한국프로농구 경기기록 분석에 의한 승패결정요인

김세형; 강상조; 박재현; 김혜진

추천

검색

질문

자료유형: 학술저널

저자정보: 김세형 강상조 박재현 김혜진

저널정보: 한국체육측정평가학회 한국체육측정평가학회지 한국체육측정평가학회지 제10권 제1호

발행연도: 2008.6

수록면: 1 - 12 (12page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

한국프로농구는 인터넷 사이트(www.kbl.or.kr)를 통해 출전선수별로 경기기록을 자세하게 공개하고 있다. 공개되는 경기기록은 14개의 변인으로 7개의 공격변인과 7개의 수비변인으로 구분할 수 있다. 공격변인으로는 2P%(2점슛성공률), 3P%(3점슛성공률), FT%(자유투성공률), DK(덩크슛), OR(공격리바운드), A(어시스트), TO(턴오버)가 기록되고, 수비변인으로는 DR(수비리바운드), ST(스틸), GD(굿디팬스), BS(블록슛), WFT(자유투 유 파울), WOFT(자유투 무 파울), TF(테크니컬파울)이 기록된다. 본 연구는 이와 같이 공개되는 경기기록을 승리한 집단과 패배한 집단으로 구분하여 통계적인 방법을 통해 승패결정요인을 분석하였다. 통계적인 방법으로 SPSS 15.0 프로그램을 통해 로지스틱 회귀분석을 실시하였고, Answer Tree 3.0 프로그램을 통해 의사결정나무 분석을 실시하였다. 본 연구의 결과를 요약하면 다음과 같다. 로지스틱 회귀분석, 전진적 선정(Forward Selection)방법은 방정식에 포함된 변인(Variables in the Equation)결과에서 설명력이 가장 높은 변인 순으로 결과를 단계별로 제시해 준다. Wald 검증과 우도비 검증(LR test: Likelihood Ratio test)결과 DR, 3P%, ST, 2P%, TO, OR, WFT, FT%, GD순으로 나타났다. 의사결정나무 분석 CHAID 알고리즘 결과, 가장 승률이 높은 모형은 DR가 26개 이상이며, 3P%이 35% 이상일때 경기기록으로, 이길 확률이 89.05%로 나타났다. 가장 승률이 낮은 모형은 DR가 21개이하, 3P%이 44%이하 그리고 ST 횟수가 9회 이하인 경기기록으로, 이길 확률이 17.48%로 나타났다.

The purpose of this study is to analyze the factor of professional basketball record which is for predicting whether win or lose the game. The factor model of victory and defeat made by collecting present basketball records and it will be used for team strategy. Korea Basketball League(KBL) informs records of every pro-basketball game data through the Internet site(www.kbl.or.kr). The records are 2Point shot percentage(2P%), 3Point shot percentage(3P%), Free throw shot percentage(FT%), and frequency of Dunk shot(DK), Offense rebound(OR), Assist(A), Turn over(TO), Defense rebound(DR), Steal(ST), Good defense(GD), Block shot(BS), With free throw(WFT), Without free throw(WOFT), Technical foul(TF). These 14 variables compose that the 7 formers are offense variables and the 7 latters are defense variables. This study analyzed the records, 10 teams` 270 games data of KBL 2006-2007season and developed the factor model of victory and defeat. The statistic methods used for the prediction were SPSS program for analyzing logistic regression and Answer Tree 3.0 program for analyzing decision tree. Major results are as follow. The factor model of victory and defeat through the logistic regression is dissected in SPSS 15.0 program, Forward Selection method. The result materialized the 9 variables as rank, DR, 3P%, 2P%, ST, TO, OR, FT%, WFT, GD. In analyzing decision tree in Answer Tree 3.0 program, DR, 3P%, 2P%, ST variables are adopted. The highest the percentage of victories in this study is 89.06% that DR is more than 26 times and 3P% is more than 36 percentile. The next high the percentage of victories is 72.22% that DR is 21~25 times and 2P% is more than 53 percentile. In the Pro-Basketball, defense rebound and shot success percentage effect the high percentage of victories. That DR is less than 21 times and 3P% is less than 44% shows 25% of the percentage of victories. In this study, the lowest the percentage of victories is 17.48% that DR is less than 21 times and 3P% is less than 44% and ST is less than 9 times.

#CHAID #Forward selection #Logistic regression #Answer Tree

참고문헌 (12)

참고문헌 신청

1. [단행본] - 강상조 / 2006 / 체육통계 / 서울:21세기교육사

2. [단행본] - 김충련 / 1993 / SAS라는 통계상자 / 서울:데이터리서치

3. [학술지(정기간행물)] - 김차용 / 2004 / 한국프로농구 경기의 승・패 요인분석 / 한국사회체육학회지 12 (4) : 455 ~ 464

4. [학술지(정기간행물)] - 박제영 / 2003 / 2002-2003시즌 한국프로 농구경기의 승・패 요인분석 / 한국체육학회지 42 (5) : 793 ~ 800

5. [단행본] - 성태제 / 2007 / 알기쉬운 통계분석 / 서울:학지사

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

김세형

소속기관 한국체육측정평가학회

주요연구분야 예술체육학 > 체육

논문수 8 이용수 1,097

강상조

소속기관 한국체육측정평가학회

주요연구분야 예술체육학 > 체육

논문수 35 이용수 1,884

박재현

소속기관 한국체육대학교

주요연구분야 예술체육학 > 체육 TOP 5%

논문수 37 이용수 5,559

김혜진

소속기관 한국체육측정평가학회

주요연구분야 예술체육학 > 체육 TOP 10%

논문수 32 이용수 2,534

이 논문과 함께 이용한 논문

한국남자프로농구 경기기록 분석을 통한 승패결정요인 추정방법 비교

김세형 한국체육과학회지 2012 .06

2010∼2011 시즌 자료를 활용한 프로농구 구단의 효율성 평가

최경호 , 안정용 한국데이터정보과학회지 2013 .06

한국남자프로농구 경기기록 분석을 통한 승패결정요인 추정 : 2010-2011시즌, 2011-2012시즌 정규리그 기록 적용

김세형 , 이준우 , 이미숙 한국데이터정보과학회지 2012 .10

미국 프로농구(NBA)의 플레이오프 진출에 영향을 미치는 주요 변수 예측: 3점과 턴오버 속성을 중심으로

안세환 , 김영민 지능정보연구 2022 .03

허용변수를 고려한 남자프로농구 승패결정요인 분석

박해원 , 김세형 한국체육과학회지 2016 .02

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2019-692-000991276

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (12)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)