DOI: https://doi.org/10.33697/ajur.2025.161
تاريخ النشر: 2026-01-06
المؤلف: Tristan Rumsey وآخرون
الموضوع الرئيسي: تحليلات الرياضة والأداء
نظرة عامة
تتناول ورقة البحث التأثير التحويلي لتحليلات الرياضة، وخاصة في كرة القدم، حيث تستفيد الأندية بشكل متزايد من البيانات لتعزيز الأداء والتسويق والنتائج المالية. من خلال رسم أوجه التشابه مع نهج “Moneyball”، تؤكد الدراسة على أهمية تعظيم الأهداف المتوقعة (xG) كمقياس حاسم للنجاح الهجومي. من خلال استخدام تقنيات التعلم الآلي المختلفة، بما في ذلك Ridge وLasso وElastic Net وGroup Lasso، تهدف الدراسة إلى تحديد المتغيرات التنبؤية الرئيسية التي تؤثر على قدرة الفريق على تسجيل الأهداف، مما يوفر رؤى قابلة للتنفيذ للأندية التي تسعى للحصول على ميزة تنافسية.
تؤكد النتائج على الإمكانات غير المستغلة للتحليلات في الرياضة، مشددة على كيف يمكن أن يغير التركيز على البيانات استراتيجيات الفريق وإدارة الصحة وتفاعل المشجعين. تكشف الدراسة عن وجود علاقة مباشرة بين الأهداف المتوقعة الأعلى والأهداف الفعلية المسجلة، مما يشير إلى أن فهم وتعظيم هذه المتغيرات التنبؤية يمكن أن يؤثر بشكل كبير على نتائج المباريات. بينما تعترف بالقيود، مثل الحاجة إلى مجموعة بيانات أوسع وضرورة تضمين المتغيرات الدفاعية، تدعو المؤلفون إلى استمرار تطور تحليلات الرياضة. يقترحون أبحاثًا مستقبلية تتضمن طرق تعلم آلي متقدمة، مثل التعلم العميق والشبكات العصبية، لتعزيز الرؤى في دوريات كرة القدم المحترفة ودفع التغيير الجوهري في الصناعة.
مقدمة
تسلط مقدمة ورقة البحث هذه الضوء على تطور تحليلات كرة القدم، وخاصة بعد اللحظات الحاسمة مثل نهائي دوري أبطال أوروبا 2007 بين ليفربول وميلان. تؤكد على دور “مختبر ميلان” التابع لميلان، الذي استخدم البيانات الفسيولوجية والبيوميكانيكية لتعزيز أداء اللاعبين والتنبؤ بالإصابات بدقة ملحوظة. تتتبع الورقة أصول تحليلات الرياضة إلى استراتيجية “Moneyball” التي استخدمها أوكلاند أثليتيكس في عام 2002، موضحة كيف غيرت الأساليب المعتمدة على البيانات إدارة الرياضة، وخاصة في كرة القدم، حيث كانت القرارات التقليدية تعتمد تاريخياً على الحدس بدلاً من البيانات التجريبية.
تركز الدراسة على مفهوم الأهداف المتوقعة (xG)، وهو مقياس حاسم يقيس احتمال تسجيل هدف من تسديدة، مما يوفر تقييمًا أكثر دقة لأداء الفريق مقارنة بالنتائج النهائية فقط. توضح المقدمة أهمية فهم المتغيرات التي تؤثر على xG، نظرًا لفرص التسجيل المحدودة في كرة القدم. تستعرض المنهجيات الحالية لتوقع الأهداف، بما في ذلك النماذج الإحصائية المختلفة، وتؤكد على ضرورة تضمين مجموعة أوسع من الأفعال الهجومية والدفاعية بخلاف بيانات التسديد فقط لنمذجة الأداء بدقة. تهدف الأبحاث إلى تحديد المتنبئين المهمين للأهداف المتوقعة، مما يوفر رؤى يمكن أن تعزز اتخاذ القرار للمدربين والمحللين والتنفيذيين في الرياضة.
الطرق
في هذا القسم، يحدد المؤلفون تقنيات نمذجة الانحدار المختلفة المستخدمة لتحليل المتغيرات التنبؤية للأهداف المتوقعة، والتي كانت ضرورية بسبب فشل افتراضات الانحدار الخطي المتعدد. تشمل المنهجية كل من طرق الانحدار التدريجي والانحدار المنتظم، كل منهما يهدف إلى تحديد المتنبئين المهمين مع معالجة تعقيد النموذج.
يتم وصف الانحدار التدريجي كنهج ذو شقين: يبدأ الاختيار الأمامي مع نقطة تقاطع ويضيف المتنبئين بناءً على أهميتهم، بينما يبدأ الاختيار العكسي مع نموذج كامل ويزيل المتنبئين غير المهمين. تستخدم كلا الطريقتين معايير مثل معيار معلومات أكايك (AIC) للتقييم. بالإضافة إلى ذلك، يناقش المؤلفون تقنيات الانحدار المنتظم، بما في ذلك Ridge وLasso وElastic Net وGroup Lasso، التي تم تنفيذها باستخدام دالة glmnet() في R. من الجدير بالذكر أن هذه الطرق لا توفر قيم p أو فترات الثقة، مما يتطلب الاعتماد على $R^2$ المعدل وقيم الخطأ لمقارنة أداء النموذج.
النتائج
تستعرض قسم النتائج نتائج إجراءات النمذجة المستخدمة لتوقع الأهداف المتوقعة، مع التركيز على افتراضات النموذج، وتحويلات البيانات، واختيار المتغيرات التنبؤية المهمة. كانت إحدى المكونات الرئيسية لهذه التحليل هي اختبار نسبة الاحتمالية، الذي أكد على ضرورة تضمين التعقيدات في نموذج الانحدار. على وجه التحديد، أكد الاختبار ملاءمة تحويل الجذر التربيعي للمتغير المستجيب، الأهداف المتوقعة. باستخدام دالة `lrtest` من حزمة R `lmtest`، أسفر المقارنة بين نموذج أبسط وآخر يتضمن تحويل الجذر التربيعي عن إحصائية كاي-تربيع قدرها 272.25 وقيمة p قدرها \(2.2 \times 10^{-16}\). أدت هذه القيمة p، التي كانت أقل بكثير من قيمة α البالغة 0.05، إلى رفض الفرضية الصفرية، مما يشير إلى أن النموذج المحول يوفر ملاءمة أفضل بشكل كبير.
علاوة على ذلك، يقدم القسم مقاييس دقة التوقع لستة نماذج انحدار غير محولة ونماذج تعلم آلي، مشددًا على أن نموذج الشبكة المرنة تفوق على الآخرين. حقق أعلى قيمة \(R^2\) المعدلة وأدنى مقاييس الخطأ، مما يبرز فعاليته في توقع الأهداف المتوقعة. تعزز هذه النتائج صحة نهج النمذجة وأهمية تحويل الجذر التربيعي في تحسين أداء النموذج.
المناقشة
في هذه الدراسة، تم تجميع مجموعة بيانات يدويًا من Football Reference (FBref.com) لتحليل أداء نادي أرسنال لكرة القدم في الدوري الإنجليزي الممتاز على مدى أربع مواسم (2019-2023). تتكون مجموعة البيانات من 152 سجلًا عبر 21 متغيرًا، مع التركيز على مباريات الدوري فقط للحفاظ على الاتساق. الهدف الرئيسي هو تحديد المقاييس التي تؤثر على الأهداف المتوقعة للفريق (xG)، حيث تعتبر xG المتغير المستجيب. تتضمن مجموعة بيانات التدريب بيانات من المواسم الثلاثة الأولى، بينما تتكون مجموعة بيانات الاختبار من بيانات الموسم الأخير. تضمنت خطوات المعالجة المسبقة إزالة المتغيرات الزائدة، وتحويل المتغيرات النوعية إلى عوامل، وضمان سلامة مجموعة البيانات للتحليل.
كشفت التحليل عن عدة متغيرات تنبؤية مرتبطة بالأهداف المتوقعة، بما في ذلك اللمسات في منطقة الجزاء، التي أظهرت أقوى ارتباط (r = 0.59). لوحظت ارتباطات ملحوظة أخرى مع الاستحواذ، ودقة التمرير، والاسترداد. استخدمت الدراسة الانحدار الخطي المتعدد (MLR) لنمذجة العلاقة بين هذه المتنبئين وxG، مع معالجة التعدد الخطي والاعتدال من خلال الفحوصات التشخيصية والتحويلات. تم استخدام تقنيات تعلم آلي متقدمة، مثل الانحدار Ridge وLasso وElastic Net، لتعزيز أداء النموذج وإدارة ندرة مجموعة البيانات. تم تقييم فعالية هذه النماذج باستخدام مقاييس مثل \(R²\) المعدل ومعيار معلومات أكايك (AIC)، جنبًا إلى جنب مع مقاييس الخطأ مثل متوسط الخطأ التربيعي (MSE) وجذر متوسط الخطأ التربيعي (RMSE). تم تطبيق تقنية Bootstrap لتوليد فترات توقع لمجموعة بيانات الاختبار، مما يضمن تقديرات قوية للأهداف المتوقعة.
DOI: https://doi.org/10.33697/ajur.2025.161
Publication Date: 2026-01-06
Author(s): Tristan Rumsey et al.
Primary Topic: Sports Analytics and Performance
Overview
The research paper discusses the transformative impact of sports analytics, particularly in soccer, where clubs are increasingly leveraging data to enhance performance, marketing, and financial outcomes. Drawing parallels to the “Moneyball” approach, the study emphasizes the importance of maximizing expected goals (xG) as a critical metric for offensive success. By employing various machine learning techniques, including Ridge, Lasso, Elastic Net, and Group Lasso, the research aims to identify key predictor variables that influence a team’s goal-scoring potential, thereby providing actionable insights for clubs seeking a competitive edge.
The findings underscore the untapped potential of analytics in sports, highlighting how a focus on data can revolutionize team strategies, health management, and fan engagement. The study reveals a direct correlation between higher expected goals and actual goals scored, suggesting that understanding and maximizing these predictor variables can significantly impact match outcomes. While acknowledging limitations, such as the need for a broader dataset and the inclusion of defensive variables, the authors advocate for the continued evolution of sports analytics. They propose future research incorporating advanced machine learning methods, such as deep learning and neural networks, to further enhance insights into professional soccer leagues and drive meaningful change in the industry.
Introduction
The introduction of this research paper highlights the evolution of soccer analytics, particularly following pivotal moments such as the 2007 Champions League Final between Liverpool FC and AC Milan. It emphasizes the role of AC Milan’s “Milan Lab,” which utilized physiological and biomechanical data to enhance player performance and predict injuries with notable accuracy. The paper traces the origins of sports analytics to the “Moneyball” strategy employed by the Oakland Athletics in 2002, illustrating how data-driven approaches have transformed sports management, particularly in soccer, where traditional decision-making was historically based on instinct rather than empirical data.
The study focuses on the concept of expected goals (xG), a critical metric that quantifies the probability of a shot resulting in a goal, thereby providing a more nuanced evaluation of team performance than final scores alone. The introduction outlines the importance of understanding the variables that influence xG, given the limited scoring opportunities in soccer. It reviews existing methodologies for goal prediction, including various statistical models, and underscores the necessity of incorporating a broader range of offensive and defensive actions beyond just shot data to accurately model performance. The research aims to identify significant predictors of expected goals, offering insights that could enhance decision-making for coaches, analysts, and executives in the sport.
Methods
In this section, the authors outline the various regression modeling techniques employed to analyze predictor variables for expected goals, necessitated by the failure of multiple linear regression assumptions. The methodology includes both stepwise and regularized regression methods, each aimed at identifying significant predictors while addressing model complexity.
Stepwise regression is described as a two-pronged approach: forward selection begins with an intercept and adds predictors based on their significance, while backward selection starts with a full model and removes non-significant predictors. Both methods utilize criteria such as Akaike’s Information Criterion (AIC) for evaluation. Additionally, the authors discuss regularized regression techniques, including Ridge, Lasso, Elastic Net, and Group Lasso, implemented using the glmnet() function in R. Notably, these regularization methods do not provide p-values or confidence intervals, necessitating reliance on adjusted $R^2$ and error values for model performance comparison.
Results
The results section details the outcomes of the modeling procedures employed to predict expected goals, focusing on model assumptions, data transformations, and the selection of significant predictor variables. A key component of this analysis was the Likelihood Ratio Test, which validated the necessity of incorporating complexities into the regression model. Specifically, the test confirmed the appropriateness of a square root transformation for the response variable, expected goals. Utilizing the `lrtest` function from the R `lmtest` package, the comparison between a simpler model and one incorporating the square root transformation yielded a chi-square statistic of 272.25 and a p-value of \(2.2 \times 10^{-16}\). This p-value, significantly lower than the α value of 0.05, led to the rejection of the null hypothesis, indicating that the transformed model provides a significantly better fit.
Furthermore, the section presents the prediction accuracy measures for six non-transformed regression and machine learning models, highlighting that the elastic net model outperformed the others. It achieved the highest adjusted \(R^2\) value and the lowest error metrics, underscoring its effectiveness in predicting expected goals. These findings reinforce the validity of the modeling approach and the importance of the square root transformation in enhancing model performance.
Discussion
In this study, a dataset was manually compiled from Football Reference (FBref.com) to analyze the performance of Arsenal Football Club in the English Premier League over four seasons (2019-2023). The dataset comprises 152 records across 21 variables, focusing on league matches only to maintain consistency. The primary objective is to identify metrics influencing the team’s expected goals (xG), with xG serving as the response variable. A training dataset includes data from the first three seasons, while the test dataset consists of the most recent season’s data. Pre-processing steps involved removing redundant variables, converting qualitative variables into factors, and ensuring the dataset’s integrity for analysis.
The analysis revealed several predictor variables correlated with expected goals, including touches in the penalty area, which exhibited the strongest correlation (r = 0.59). Other notable correlations were observed with possession, passing accuracy, and recoveries. The study employed multiple linear regression (MLR) to model the relationship between these predictors and xG, while also addressing multicollinearity and normality through diagnostic checks and transformations. Advanced machine learning techniques, such as Ridge, Lasso, and Elastic Net regression, were utilized to enhance model performance and manage the dataset’s sparsity. The effectiveness of these models was evaluated using metrics like adjusted R² and Akaike Information Criterion (AIC), alongside error measures such as mean squared error (MSE) and root mean square error (RMSE). Bootstrapping was applied to generate prediction intervals for the test dataset, ensuring robust estimates of expected goals.