※ 引述《Herlin (中华队加油 我是小白)》之铭言： : 通常研究两联盟水准差异时, : 最常用的方法是研究一批球员在两个不同联盟平行移动时 : 平均成绩的差异 : (最常看到的例子是Clay Davenport) : 比如说同一批球员 : 在A 联盟的OPS 大概是在B 联盟时OPS 的九折 : 如果只要据此表示B 联盟水准比A 联盟高, 高多少 : 只要样本够大我是没有大问题 (一些小问题当然还有) : 不过当拿来预测单一球员的成绩转换时 : 通常所有人都会再加上一个"假设" : 即如果A 球员在A 联盟OPS 多少, 那在B 联盟他也照乘九折 : 这听起来很合理 : 但是这其实还假设说原本已经有平行移动资料的那一大堆选手里面 : 比如X 好了 : X 在A 联盟的成绩比这一堆选手在A 联盟的成绩高出10% : 那麽X 在B 联盟的成绩还是会倾向比这一堆选手在B 联盟的成绩高出10% 左右 : 事实上是不是这样? 当然不完全是这样 (每个人适应状况不同) : 我的问题就是有没有人估计过偏差的状况大概是怎样? : 一个方法可能是 : 假设有一群选手{X1,X2,.....X_n} : 这群选手在A 联盟的平均表现数值是P, 在B 联盟的平均表现是Q : 然後X1 在A 联盟的表现数值相较於P 好了a_1 个百分比 : (或者如果平均表现数值是用OPS, 那这个部分可以算OPS+ 之类) : X1 在B 联盟的表现数值相较於Q 则好了b_1 个百分比 : 依此类推之後 : 我们拿 {a_1,....a_n} 和{b_1,....,b_n} 来求相关系数 : 这个相关系数可以大概告诉我们 直觉猜测结果大概不会很好 这应该是还满case by case的问题 另外或许可以用目前被认为在面对高竞争水准时能否维持的K/BB来用 求 {(a_1/b_1),....,(a_n/b_n)}和{K/BB_1,....,K/BB_2}的correlation 或者把K/BB代换成K rate、BB rate或其他 另外当两个联盟强度有一定差距时 可能先把{a_1,....a_n}和{b_1,....,b_n}标准化会比较好 : 直接拿conversion factor 去乘成绩得到转换推测结果的可靠度在哪里 : 就实务来说 : 通常认为由三A 推算出来的MLB equivalent 还算可靠 : 二A 马马虎虎 : 一A 或以下则仅供参考 : 我是有点好奇这三组情形如果用上面方法算出相关系数, 不知道大概分别会是多少 -- My Baseball Blog http://www.wretch.cc/blog/andrenomo --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 218.35.24.198