Skottstatistik på lagnivå

I förra veckans homage till Eurotalk tog vi oss en titt på hur starkt sambandet mellan bollinnehav och inspelade poäng har varit över säsongerna 12/13-13/14 i fyra av Europas största ligor, för att försöka bidra med lite siffror i den eviga debatten om bollinnehavets vikt.

Idag ska vi titta på ett par simpla mått som visar sig vara bättre indikatorer på ett lags styrka än bollinnehav och som faktiskt till och med kan användas för att spå in lite i framtiden om man vill visa sig på styva linan. Till vår hjälp har vi ett betydligt mer robust urval än vid undersökningen för bollinnehav, då vi har data för samtliga färdigspelade säsonger från och med 08/09 för Premier League, Bundesliga, Serie A och La Liga, vilket innebär 468 datapunkter över sex spelade säsonger.

Ett första lackmus-test för att se om ett lag överpresterar är att titta på lagets målskillnad (skräll). Korrelationen mellan målskillnad och poäng per match är nästan perfekt på 0.96, så om ett lag med negativ eller marginellt positiv målskillnad lyckats blanda sig i toppstriden halvvägs in i säsongen (hörde jag någon säga Tottenham?) kan vi känna oss relativt trygga i att laget inte kommer stå med guldmedaljer runt halsen och spruta skumpa när säsongen närmar sig sitt slut. Kopplingen är givetvis helt logiskt, bra målskillnad renderar i regel i vunna matcher som renderar i många poäng per match, men detta påvisar också att ett lag som i regel tar bekväma segrar med flera mål kommer att ha ett högre poängsnitt per match på sikt än ett lag som hankar sig fram med uddamålssegrar.

corrGDPPG

Hur gör man då mål, och samtidigt undviker att släppa in några?

För att ett mål ska bli till krävs i regel ett avslut (Jordan Henderson visade i måndags prov på att det går bra att bara springa rakt fram också). Kommer man inte till några avslut gör man inga mål, och släpper man inte till några avslut släpper man heller inte till några mål. Följer då även logiken att många avslut=många mål och få avslut=få mål?

För att reda ut detta tar vi ett par enkla skott-mått (jag kan rimma också!) till hjälp. TSR är en engelsk förkortning för Total shots ratio och mäter som namnet avslöjar den totala andelen skott ett lag tar i sina matcher, och räknas ut genom Skott för/(skott för+skott emot). En ligans genomsnitt är alltid 0.5 eftersom varje avslut ett lag tar, också är ett avslut som ett lag släpper till. Viktigt att notera är också att skott i detta sammanhang definieras som vilket avslut som helst, oavsett om det är med fot, huvud, nacke, rygg eller lugg. Korrelation mellan TSR och poäng per match (PPG) för de sex säsongerna i fråga ser ut såhär:

corrPPGTSR

R^2=0.57, vilket innebär att 57% av variationen i ”Poäng per match” (PPG) kan förklaras av ett lags ”TSR” (observera att ingen kausalitet måste föreligga, det visar bara att ett samband finns, inte varför). Ett något starkare samband än för bollinnehav men fortfarande långt ifrån den närmast perfekta korrelationen vi såg för målskillnad. Märk väl att ingen hänsyn överhuvudtaget tas till var skotten tas, vem som skjuter, riktningen på skottet etc, utan det enda som mäts är den råa andelen ett lag tar, och med i åtanke kanske 57% av variationen inte är så tokigt trots allt. Det här måttet kommer även visa sig mycket användbart när det gäller att jämföra ett och samma mellan flera säsonger, men det inlägget sparar vi till en annan dag.

Istället ska vi nu ägna uppmärksamheten åt att försöka hitta ett mått med starkare korrelation till PPG, och i hobbyanalytikernas kretsar finns ett antal olika mer eller mindre avancerade mått. Vi ska titta på ett mått som sin enkelhet till trots visar sig vara nästan lika bra på att förutse PPG som långt avancerade modeller, nämligen SoTR.

SoTR står för Shots on target ratio och mäter andelen avslut på mål ett lag tar i sina matcher. Precis som i fallet med TSR räknas alla former av avslut som ett skott och ligans genomsnitt är alltid 0.5 även här, av samma anledning som ovan. Vi tar fortfarande ingen direkt hänsyn till vem som skjuter eller var skottet kommer från, men nu tar vi däremot hänsyn till riktningen på skottet (på mål), och det faktum att skottet faktiskt gick på mål säger kanske indirekt något om skottets karaktär. Sambandet mellan SoTR och PPG visar sig betydligt starkare:

corrPPGSoTR

R^2=0.7, hela 70% av variationen i PPG kan förklaras med hjälp av detta enkla mått, men varför är det överhuvudtaget intressant med dessa alternativa mått på ett lags styrka? ”Tabellen ljuger aldrig” sägs det ju.

Svaret är att tabellen kanske inte ljuger, men heller inte berättar hela sanningen. Mål är ovanliga företeelser i fotboll (cirka 1/9 skott leder till mål), och sällsynta händelser har till sin natur stor variation. Bara för att lag X lyckas vinna över lag Y kan man inte dra slutsatsen att lag X måste vara ett bättre lag än Y. Y kan till och med spela flera matcher på raken där man spelar ut sina motståndare men förlorar ändå, exempelvis för att man konverterar betydligt färre chanser under den här tidsperioden än man normalt sett gör över tid, eller för att släpper in en betydligt större andel av skott under en viss tidsperiod än man kommer göra över tid. De här tidsperioderna av låg konvertering offensivt och stor andel insläppta mål relativt antal skott man släpper till kan ibland vara över även längre tidsperioder (tänk Dortmund anno 14/15), och då kan det vara lämpligt att applicera andra mått för att se om ett lag verkligen är så bra eller dåligt som tabellen påstår just vid den tidpunkten.

Skott däremot, är en betydligt vanligare företeelse än mål, med betydligt mindre variation. Mått som baserar sig på skott stabiliserar sig därför betydligt tidigare och eftersom vi vet att en stor andel av variationen i poäng förklaras av exempelvis SoTR finns det ofta anledning att tro att ett lag som inleder en säsong med bra resultat men katastrofal SoTR (Aston Villa) kommer få det jobbigare under säsongen än ett lag som inleder med sämre resultat men fantastisk SoTR (Arsenal).

Lite svepande kan man säga att ett lag med TSR eller SoTR under 0.4 är en potentiellt nedflyttningskandidat, medan ett lag med värden över 0.6 antagligen kommer att vara med och fightas om titeln, eller åtminstone de åtråvärda platserna till Champions league.

Annonser
Taggad , , , ,

4 tankar om “Skottstatistik på lagnivå

  1. […] slutsatser har också dragits på lagnivå, genom tidigare inlägg som går att läsa här, här, och […]

    Gilla

  2. […] som agerar inspiration till den här texten. Som vi vet sedan tidigare inlägg om skott på lagnivå korrelerar skott och skott på mål-ratios tydligt med vunna poäng, och den här typen av […]

    Gilla

  3. […] 14/15 givetvis beräknas för de 34 matcher man spelat hittills under säsongen. Vi vet sedan det HÄR inlägget att dessa mått korrelerar starkt (främst SoTR) med inspelade poäng över […]

    Gilla

  4. […] i de underliggande siffrorna (som vi vet korrelerar starkt med inspelade poäng över tid sedan detta inlägg), men har räddats av en PDO som nästan träffar ligans genomsnitt exakt, vilket […]

    Gilla

Kommentera

Fyll i dina uppgifter nedan eller klicka på en ikon för att logga in:

WordPress.com Logo

Du kommenterar med ditt WordPress.com-konto. Logga ut /  Ändra )

Google+-foto

Du kommenterar med ditt Google+-konto. Logga ut /  Ändra )

Twitter-bild

Du kommenterar med ditt Twitter-konto. Logga ut /  Ändra )

Facebook-foto

Du kommenterar med ditt Facebook-konto. Logga ut /  Ändra )

Ansluter till %s

Annonser
%d bloggare gillar detta: