率、三分球命中率以及罚球命中率分别从不同角度反映了球员的得分效率。高薪金球员有更多的控球时间以及出手机会,因为他们担任了更多的责任。而且,他们珍惜出手机会并高效完成投篮,关系到他们的场上表现,对球队而言至关重要。因此,投篮效率与薪金有紧密联系。
球员在进攻端有上佳表现,球队同样需要他们在防守端有出色表现。这些素养通过诸如前后场篮板、抢断和盖帽次数等指标表现出来。球员在战术体系中的角色位置对这些指标有较大影响,不同的球员有不同的侧重点。因此,本文通过完整的防守端数据体系来评价球员,对其相应的薪金情况进行全面分析。
如上文所说,由于不同球员在球队战术体系中的角色位置不同,必须有完整的数据体系来评价他们的贡献,而助攻次数是评价一位球员贡献时非常重要的数据,每一次的助攻都意味着队友的直接得分,助攻的能力也直接决定了一位球员组织水平的高低,毕竟篮球是整体运动,组织进攻者是全场的进攻发动机,也往往是球队的灵魂。故在综合评价一位球员的贡献时,助攻数据是必不可少的。
ballbet贝博
犯规和失误从另一面对球员的场上表现做了评价。犯规是否合理,失误是否控制得当,表现了球员的综合素质和头脑反应。在很多时候,犯规也是球队战术中的一环,是不容忽视的。
得分可能是评价一位球员贡献时最重要的数据了,球队打比赛的最终目是赢球,而赢球的方法说白了就是自己球队多得分,让对方球队少得分,每个球队都需要得分能力强的球员。故场均得分是我们必不可少的数据。
综上所述,我们选择了球员的15项指标进行分析并与薪金对比,希望寻求一个合理的模型,能够综合评价球员的表现并匹配于他的薪金。
岭回归是一种修正最小二乘法,它通过引入一个偏倚常数,找到一个有偏估计量,使其精度优于最小二乘的估计量。通过放弃最小二乘法的无偏性,以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法。在自变量高度相关时,岭回归的估计量是稳定而且有效的。
在NBA的大环境下,笔者所选用的所有变量都有必要或者必须进行考虑。比如每个NBA球队的老板(owner),总经理,教练等等都会有不同的侧重点,抛开这些,可以得到一个综合的观察角度。例如投篮命中率,这是多数人考虑的重点,并且部分指标在理论与实际数据上会有较大差异,这也是为什么NBA有如此大的魅力,正是这种理论与实际的差异,彰显了许多球员优秀的球技和高超的配合能力。在分析过程中,传统的计量方法不适用,我们很难因为违背基本假定而取消某些变量,或者改变一些关系,这些指标的关系一般为线性的,是平行的。所以本文考虑引入岭回归,对原始回归结果进行优化。
根据高斯马尔科夫定理,多重相关性并不影响最小二乘估计量的无偏性和最小方差性,但是,虽然最小二乘估计量在所有线性无偏估计量中是方差最小的,但是这个方差却不一定小。而实际上可以找一个有偏估计量,这个估计量虽然有微小的偏差,但它的精度却能够大大高于无偏的估计量。岭回归分析就是依据这个原理,通过在正规方程中引入有偏常数而求得回归估计量。
因子分析是一种数据简化的技术。它通过研究众多变量之间的内部依赖关系,探求观测数据中的基本结构,并用少数几个假想变量来表示其基本的数据结构。这几个假想变量能够反映原来众多变量的主要信息。原始的变量是可观测的显在变量,而假想变量是不可观测的潜在变量,称为因子。
称为公共因子,是不可观测的变量,他们的系数称为因子载荷。 是特殊因子,是不能被前m个公共因子包含的部分。并且满足:
建立了因子分析数学目的不仅仅要找出公共因子以及对变量进行分组,更重要的要知道每个公共因子的意义,以便进行进一步的分析,如果每个公共因子的含义不清,则不便于进行实际背景的解释。由于因子载荷阵是不惟一的,所以应该对因子载荷阵进行旋转。目的是使因子载荷阵的结构简化,使载荷矩阵每列或行的元素平方值向0和1两极分化。
根据每个球员的特点,不难发现,尽管数据呈现时间序列特点,但是由于单个球员样本量少,并且从年度数据上看,受时间影响很小,滞后期往往可以达到整体样本量的一半以上。因此,采用横截面数据分析即可。
横截面数据分析中,笔者根据因子分析和岭回归的分析结果进行部分回归,观察其中一些特别变量之间的关系。根据实际含义,我们同样可以分析出整体风格格局,例如,进攻性数据,防守性数据,失误等等。
这里采用普通最小二乘法,由于每个球员相对独立,各个评价指标和薪金也有关联,因此符合普通最小二乘的基本假定。由于是截面数据,笔者采取多次分类回归的方法。使用普通最小二乘法保证估计量的无偏性,在变量相对独立的情况下建立的模型更加合理。
回归的数据,笔者对其进行了标准化处理,这样的处理使得各个变量之间可以进行回归分析,排除了由于数据本身特殊性导致的偏误。
在岭回归之前,我们将493个样本进行划分,通过有放回的随机抽样抽取其中的20%作为测试集,其余的作为训练集。整个数据集的第一列为薪酬,后面是场上表现指标。
在这部分回归之前,我们进行了初始化设定,这里的X和Y分别是矩阵和列向量,使用的是训练集。
这部分的回归主要是进行初步尝试,思想是一般优化中使用的梯度下降算法。这里的梯度是每次迭代点的切线方向(在程序中是d),即导数值。对步长的处理是固定的,随着每一次迭代,我们都对其进行固定形式的缩减处理,即初始设定步长的k次幂,乘以pho,pho没有特别限制,这里仅仅观测整体函数的取值,如果足够小,那么退出循环,此时的系数b加上步长乘以方向(梯度),得到了一系列结果。
直观地观察此结果,薪金与大部分数据成正相关,而与三分球命中率成负相关。在以上程序中,固定的步长较大,在迭代的过程中有可能越过了最佳拟合点,导致结果的不准确。下面是对梯度下降算法的一个改善,即对岭回归的一个算法改善。思想大致相同,这里对其中的ld进行限制,如果其小于0.1,则提前退出循环,pho值确定,步长使用上一部分程序的预设定。这样做是对步长本身有一个较好的限制,对每次的改变有一个人为的约束。见程序2:
程序中,ld同样迭代梯度平方和的平方根,这样做的好处是,根据梯度的变化,调整步长,这样的好处在上一个回归中也有所体现。本次回归中,步长每次的调整的幅度可以控制,我们可以把范围定在0.01,甚至于0.001.鉴于笔者计算机性能有限,本文计算使用0.1。
到此,从理论上来说,回归方程已比较精确,完成了模型的初步建立,尽管估计量是有偏的,模型的总体拟合效果较好。但是看其实际意义,可以发现,薪金与上场次数、平均上场时间、命中率、平均单场前场篮板、平均单场抢断次数、平均单场失误都成负相关关系。这有悖于常理,毕竟以上数据都是能够体现球员综合能力的指标。有理由推测,由于球员选择较多,战术打法不同,教练或者经理(也包括老板)对球员选择的侧重点不同,以及数据内部可能存在的关联导致了此结果。我们更可以猜测,这些正系数项是NBA联盟中相较之下重视程度高的几个指标。负项的指标说明球队老板和教练对部分球员提出了相应要求,但是对他们的薪金影响不大。
如图1通过对图形的绘制,可以看出每个变量针对薪金的迭代逼近过程。数字0-9以及字母a-e分别代表了15个变量。某些变量与精确值很近,而有些相差较大。但随着迭代过程,逼近效果明显,结果愈加精确。
为了使结果更加精确,我们选择旋转因子矩阵,这样做的好处是区分因子间的相似程度。
在第一个因子中,包括了3种篮板数据、平均单场盖帽、平均单场犯规、赛季首发次数、平均单场上场时间以及平均单场得分。显然这些数据是首先被关注的球员素质或能力。其中,上场时间和首发次数都来自于球队教练对该球员的信任,只有充分认可才可以有足够是时间和机会,而得分显然是直接衡量球员的一个指标。随着上场时间的提高,犯规次数会随之提高,这个数据是可解释的。3种篮板数据和盖帽数据包含在主要因子中,可以看出,防守型球员是非常受青睐的,说明整个NBA联盟看重防守。在进攻能力突出的同时,兼具防守能力,该球员的薪金将显著高于其他球员。即使仅擅长于防守,也一样能拿到较高的薪金,说明在球队胜负方面,防守的作用更加重要;
第2因子中,包括了平均单场助攻、平均单场抢断、平均单场失误以及上场时间和单场得分。同第1类类似,得分和上场时间与薪金的关系紧密。而助攻和抢断均是协助型球员。他们能够帮助队友防守或者进攻,间接地完成了球队任务,由此看来,协助型球员同样可以得到他们应得的薪金。其中值得注意的是平均单场失误。随着助攻次数的提高,必然会伴随着助攻的失败,从而造成了失误,因此在这一类中是合理的。这个因子的方差贡献率与主因子相比,有所下降,说明了总体趋势下,单纯配合型球员受重视程度低,NBA更需要全能型球员。
第3因子中,包括罚球命中率和三分球命中率,以及得分。得分依然在次起到作用。而两种命中率则显示出了球员的进攻效率,是否在获得出手机会的同时把握住该机会,能够精准投篮和高效进攻的球员非常优秀。同时值得注意的是,罚球命中率的前提是该球员被犯规,重要球员被犯规的次数显然会远高于非重要球员;能够大量获得三分球出手机会的球员,同样是重要球员,在队友的帮助下获得该机会。因此,这两项命中率排在第3因子中。
第4因子中,包括上场次数和首发次数。首发次数高的球员自然上场次数高。但依然有一些替补球员能够获得足够的上场次数。但他们的重要性就不能与首发球员相比。很多时候,他们需要做的是配合主要球员,甚至是替换主要球员下场休息,临时参加比赛。第四因子的方差贡献率更低,说明单纯看上场次数和首发次数不能够判断一个球员的水平,除了一级球员,还有相当数量的二级,三级球员,他们对指标的说明产生了影响。
第5因子中,包括赛季投篮命中率、前场篮板和平均单场犯规。事实上,即使是替补球员同样可能有较高的投篮命中率,因为他们的出手机会并不多。同时,出于战术的考虑,他们会有较高的犯规次数,使得第5因子合理。
在这里,笔者对部分指标进行普通最小二乘回归。目的是找出这些单个变量之间互相的关联。由于球员风格和位置不同,所以综合考虑所有指标有失偏颇。从理论上看,笔者进行四个分别回归,经过不同试验,得到了说服力较强的回归方程。
模型回归使用E-views软件,样本观测值为493个,回归分为四个模型,从不同角度对整体结构进行分析。四个模型分别从球员薪金,球队配合,得分效率,与防守方式四个方面对其进行综合考察。
根据因子分析结果,适当选取主因子的部分变量进行回归分析,经过试验,下面的模型拟合效果较好。主因子的方差贡献率较低,线性方程的拟合不会很高。
调整R平方约为0.37,在截面数据中,这样的结果可以接受,第三行是t检验的p值,可以发现各项系数检验均通过。对薪酬而言,平均单场盖帽次数与薪酬成正比,在上场次数和赛季首发次数中,二者互有影响,相较之下,没有绝对关系,首发次数越多,说明球员的水平相对较高,受到球队的和教练的重视。明星球员会有频繁伤病干扰,所以上场次数较普通球员没有优势。平均单场得分与薪酬有较高联系,也反映出整个联盟商业化特点,后面的是平均单场篮板和平均单场抢断次数与薪酬的关系,系数出现负数,代表它受到其他因素的影响。对于薪酬而言,一般呈正向趋势,这里从侧面说明,这两个因素不是多数教练,经理以及老板所考虑的重点。所以,在考虑与球员球员签订和同时,可以考虑球员之前的得分能力,篮板与盖帽的数据,来制定合理的薪金。
在选取影响球队整体配合的因素时,主要选取助攻与失误的指标进行衡量。篮球是一种配合性很强的运动,这两项指标直接反应了一个球员与球队的配合能力。
方程显示的是对助攻与失误的相对回归关系,其中的调整R平方打到0.498,完全可以接受。并且方程通过其余各项检验,括号中是系数检验,得到的拟合效果较好,可以说明他们之间的联系。
助攻次数越多,说明球员对球队的得分贡献越高。由于在助攻时需要快速反映,以及和队友之间的默契配合,所以会造成失误的增多。球员水平不同,会导致每个人失误水平不同,这是造成拟合效果无法达到较高水平的一个因素。
从本模型可以发现,考虑球员配合能力时,选取助攻次数较多,同时失误较少的球员,当然,其平均水平大约是1.766的关系,可以认为,如果球员助攻失误比超过1.766,那么球员助攻能力强,反之亦然。在数据上看,如果球员助攻次数较少,说明球员配合能力较差。
得分效率是球迷关注最多的,也是多数球队老板和教练的关注重点,从大牌球星的数据来看,场均得分都是可以用来炫耀的资本。为此,考虑几个因素,分别是球员得分,上场时间,失误与犯规。这些因素直接影响球员的得分,犯规在一定程度上影响对方得分和己方进攻策略,所以考虑在内。在失误方面,对得分的影响较大,当然,上场时间多,出手次数多,失误也会增多。
平均上场时间与得分有相互因果关系,即得分越多,有越多的机会上场。但是随着上场时间的增多,失误与犯规的次数也随之增加。
模型的拟合效果非常好,调整R平方达到了0.838。参数检验效果非常好,其余各项检验均通过。
得分与上场时间有0.977的线性关系,说明二者的数据极其接近,可以认为接近是一分钟得一分(当然排除截距项和失误与犯规)。同时可以看出失误与犯规与上场时间有较强的线性相关性。
该模型说明,在选择球员时,可以帮虑对该球员的使用安排问题。如果让球员有较多的上场时间,就可以通过其得分与上场时间的关系比较观察球员得分效率,在减去一定的常数后,比值如果接近1,说明接均水平,如果低于方程的拟合参数值,则说明该球员效率较低。用同样的方法可以观察失误和犯规的次数,来更加公平地评价球员。
防守方面的主要观测指标是单场篮板数量和盖帽数量。通过二者的比较,可以观察球员的防守能力
平均单场篮板数量和平均单场盖帽数量之间也有较强的线性关系。该模型拟合效果较好,调整R平方值达到0.61。各项检验通过,每项系数检验均为0.0000说明每项系数有效。
该模型描述的是防守方面的数据,篮板分为前场篮板与后场篮板,篮板的数量和盖帽的数量基本描述了内线球员的防守能力,这个模型可以排除其他因素影响,对内线球员有一个单独而客观的评价,这些数据能够反映,篮板数量越多的球员盖帽数量越多。
通过对模型的分析,除了选择篮板数量和盖帽数量高的球员,可以提示球队老板和教练对二者的关系进行考察,仔细考虑球员防守能力。
通过以上详细的建模分析,可以发现在NBA这个顶级职业篮球赛事中的种种关系。从分析结果看,球员的差异很大,影响因素很多,加上篮球本身就是一种配合运动,官网的基本指标(直接观测值)显得略有不足。NBA同样更是一个商业化运作机制的联盟赛事,从中,明星效应也是难以衡量的,比如我们熟悉的姚明,可能从数据上看,他比一些普通球员的薪金要高很多倍,但比赛指标却不一定高很多,这是由于姚明给球队带来了大量的中国观众,从各方面都可以增加球队知名度。上述是在本次建模中难以完善的地方,有待继续研究。