Martínez, J.A. y Martínez,
L.
(2013).
Tipología de partidos y factores de rendimiento en baloncesto / Typology of games and performance
factors in basketball.
Revista Internacional de Medicina y Ciencias de la Actividad Física y el
Deporte vol. 13 (49) pp.131-148. Http://cdeporte.rediris.es/revista/revista49/artperfiles338.htm
ORIGINAL
TIPOLOGÍA DE PARTIDOS Y FACTORES DE RENDIMIENTO EN
BALONCESTO
TYPOLOGY OF GAMES AND PERFORMANCE FACTORS IN
BASKETBALL
Martínez, J.A.1 y Martínez,
L.2
1Profesor Contratado Doctor. Departamento de Economía de la
Empresa. Universidad Politécnica de Cartagena. España. http://www.upct.es/~beside/jose, josean.martinez@upct.es
2Profesora Contratada Doctora. Departamento de Economía de
la Empresa. Universidad Politécnica de Cartagena. España. http://www.upct.es/~beside/laura, laura.martinez@upct.es
Código UNESCO / UNESCO Code: 5899
Educación Física y Deporte / Physical Education and Sport
Clasificación Consejo de Europa / Europe Council classification: 17 Otras (Análisis cuantitativo del deporte) / OTHER (Quantitative analysis of sport)
Recibido 25 de enero
de 2011 Received
January 25, 2011
Aceptado 15 de junio
de 2011 Accepted
June 15, 2011
RESUMEN
Esta
investigación analiza la tipología de partidos de baloncesto
utilizando una aproximación probabilística para la
solución cluster, e incorporando factores de rendimiento, así como
variables exógenas que influyen en la probabilidad de victoria, y por
ende, en la diferencia final en el marcador. Tras analizar datos de partidos de
la NBA, implementar varios procesos de filtrado, y realizar dos replicaciones
añadidas, los resultados muestran que existen cinco tipologías de
partidos diferentes, tomando como referencia principal la diferencia en el
marcador. Así, las variables más importantes para discriminar
entre los diferentes clusters son el margen de puntos, la eficiencia en el lanzamiento
y la diferencia de potencial entre los contendientes. Consideraciones sobre el
factor cancha, los factores de rendimiento, los métodos de
análisis y la endogeneidad de las variables son discutidas.
PALABRAS CLAVES: Baloncesto,
rendimiento, análisis cluster, tipología de partidos.
ABSTRACT
This research uses a probabilistic clustering
technique to establish a typology of basketball games, considering several
performance factors and exogenous variables influencing the probability of
winning a game. After analysing NBA data, implementing several filtering
processes, and achieving two successive replications, results show that there
are five different types of games. The most important variables to discriminate
among clusters are the margin of points, the effective field goal percentage
and the winning percentage difference between teams. Considerations regarding
the home/field advantage, the performance factors, the method to analyse data,
and the endogeneity of variables are discussed.
KEYWORDS:
Basketball, performance, cluster analysis,
game profiles.
1. INTRODUCCIÓN
Una de
las líneas de trabajo desarrolladas en los últimos años en
el análisis del rendimiento de equipos de baloncesto es la
identificación de tipologías de partidos (ver Gómez, Lorenzo
y Sampaio, 2009). Así, se suele distinguir los partidos en
función de su equilibrio en el marcador (normalmente en tres o cuatro
niveles de equilibrio), y se analizan los factores asociados a la victoria en
cada uno de esos grupos de partidos. La importancia de este análisis
radica en el hecho de que esas variables relacionadas con la victoria son
distintas en función del tipo de partido, por lo que las conclusiones
sobre los elementos relacionados con el éxito difieren para cada
cluster. Esos clusters representan las diferentes tipologías de
partidos, donde cada cluster tiene unas características
homogéneas que, a su vez, lo distingue de los demás.
Gómez,
Lorenzo y Sampaio (2009) revisan numerosas investigaciones que han tratado este
tema, en un recorrido por diferentes competiciones, y cuyos resultados, en la
mayoría de los casos, son fruto de análisis estadístico de
segmentación (K-means), o de
una simple división en base a criterios subjetivos. Sin embargo, y a
pesar de esa meritoria revisión, los resultados descritos muestran
carencias conceptuales y metodológicas que podrían minimizarse
(al menos en gran parte) con la adopción de una perspectiva de
investigación diferente. Así, se necesitan discutir cuatro elementos
fundamentales que no son tratados con suficiencia en las investigaciones
revisadas, ni tampoco en los estudios empíricos de estos autores: (1) el
papel de la ventaja campo; (2) la existencia de los “4 factores” de
rendimiento; (3) la elección del método de segmentación;
(4) la posible endogeneidad de las variables utilizadas.
En
cuanto al factor campo, y circunscrito a la NBA, Winston (2009) muestra
cómo existe un diferencial de 3.2 puntos favorable al equipo de casa.
Esto indica que no se deben establecer tipologías de partidos sin considerar
ese margen. O dicho de otro modo, no es lo mismo derivar conclusiones de un
partido cuya diferencia final en el marcador es, por ejemplo, de 8 puntos si
ese partido lo ha ganado el equipo local o el visitante. Así, si ha
ganado el equipo visitante, éste ha tenido que superar no sólo al
equipo rival, sino al margen asociado al factor campo. Por tanto, los partidos
no debieran dividirse de la forma “partidos cuya diferencia es de
Otro
elemento esencial está relacionado con una de las aportaciones
más relevantes realizadas por Oliver (2004) al ámbito del
análisis del baloncesto, y es la identificación de cuatro
factores de desempeño que explican de forma casi perfecta los resultados
de los partidos. Esos cuatro factores se calculan para cada equipo, y se
refieren a la efectividad en el lanzamiento, los balones perdidos por
posesión, el porcentaje de rebotes ofensivos sobre los lanzamientos
fallados, y los tiros libres convertidos sobre los lanzamientos de campo
intentados. Esas cuatro variables, que pueden derivarse fácilmente del box-score de cada partido, explican
más del 90% de la variación en el número de victorias de
los equipos (Winston, 2009). Por tanto, ya existe una muy certera
identificación de factores asociados a la victoria de los equipos, que
cuenta con la ventaja añadida de su baja correlación, lo que los
hace muy atractivos para su interpretación estadística. De este
modo, no se tienen los inconvenientes de la multicolinealidad que surge de
analizar las estadísticas básicas del box-score, tal y como, por ejemplo, Gómez, Lorenzo y Sampaio
(2009) realizan. Hay que tener en cuenta que en la NBA, la correlación
entre lanzamientos intentados y fallados es alrededor de 0,5, lo que significa
que son variables altamente asociadas, y que su inclusión conjunta en
modelos lineales, como la regresión o el análisis discriminante, puede
ocasionar problemas derivados de la multicolinealidad.
En
relación al método de segmentación utilizado, se tiende a
implementar un análisis de conglomerados denominado K-means. Aunque este análisis puede proporcionar resultados
válidos, no es menos cierto que ha sido criticado por la arbitrariedad
en la determinación del número de clusters, al margen de por
otras limitaciones en su aplicación. Así, Magidson y Vermunt
(2002) recomiendan el uso de una extensión probabilística de este
método, denominado análisis de clases latentes, y que cubre
muchas de las limitaciones del algoritmo K-means,
siendo la principal ventaja la determinación estadística del
número de clusters, además de la posibilidad de inclusión
de variables medidas en diferentes tipos de escala, o la consideración
de variables exógenas como covariables en la misma estimación.
Como muestran Vermunt y Magidson (2005), este análisis puede ser
implementado a través de un software comercial y de fácil manejo,
como Latent Gold. Aunque existen multitud de métodos de segmentación,
ciertamente no hay ningún procedimiento perfecto. Como indican Xu y
Wunsch II (2009) siempre hay ciertas dosis de subjetividad en el proceso de
agrupación, independientemente del método utilizado. No obstante,
y reconociendo la naturaleza exploratoria de ese proceso inductivo, las
técnicas mencionadas pueden proporcionar unos resultados más
consistentes desde el punto de vista metodológico.
Finalmente,
no existe discusión alguna sobre la posible endogeneidad de las
variables utilizadas en el análisis. Recordemos que una variable es
endógena cuando, al funcionar como predictor en el ámbito del
modelo lineal general de probabilidad, el término de error del modelo
está correlacionado con esa variable, por lo que se rompen los supuestos
básicos de ciertas estimaciones, como las de la clásica
estimación por mínimos cuadrados de la regresión lineal
(ver Wooldridge, 2003). Esto ocurre, por ejemplo, cuando existen relaciones
recíprocas entre las variables, fruto en ocasiones de la ocurrencia de
un proceso dinámico (Kline, 2010). Este hecho ha sido tratado
recientemente por Arkes (2011), en el análisis de la importancia de las
estadísticas de juego sobre la victoria de los equipos en la Liga
Americana de Football. Arkes (2011) admite que las estadísticas de juego
son parcialmente influenciadas por el propio resultado del partido en cada
momento, por lo que tienen un carácter endógeno. Así, no
son factores exógenos manipulables o de intervención, sino que
parcialmente son fruto de la propia dinámica del juego y resultados.
Arkes (2011) adopta una perspectiva conservadora al respecto, considerando
sólo las estadísticas de la primera parte de los partidos.
Si las
variables derivadas del box-score son
endógenas, entonces la interpretación sobre la influencia de esas
variables en el resultado final está sesgada. Por tanto, quedaría
algo desvirtuada cualquier inferencia causal. Bien es cierto que tanto
Gómez, Lorenzo y Sampaio (2009), como Winston (2009), o incluso Berri
(2008) cuidan mucho el lenguaje y hablan de “asociación”
más que de “determinación” o
“influencia”, lo que es en verdad prudente. Sólo Arkes
(2011) habla firmemente de exogeneidad en el uso de las variables de la primera
parte de los partidos para “causar” el éxito en el resultado
final. Aunque el razonamiento de Arkes (2011) puede ser criticado por su propia
circularidad (un partido es un sistema dinámico desde que comienza, y no
sólo desde la mitad del mismo), su propuesta se acerca más a lo
que debiera ser un modelo que proporcione información sobre efectos
causales.
Una
posible solución sería la utilización de variables
instrumentales y el test de Hausman (ver Wooldridge, 2003). Sin embargo,
encontrar al menos 4 variables instrumentales adecuadas para el modelo de los 4
factores resulta complejo. Aunque las variables utilizadas por Martínez
(2011a) en su modelo son completamente exógenas (se refieren al
día de descanso entre partidos, rachas de equipos, diferencia de
potencial y calidad del partido), los efectos de algunas de ellas son
mínimos, por lo que su correlación con las variables
endógenas podría no existir y, de este modo, no ser
válidas como instrumento de estimación. Además, aunque las
variables del modelo de Martínez (2011a) son exógenas y explican
con un adecuado nivel de acierto la probabilidad de victoria, no son variables
susceptibles de ser manipuladas, algo inherente a la utilidad de los modelos
causales (ver Pearl, 2000). Por tanto, explican y predicen la victoria, pero
los equipos poco pueden hacer para influir en ellas.
En
cualquier caso, la existencia de esa endogeneidad, aunque teóricamente
poco cuestionable, no debiera producir efectos prácticos importantes.
Aunque esto es sólo una conjetura (difícil de contrastar por el
problema de los instrumentos comentado anteriormente), creemos que tiene una
base sólida. Sin embargo, consideramos prudente no tomar como variables
independientes o covariables aquellas que puedan ser susceptibles de ser
endógenas, como los factores de rendimiento de cada partido, pero
sí aquellos factores que caracterizan cada partido antes de que
éste suceda, como los analizados por Martínez (2011a). Por otro
lado, la utilización de un procedimiento robusto de recorte de los datos
para eliminar valores extremos (ver Wilcox, 2010) sería altamente
recomendable, ya que así se eliminarían los partidos con
diferencias extremas en el resultado, los cuales son, precisamente, las
partidos donde el fenómeno de endogeneidad es posible que aparezca con
más fuerza.
Este
trabajo contribuye de forma novedosa a la investigación sobre
detección de perfiles de partidos y factores de rendimiento desde la
óptica explicada anteriormente, y analiza empíricamente un
volumen de datos mayor que las investigaciones revisadas en Gómez,
Lorenzo y Sampaio (2009), incluyendo además dos replicaciones sucesivas,
lo que confiere gran robustez. Por tanto, el objetivo es establecer una
tipología de partidos de baloncesto en función de las variables
de rendimiento (4 factores) y de las variables exógenas que influyen en
el resultado final. Para ello, aplicaremos un tratamiento estadístico
conservador, realizando un análisis de segmentación de clases
latentes tomando como indicadores el margen de puntos y los cuatro factores de
Oliver (2004), y como covariables las variables exógenas propuestas por
Martínez (2011a). Además, consideraremos las diferencias
parciales en el marcado en los cuartos de los partidos, lo que ayudará a
caracterizad los clusters. Tras la eliminación de valores extremos de
los datos, realizaremos un análisis de la temporada 2006/07 en la NBA,
implementando una doble replicación de los resultados para las dos
temporadas subsiguientes.
2.
MÉTODOLOGÍA
Se
utilizó una base de datos compactada de las temporadas 2006/07, 2007/08 y 2008/09 (en su fase
regular), adquirida en www.nbastuffer.com,
con los resultados de todos los partidos y sus estadísticas
básicas. Por tanto, el archivo reflejaba un total de 3690 partidos (1230
por temporada).
A través de las
estadísticas del box-score
descritas en la base de datos, se calcularon los 4 factores y su
diferencial entre equipos. Se tomó como referencia el equipo que jugaba
en casa, por lo que todas las variables están relativizadas al equipo
titular de la cancha de juego. Así, el margen de puntos de cada partido
tiene un signo negativo si el equipo de casa resultó perdedor.
Además, se computaron la diferencia acumulada en el primer, segundo y
tercer cuarto de cada partido, con el fin de tener más
información que ayudara a perfilar los clusters.
Como
variables exógenas se consideraron las explicadas por Martínez
(2011a): diferencia entre días de descanso, diferencia entre el
número de victorias en los últimos 5 partidos (factor de rachas
de juego), diferencia entre el porcentaje de victorias en el momento del
partido, y el factor de calidad del partido. Esta última variable
necesita una mayor explicación, ya que su entendimiento es menos
intuitivo y evidente. Representa el valor absoluto de la diferencia entre el
porcentaje de victorias de los equipos transformado en función de un
parámetro exponencial 1/λ. En la NBA existe interacción
entre la ventaja campo y la calidad de los equipos. Los equipos con menor
potencial son relativamente más fuertes en casa que aquellos con mayor
potencial. Por tanto, el valor del parámetro 
hace referencia a la suma del potencial de ambos equipos
(mínimo cero y máximo dos). De este modo, para equipos con una
diferencia de potencial similar, el valor del factor de calidad del partido se
incrementa si los dos equipos tienen un porcentaje de victorias elevado en
comparación a si lo tienen bajo. Por ejemplo, esta variable es 0,63
cuando se enfrentan dos equipos con porcentaje de victorias 1 y 0,5,
respectivamente. Mientras que su valor es de 0,31 si
ambos equipos tienen porcentajes de 0,6 y 0,1 respectivamente. Es decir, ante
la misma diferencia de potencial, el factor de calidad del partido corrige por
el potencial de ambos equipos Es una variable acotada en un rango [0,1]
Una
vez identificadas las variables del análisis, se procedió a
realizar una depuración de los datos. En primer lugar, se siguieron las
recomendaciones de Wilcox (2010) para recortar un 5% de ambas colas de la
distribución de datos ordenados (obviamente se escogió el margen
de puntos como variable objetivo). Esto se implementó independientemente
para cada una de las temporadas. Así, la distribución está
libre de valores extremos que podrían distorsionar cualquier
análisis posterior, resultando la pérdida de información
poco relevante, ya que sólo se eliminaron 372 casos de los 3690 totales
(369 más 3 casos añadidos por la división decimal).
Después,
y siguiendo las recomendaciones de Martínez (2011b), se eliminaron los
primeros partidos de la temporada para cada equipo. Concretamente, sólo
se consideraron aquellos partidos en los que ambos equipos habían jugado
ya al menos 19 partidos anteriores. El motivo de ese recorte es incrementar la
fiabilidad de la variable referida a la diferencia entre el porcentaje de
victorias de ambos equipos en el momento del partido. En los primeros partidos
de la temporada, el porcentaje de victorias actual no es un buen estimador del
porcentaje de victorias final, ya que existe un error importante. A medida que
la temporada avanza, la aproximación se hace mejor, y a partir de los 10
primeros partidos el error va disminuyendo de manera más acuciante. Como
disponemos de un gran volumen de datos, hemos optado por realizar un recorte
mayor (19 primeros partidos), donde los niveles de error son ciertamente
más bajos. Otra opción hubiera sido el no hacer ningún
recorte de este tipo y tomar el porcentaje de victorias final como variable
Proxy de la calidad de los equipos, o incluso realizar 2 o 3 particiones de la
temporada y tomar esa variable para cada partición. Sin embargo, esa
información es una información que no se conoce a priori, es
decir, antes de cada partido, por lo que si se quiere realizar una predicción,
no sería adecuado utilizarlas. Por tanto, en nuestro caso, nos hemos
enfocado más en la predicción que la explicación, con el
fin de que los resultados obtenidos puedan ser utilizados para realizar
predicciones a partir de la situación de los equipos antes de cada
partido. Un proceso parecido de filtrado se ha utilizado en modelos predictivos
en la NBA, como el que se muestra en www.nbastuffer.com
Finalmente,
y tras estos procesos de depuración de datos, un total de 2526 partidos
fueron sometidos a un análisis de segmentación de clases latentes
(840, 845 y 841 por temporada), utilizando el programa Latent Gold (Vermunt y
Magidson, 2005).
3.
RESULTADOS
Se especificó un
análisis cluster en Latent Gold, en cuya terminología (ver Vermunt
y Magidson, 2005) los indicadores eran los 4 factores de rendimiento y el
margen de puntos, y las covariables la diferencia acumulada en los tres
primeros cuartos de cada partido y las variables “pre-partido”
comentadas anteriormente. Éstas últimas fueron etiquetadas como
covariables activas, dada su exogeneidad, y las primeras como inactivas, por su
dependencia con los indicadores.
Se
aplicó el análisis para cada una de las temporadas, obteniendo
una mejor solución estadística de 5 clusters para cada una de
ellas, atendiendo al criterio de menor BIC (Tabla 1). Sólo para la
temporada 2007/08 la solución de 6 clusters es similar, aunque en
realidad, el cambio en BIC es prácticamente irrelevante. Recordemos que
el BIC hace referencia al Criterio de Información Bayesiano calculado a
partir del logaritmo de verosimilitud, el tamaño de la muestra y los
grados de libertad (Vermunt y Magidson, 2005). Es un criterio de
elección de modelos donde prima el valor más bajo, y básicamente
se refiere a un índice de ajuste del modelo a los datos observados
teniendo en cuenta la complejidad del modelo (parsimonia) y el tamaño de
la muestra.
Tabla 1. Estadísticos
de los modelos
|
|
Temporada 2006/07 |
Temporada 2007/08 |
Temporada 2008/09 |
|
1-Cluster |
-773,3 |
-842,82 |
-1146,54 |
|
2-Cluster |
-1227,82 |
-1415,72 |
-1745,20 |
|
3-Cluster |
-1323,35 |
-1549,28 |
-1893,28 |
|
4-Cluster |
-1382,07 |
-1596,41 |
-1926,01 |
|
5-Cluster |
-1404,61 |
-1618,18 |
-1957,17 |
|
6-Cluster |
-1378,00 |
-1621,43 |
-1924,72 |
Una
muestra de la homogeneidad de la solución cluster encontrada para cada
temporada se refleja gráficamente en las Figuras 1 y 2, donde se
representan las medias de cada variable en los cinco clusters identificados.
Como puede apreciarse en la Figura 1, el tamaño de
los clusters es prácticamente idéntico en cada temporada,
así como las medias de los 4 factores, la diferencia en el porcentaje de
victorias y el factor de calidad de cada partido. Sólo la diferencia en
rachas y días de descanso es un poco divergente, pero hay que tener en
cuenta que el rango de esas variables es mucho menor (entre los 10 y los 12
valores). No obstante, esas divergencias no van más allá de unas
dos décimas.
La Figura 2 muestra un nivel de homogeneidad
también muy alto entre el promedio de margen de puntos, y las
diferencias acumuladas para cada cuarto (Q1, Q2 y Q3).
Figura
1. Homogeneidad
de la solución cluster para cada uno de los 5 tipos de partidos (I)
Figura
2. Homogeneidad
de la solución cluster para cada uno de los 5 tipos de partidos (II)
Aunque la homogeneidad en cuanto a
promedios parece evidente, sería también de interés
estudiarla respecto a distribuciones. Recordemos que dos variables pueden tener
una media similar pero ser totalmente opuestas en su distribución, lo
que iría en contra de la homogeneidad que queremos constatar.
Para
ello, realizamos todas las comparaciones posibles
Por
tanto, y dado que la uniformidad en los segmentos encontrados es alta, tenemos
un respaldo suficiente para pasar a interpretar los diferentes clusters.
Realizaremos los comentarios para la temporada 2006/07, ya que para las dos
replicaciones sucesivas la solución cluster ofrece resultados similares.
La caracterización de los diferentes clusters debe hacerse visionando
conjuntamente las Figuras 3, 4 y 5. No obstante, es preceptivo indicar, que
todas las variables son significativas para discriminar entre clusters salvo 3
de las 4 exógenas (diferencia en rachas, diferencia en descanso y
calidad del partido). De este modo, sólo la diferencia en porcentaje de
victorias tiene un efecto significativo en la solución cluster.
Además, desde el punto de vista de varianza explicada, tanto el margen
de puntos, como la eficiencia en el lanzamiento tendrían valores por
encima del 80 y el 70%, respectivamente, mientras que los balones perdidos
obtendrían alrededor de la tercera parte. Así, los últimos
2 factores (rebotes ofensivos sobre lanzamientos fallados y tiros libres sobre
tiros de campo) tendrían una contribución marginal a la varianza
(sobre el 7%). Por tanto, y a la hora de comentar los clusters, hay que tener
en cuenta de que las variables más relevantes son el margen de puntos,
la eficiencia en el lanzamiento y la diferencia de potencial entre equipos, y
en menor medida los balones perdidos por posesión.
Figura
3. Diferencia
en el marcador
Figura
4. Cuatro
factores de rendimiento
Figura
5. Variables
exógenas
Así, un primer tipo de partidos estaría definido
por grandes diferencias en el marcador para el equipo de casa (con un promedio
superior a los 15 puntos). En esos partidos, el equipo local dominaría
el marcador desde el primer cuarto, aumentando su ventaja considerablemente a
medida que el partido avanza. La diferencia en la eficiencia en el lanzamiento
del equipo local en relación al visitante sería bastante acusada
(alrededor de una décima), lo que sería indicativo de un nivel de
acierto relativo muy superior. Además, el equipo ganador pierde menos
balones por posesión y consigue un mayor porcentaje de rebotes ofensivos
sobre tiros fallados. Es decir, no sólo lanza ostensiblemente con
más acierto, sino que rebotea porcentualmente mejor los lanzamientos que
falla. En cuanto a las variables exógenas, en este tipo de partidos el
equipo local viene de una mejor racha de resultados que el visitante y dispone
de más días de descanso, además de que la diferencia en el
porcentaje de victorias es la más elevada de todas (por encima de 0,1
unidades en promedio).
Un segundo tipo de partidos tendría un
comportamiento opuesto al primero. Aquí los equipos visitantes
ganarían por una diferencia de unos 9 puntos en promedio, consiguiendo
también dominar todo el partido, aunque de manera menos clara que el
primer cluster. En cuanto a los cuatro factores, la eficiencia en el
lanzamiento y los balones perdidos se comportarían de manera
también opuesta al primer cluster, con la diferencia de que el
porcentaje de rebotes ofensivos sobre tiros fallados sería favorable al
equipo local. Este hecho, muy posiblemente hace que no se consiga un margen
final de puntos similar al del cluster 1, ya que aunque el equipo visitante
lanza mejor y pierde menos balones, no consigue relativamente tan buen
desempeño reboteador, lo que da otras opciones al equipo local para
lanzar. Serían partidos en los que el equipo local tendría un
potencial de unos 0,08 unidades en promedio peor que
el visitante.
El tercer tipo de partidos es similar al segundo tipo en
el sentido que el equipo visitante también consigue la victoria, aunque
por un margen menor. Son partidos mucho más igualados, que se decantan
al final por una diferencia más ajustada. Esa igualdad también
queda reflejada en los 4 factores de rendimiento, donde para los dos primeros
se cumple el mismo patrón anterior (el equipo que gana es más
eficiente en el lanzamiento y pierde menos balones). En este caso, la
diferencia de potencial es menor (del orden de 0.06 unidades en promedio). Es
decir, son partidos más igualados porque el potencial de los equipos es
más parejo y su rendimiento en el campo también.
Finalmente, comentaremos conjuntamente los clusters 4 y
5, ya que tienen algunas particularidades. Así, ambos tipos de partidos
se resuelven para el equipo local con una diferencia similar en el marcador
(sobre los 6 puntos de media), aunque en el cluster 5 el partido es en general
más igualado. Sin embargo, el comportamiento de los 4 factores de
rendimiento es mucho menos claro que en los clusters anteriores. Así, el
cluster 4 se caracteriza porque el equipo local lanza mucho mejor que el
visitante, aunque pierde relativamente más balones. Esa efectividad en
el lanzamiento hace que, aunque el equipo local tenga un potencial más
bajo (la diferencia en el porcentaje de victorias es negativa), pueda
finalmente ganar el partido. Sin embargo, los partidos del cluster 5 se
caracterizan porque el equipo local, que es el ganador, se desempeña
peor en los 2 factores principales (eficiencia en el lanzamiento y balones
perdidos) que el visitante, aunque es mejor en el rebote ofensivo y en los
tiros libres. Este último factor, los lanzamientos libres convertidos
sobre tiros de campo intentados es quizá lo que más diferencia a
los clusters 4 y 5 del resto, y que puede ser una de las claves para interpretar
su comportamiento. Así, hay que tener en cuenta que en las tres
temporadas de análisis los equipos locales que ganaron el partido fueron
castigados con casi 2 personales menos que los visitantes, mientras que para
los que perdieron el diferencial es de 0,65 a favor del equipo de casa. Esto
indica que en las victorias locales los árbitros pitan generalmente
más faltas personales al equipo visitante, lo que se traduce en una
mayor oportunidad de conseguir anotar desde el tiro libre para el equipo local,
a la postre ganador del partido.
4.
DISCUSIÓN
Esta
investigación ha adoptado una perspectiva novedosa para el
análisis de tipología de partidos de baloncesto, utilizando una
aproximación probabilística para la solución cluster, e incorporando
los 4 factores de rendimiento propuestos por Oliver (2004), así como
variables exógenas que influyen en la probabilidad de victoria, y por
ende, en la diferencia final en el marcador.
Tras
analizar un elevado volumen de datos, implementar varios procesos de filtrado,
y realizar dos replicaciones añadidas, los resultados muestran que
existen 5 tipologías de partidos diferentes, tomando como referencia
principal la diferencia en el marcador.
La
diferencia de potencial en el momento del partido entre los dos equipos es la
única variable exógena que discrimina de manera relevante entre
clusters. Así, para los clusters 1, 2 y 3, donde las diferencias en el
marcador son en promedio más elevadas, es donde se observan mayores
niveles de diferencia en esa variable. Por tanto, a la hora de realizar
predicciones sobre cuál será el margen de puntos final de un
partido, la diferencia de potencial entre los equipos es un factor a tener en
cuenta. A medida que la diferencia aumenta para el equipo local, será más
probable que los partidos acaben una diferencia mayor positiva, mientras que
ocurriría lo contrario si es el equipo visitante quien está mejor
posicionado en la tabla clasificatoria.
Los
partidos correspondientes a esos 3 clusters se caracterizan por un
patrón similar en la eficiencia en el lanzamiento y en los balones
perdidos. Así, a medida que el margen se incrementa, varían de
forma similar esos factores de rendimiento, que por otro lado, son los
más importantes. De este modo, tanto el porcentaje de rebotes ofensivos
sobre lanzamientos fallados, como el porcentaje de tiros libres sobre
lanzamientos intentados contribuyen de forma mucho menor a la
discriminación entre clusters. Sin embargo, este último factor
tiene más relevancia para explicar la diferencia entre los clusters 4 y
5 y los demás. Así, para los partidos más igualados que se
resuelven finalmente para el equipo local, las faltas personales se convierten
en un elemento importante, ya que los equipos locales tienen un diferencial
mayor en este factor con respecto a sus rivales (les pitan más faltas a
los equipos visitantes, por lo que los equipos locales van más a la
línea de personal).
Este
último hecho puede ser una de los efectos que la “ventaja
campo” confiere a los equipos, donde la presión ambiental
podría condicionar de alguna manera a los árbitros, o
simplemente, que el equipo local es más incisivo y provoca más
faltas a sus rivales. En cualquier caso, esto no es más que una muestra
de cómo el factor cancha influye en el resultado final de un partido, y
cómo hay que tenerlo en cuenta para cualquier análisis que
pretenda caracterizar partidos. Además, los equipos locales descansan
como media 0,6 unidades más que los visitantes,
por lo que cuentan con la ventaja teórica añadida de más
tiempo de recuperación entre partidos.
No
obstante, y como muy bien muestran Gómez, Lorenzo y Sampaio (2009),
existen otras competiciones que se juegan en terreno neutral, como los
diferentes campeonatos de selecciones, donde sería interesante que
futuros estudios profundizaran en la caracterización de partidos.
Así, no existiría ventaja campo (sólo para el equipo
anfitrión), aunque tal vez habría que moderar por factores
relativos al apoyo del público.
Por
tanto, a la hora de realizar predicciones, sobre todo si se es apostante,
sería mucho más seguro considerar sólo aquellos partidos
en los que la diferencia de potencial a priori entre los equipos fuera
más grande. Aunque esto pueda parecer una obviedad, empíricamente
hemos mostrado que cuando el diferencial es mayor en promedio de 0,06 para el
equipo visitante, la probabilidad de que este gane el partido por más de
5 puntos es alta, mientras que si esa diferencia está en torno a 0,1
para el equipo local, lo más probable que es que consiga ganar el
partido de forma muy amplia. Sin embargo, cuando la diferencia de potencial es
menos clara entre los equipos, sería mucho más arriesgado
predecir el margen final de puntos, ya que como muestran los clusters 4 y 5, el
partido puede resolverse para el equipo de casa por un margen similar en
promedio, independientemente de que la diferencia de potencial sea negativa o
positiva para el equipo local.
Recalcamos
que el procedimiento implementado para la detección de clusters no
proporciona una solución incontestable, ya que está sujeto a
diferentes discusiones, como cuál es el mejor índice para
utilizar en la determinación de clusters (ver Andrews y Currim, 2003),
entre los numerosos disponibles: BIC, AIC, AIC3, etc. Ya se comentó al inicio
que ningún procedimiento de agregación de casos es completamente
objetivo. Sin embargo, no cabe duda de las numerosas investigaciones (ej.
Bacher, Wenzig y Vogler, 2004; Magidson y Vermunt, 2002; Vermunt y Magidson,
2005) que apoyan la superioridad de
los modelos de clases latentes sobre el algoritmo K-means para determinar el
número óptimo de clusters, por lo que creemos que su
utilización es un valor añadido de esta investigación.
Además, la doble replicación otorga mayor confiabilidad a los
resultados.
Está
claro que, tal y como apuntaba Winston (2009), la eficiencia en el lanzamiento
es el factor de rendimiento más asociado a la victoria. Por tanto, en
general, los equipos que sean más eficientes tendrán una mayor
probabilidad de victoria a priori en un partido. Pero como también comentamos
al principio, los factores de rendimiento no son completamente exógenos,
y aunque los equipos deben trabajar para ser más eficaces en el tiro,
perder menos balones e ir al rebote ofensivo, éstas no son variables que
un equipo pueda modificar fácilmente antes de un partido (es decir, de
un partido a otro), ya que son un reflejo de su potencial general, aunque se
pueden trabajar tácticamente durante toda la temporada. Esto nos lleva a
la discusión sobre la idoneidad de buscar variables exógenas manipulables
en baloncesto, que los técnicos puedan utilizar para incrementar la
probabilidad de victoria en partidos concretos. Las variables exógenas
utilizadas en esta investigación desafortunadamente no son manipulables.
Por ello, futuras investigaciones deberían ahondar en este atractivo
campo de estudio, que proporcionaría novedosas aportaciones a la
investigación en este deporte. Desde aquí, planteamos diversas
posibilidades, como la hora en la que se ponen los partidos (parcialmente
controlada por los equipos y la liga), las rutinas de concentración
antes de los partidos, el tipo de entrenamiento y el tipo de trabajo
psicológico realizado por el equipo antes de cada partido, etc. Es obvio
que estas variables son mucho más complejas de medir, pero son las que
reúnen las características más deseables desde el punto de
vista de la intervención, que como hemos apuntado, es la clave para
poder realizar inferencias causales de manera plena.
REFERENCIAS
BIBLIOGRÁFICAS
Andrews,
R. L., y Currim, I. S. (2003). A Comparison
of segment retention criteria for finite mixture logit models. Journal of Marketing Research, 40,
235-243.
Arkes, J. (2011). Is controlling the rushing or
passing game the key to NFL victories? The Sports Journal, 14.
Bacher J, Wenzig K,, y Vogler
M. (2004). SPSS TwoStep Cluster – First Evaluation. Arbeits- und
Diskussionspapiere 2004-2, 2.korr. Aufl .
Erlangen-Nürnberg: Friedrich-Alexander Universität.
Berri, D. J. (2008). A simple measure of worker productivity in the National Basketball
Association. in The Business of Sport, eds. Brad Humphreys and Dennis Howard,
editors, 3 volumes,
Gómez, M. A., Lorenzo, A. y Sampaio, J. (2009).
Análisis del
rendimiento en baloncesto. ¿Es posible predecir los resultados? Sevilla: Wancelulen
Kline, R. B. (2010). Principles and practice of structural equation modeling ( 3rd ed.).
Magidson,
J. y Vermunt. J. K. (2002). Latent Class Models for Clustering: a Comparison
with K-means. Canadian Journal of Marketing Research, 20, 36-43.
Martínez,
J. A. (2012). Entrenador nuevo, ¿victoria segura? Evidencia en
baloncesto / Chaning a coach, guarantee
the win? Revista Internacional de Medicina y Ciencias de la Actividad
Física y el Deporte, 12 (48), 663-679
Martínez,
J.A. (2011b). El uso del porcentaje de victorias en modelos predictivos en la
NBA. Revista Internacional de Derecho y
Gestión del Deporte, 13.
Pearl, J. (2000). Causality, models and inference.
Vermunt,
J., y Magidson, J. (2005). Latent GOLD 4.0 User's Guide. Belmont:
Massachusetts, Statistical Innovations Inc.
Wilcox, R. R. (2010). Fundamentals of modern statistical methods.
Second Edition.
Winston, W. L. (2009). Mathletics.
Wooldridge,
J. M. (2003). Introducción a la
econometría: Un enfoque moderno. Thomson, Segunda Edición
Xu, R.
y Wunsch II, D. C (2009). Clustering. New Jersey: Wiley.
Referencias
totales / Total references: 15 (100%)
Referencias
propias de la revista / Journal's own
references:
1 (6,66%)
Rev.int.med.cienc.act.fís.deporte- vol. 13
- número 49 - ISSN: 1577-0354