Что больше способствует победе в играх НФЛ, нападение или оборона?

Анализ для моего заключения был сделан с использованием моей панели данных, вы можете получить к ней доступ и сделать свои собственные выводы здесь:https://statacinos.com/article_1/NFL_OffvsDef

Результаты Заключение

Производительность нападения важнее, чем защита, когда дело доходит до решения, сколько игр команда НФЛ выиграет в этом сезоне. Это связано с тем, что статистика нападения больше коррелирует с процентом побед по сравнению со статистикой защиты.

К такому выводу мы пришли, выбрав «Вся НФЛ» и измерив годы с 2000 по 2022 год. Я не хотел заходить слишком далеко в прошлое, поскольку стиль нападения и защиты НФЛ со временем меняется. Переменными нападения, выбранными для моего анализа, были «Off.total.TD» и «Off.total.yds», а переменными защиты были «Def.total.TD» и «Def.total.yds». Я выбрал только эти переменные, потому что они объединяют данные из других переменных.

Линейный регрессионный анализ — ключевые моменты

1. Скорректированный R-квадрат - Вывод: 44,22% изменчивости процента побед объясняется атакующими переменными.
2. Скорректированный R-квадрат при выборе атакующих переменных равен 0,4422.
3. Скорректированный R-квадрат при выборе защитных переменных равен 0,2693.
1. Точность модели — Вывод: точность 72,64% при выборе атакующих переменных для прогнозирования победного сезона.
2. Точность модели при выборе оскорбительных переменных составляет 0,7264.
3. Точность модели при выборе защитных переменных составляет 0,70.

При одновременном выборе переменных нападения и защиты для анализа результаты становятся более значимыми!

1. Скорректированный R Squared модели линейной регрессии равен 0,7288. Эти 72,88% изменчивости процента побед объясняются как наступательными, так и оборонительными переменными.
2. Точность модели логистической регрессии для прогнозирования выигрышного сезона составляет 0,8455 или 84,55% при использовании как атакующих, так и оборонительных переменных.