Qu'est-ce qui contribue le plus à gagner des matchs dans la NFL, les performances offensives ou défensives ?

L'analyse de ma conclusion a été réalisée à l'aide de mon tableau de bord de données, vous pouvez y accéder et tirer vos propres conclusions ici :https://statacinos.com/article_1/NFL_OffvsDef

Résultats Conclusion

La performance d'une attaque est plus importante que celle de la défense lorsqu'il s'agit de décider du nombre de matchs qu'une équipe de la NFL gagnera cette saison. En effet, les statistiques offensives sont plus corrélées au pourcentage de victoires par rapport aux statistiques défensives.

Cette conclusion a été atteinte en sélectionnant «Toute la NFL» et en mesurant les années de 2000 à 2022. Je ne voulais pas remonter trop loin dans le temps, car le style des attaques et des défenses de la NFL change avec le temps. Les variables offensives sélectionnées pour mon analyse étaient 'Off.total.TD' et 'Off.total.yds' et les variables défensives étaient 'Def.total.TD' et 'Def.total.yds'. J'ai sélectionné uniquement ces variables car elles consolident les données des autres variables.

Analyse de régression linéaire — Points clés

1. R-carré ajusté — Conclusion : 44,22 % de la variabilité du pourcentage de victoires s'explique par les variables offensives
2. Le R-carré ajusté lors de la sélection de variables offensives est de 0,4422
3. Le R-carré ajusté lors de la sélection des variables défensives est de 0,2693
1. Précision du modèle - Conclusion : 72,64 % de précision lors de la sélection de variables offensives pour prédire une saison gagnante
2. La précision du modèle lors de la sélection de variables offensives est de 0,7264
3. La précision du modèle lors de la sélection des variables défensives est de 0,70

Lorsque vous sélectionnez à la fois des variables offensives et défensives pour l'analyse, les résultats sont plus significatifs !

1. Le R au carré ajusté du modèle de régression linéaire est de 0,7288. Que 72,88 % de la variabilité du pourcentage de victoire s'explique à la fois par des variables offensives et défensives
2. La précision du modèle de régression logistique pour prédire une saison gagnante est de 0,8455 ou 84,55 % lors de l'utilisation de variables offensives et défensives