하키 선수가 득점 한 총 커리어 목표를 예측할 때 포아송 회귀 분석에서 오프셋을 사용할지 여부

오프셋을 사용할지 여부에 대한 질문이 있습니다. 하키에서 (전체) 수의 목표를 설명하려는 매우 쉬운 모델을 가정하십시오. 따라서 플레이어는 스트라이커 인 경우 골, 목표로하는 게임 수 및 더미 변수 "스트라이커"가 1이고 그렇지 않으면 0입니다. 다음 중 어떤 모델이 올바르게 지정 되었습니까?

1. goals = games + striker 또는

2. 목표 = 오프셋 (게임) + 스트라이커

다시 한 번 목표는 전체 목표이며 게임 수는 단일 플레이어의 전체 게임입니다. 예를 들어 100 게임에서 50 골을 가진 선수와 50 게임에서 20 골을 가진 다른 선수가있을 수 있습니다.

목표의 수를 추정하려면 어떻게해야합니까? 여기서 오프셋을 사용해야합니까?

참고 문헌 :

• 포아송 회귀 분석에서 일반적으로 오프셋을 사용할시기를 논의하는이 이전 질문을 참조하십시오 .

오프셋 모델은 다음과 같이 게임당 목표를 모델링합니다.

log(goals/games) = a+bx

에 해당

log(goals) -log(games) = a+bx

에 해당

log(goals)= a+bx +log(games)   <-this is an offset model, assumes coef on the last term =1

여기에 슬라이드 35를 참조하십시오 : http://www.ed.uiuc.edu/courses/EdPsy490AT/lectures/4glm3-ha-online.pdf

a + bx가 목표 대 게임의 로그 비율 (비율)과 관련이 있다고 생각되면 오프셋을 사용하십시오. 경험 축적으로 인해 더 복잡한 게임 효과가 있다고 생각하면하지 마십시오. 자세한 내용은 다음을 참조하십시오 : http://ezinearticles.com/?

오프셋에 대한 귀하의 질문을 직접 다루지 않는 몇 가지 간단한 요점 :

• 게임 수와 평균 득점이 서로 연관되어 있는지 살펴 보겠습니다. 내가 생각할 수있는 많은 엘리트 목표 득점 스포츠 (예 : 축구, 호 주식 풋볼 등)에서 나는 경력의 장수는 경력의 성공과 관련이 있다고 예측할 것입니다. 그리고 최소한 골 득점 역할을하는 선수에게는 성공은 득점되는 골 수와 관련이 있습니다. 이것이 사실이라면, 많은 게임이 두 가지 효과를 포착 할 것입니다. 하나는 더 많은 게임이 더 많은 골을 넣을 기회를 의미한다는 사실과 관련이있을 것이다. 다른 하나는 기술 관련 효과를 포착합니다. 이를 위해 게임 수와 득점 한 평균 목표 (예 : 목표 / 게임 수) 간의 관계를 조사 할 수 있습니다. 나는 이것이 당신이하는 모델링에 실질적인 영향을 미친다고 생각합니다.
• 내 본능은 종속 변수를 게임당 평균 목표로 변환하는 것입니다. 더 많은 게임을하는 사람들을 위해 플레이어의 기술을보다 정확하게 측정 할 수 있다는 것을 알고 있습니다. 원하는 모델의 정밀도와 결과적인 플레이어 분포에 따라 표준 선형 모델링 기술에 의존 할 수 있습니다. 그러나 이것은 아마도 귀하의 목적에 약간 적용되기도하며, 총 득점을 모델링하려는 이유가있을 수 있습니다.