nflWAR：一种可复现的美式橄榄球进攻球员评估方法

与其他主要职业体育项目不同，美式橄榄球缺乏既可从比赛结果角度复现又易于解读的综合性球员统计评级。现有的橄榄球球员评估方法严重依赖专有数据、不可复现，且落后于其他主要体育项目。为解决这些问题，我们对橄榄球统计研究作出四项贡献。首先，我们开发了 R 包 nflscrapR，以便轻松获取自 2009 年以来的美国国家橄榄球联盟（NFL）公开逐回合数据。其次，我们引入一种新颖的多项逻辑回归方法来估计每次进攻的期望得分。第三，我们将期望得分作为广义加性模型的输入以估计每次进攻的胜率。第四，我们引入 nflWAR 框架，使用多层模型分离个别进攻技术球员的贡献，并给出其个人胜场替代值（WAR）的估计。我们通过专为橄榄球设计的重采样方法估计每名球员 WAR 的不确定性，并给出 2017 赛季 NFL 的这些数据。我们讨论了这一完全基于公开数据构建的可复现 WAR 框架如何能轻易扩展至估计任意位置球员的 WAR，只要研究者能获取指定每次进攻在场球员的数据。最后，我们讨论了本工作对 NFL 球队的潜在影响。