使用岭回归结合进球、射门、芬威克和科西数据调整NHL球员的正负值

基于回归的调整正负值统计方法在篮球中发展起来，并最近被引入冰球。这些统计方法的目的是估计每个球员对其球队的贡献，独立于其队友的实力、对手的实力以及其他不受其控制的因素。普通最小二乘回归模型的主要缺点之一是估计值具有较大的误差范围。由于某些队友组合经常一起上场，数据中存在共线性，这是导致大误差的原因之一。在冰球中，与篮球相比相对缺乏得分是另一个原因。为了解决这些问题，我们使用岭回归，这是一种在数据存在共线性时常用以替代普通最小二乘回归的方法。我们还创建了不仅使用进球，还使用射门、芬威克评分（射门加射偏）和科西评分（射门、射偏和封堵射门）的模型。使用这些统计量的一个好处是，射门数量大约是进球数量的十倍，因此使用这些统计量时有更多的数据，从而得到的估计值具有更小的误差范围。我们的岭回归模型的结果是对前锋和后卫在均等强度、多打少和少打多情况下的进攻和防守贡献的估计，以每60分钟进球数表示。这些估计值独立于队友实力、对手实力以及球员轮换开始的区域。