レセプションと採点の関係
前回の分析では、ブロックと採点の関係を分析しました。
スパイク→サーブ→ブロックと来て今回は、レセプションと採点の関係になります。
セリエAのレセプションのスタッツには、以下の4つがあります。
・Reception_N（受数）
・Reception_Err（Error：ミス）
・Reception_Pos%（Positive%：ポジティブ%）
・Reception_Prf%（Perfect：完璧%）
今回は、ここにあるPrf%とPos％にエラー率(Error/受数)を加え、採点との関係を分析してみたいと思います。
Perfect%と採点の関係
最初にPerfect%(Prf%)と採点の関係を見ていきますが、その前に、Perfect%(Prf%)の分布を以下の表1-1に示します。
データは男子1部(A1)の2010/11シーズンから2018/19シーズンのレギュラーラウンドの試合結果を集計したものです。Nが人数を、%が内訳を、累積%は内訳を累積したものです。
左側が採点のついた選手の分布で、右側が採点のつかなかった選手を含む全選手の分布です。ある程度良い成績を残すことが採点のつく条件であれば、採点のついた選手と全体とで内訳が異なってきますが、データを見るに全体と採点のついた選手の内訳には大きな差が無いことが確認できました。
このデータを基準にPerfect%(Prf%)と採点の関係を見ていきます。以下の図にデータを示します。
横の軸に受数を、縦の軸にPerfect%(Prf%)を取っています。採点の高さはプロットの色で表しています。
図を見るに、Perfect%(Prf%)の高い上のほうに黄色いプロット（採点6.0-6.5：良い採点）が目立つでしょうか。
散布図ではプロットが被ってしまうと、全体的な傾向が見えにくくなるために、採点ごとにプロットした図を以下に示します。
左から2つの採点の低いプロットは、ほとんどレセプションをしていないことがわかります。左から3から5番目、緑から赤までのプロットでは、Perfect%(Prf%)が50%を超えるプロットが、緑→黄→赤と採点が高くなるほど多くなります。
続いて、男子2部(A2)のPerfect%(Prf%)の分布を以下の表1-2に示します。
男子1部(A1)と比較すると、30%以下の累積%が低く、若干Perfect%(Prf%)が高いといえます。これはカテゴリ間でのサーブの強さの差を反映したものかと考えられます。
Perfect%(Prf%)と採点の関係を以下に示します。
全体的な傾向としては、男子1部(A1)と同じといえます。
続いて、女子1部(A1)を見ていきます。Perfect%(Prf%)の分布を以下の表1-3に示します。
女子のデータは、2010/11シーズンから2016/17シーズンのレギュラーラウンドの試合結果になります。
内訳を見ると、男子より全体的に高めのPerfect%(Prf%)となっています。
Perfect%(Prf%)と採点の関係を以下に示します。
男子のデータより、プロットのグラデーションを見ることができ、上の方が採点の高いプロットが多く、下に行くにしたがい採点の低いプロットが目立ちます。
採点ごとにプロットした図を以下に示します。
左から3から5番目、緑から赤までのプロットのプロットで、赤(採点6.5-7.0)ではPerfect%(Prf%)が高い選手が多いです。
女子2部(A2)を見ます。Perfect%(Prf%)の分布を以下の表1-4に示します。
Perfect%(Prf%)と採点の関係を以下に示します。
これは、女子1部(A1)と同様の傾向といえます。
Positive%と採点の関係
次に、Positive%と採点の関係を見ていきます。Positive%は少し変わったデータで、正確にはPositive%(Perfect%を含む)という値になります。Perfect%が25%でPositive%( Perfect%を含まない)が25%の場合、Positive%は50%となります。
なんだか気持ちが悪いので、Positive%( Perfect%を含まない)に計算しなおそうかとも考えましたが、主題から離れるので今回はそのまま分析します。
まずは、男子1部(A1)のPositive%の分布を以下の表2-1に示します。
Perfect%と比べると、高い値の選手が多くなります。
それでは、Positive%と採点の関係を以下に示します。
Perfect%で見たものと同様の傾向といって良いでしょう。
続いて、男子2部(A2)のPositive%の分布を以下の表2-2に示します。
男子1部(A1)と比較すると全体的に高くなるのはPerfect%と同じです。
Positive%と採点の関係を以下に示します。
これまでと同様の傾向です。
続いて、女子1部(A1)の分布を以下の表2-3、Positive%と採点の関係を以下の図に示します。
女子の分布が全体的に高くなるのはPerfect%でも見た傾向です。採点との関係は、これまでに見たものと同様の傾向といって良いでしょう。
最後に、女子2部(A2)の分布を以下の表2-4、Positive%と採点の関係を以下の図に示します。
これまで見た傾向と大きな違いはありません。
Error%と採点の関係
最後に、Error%と採点の関係を見ていきます。男子1部(A1)の分布を以下の表3-1に示します。
これまでの分布と比較すると、それほど高い値の選手はいません。ただし、95％~100%のところにそれなりの数の選手がいるのは、レセプションの受数が少ない選手の結果を反映していると考えられます。
Error%と採点の関係を以下の図に示します。
これまでとは逆に、Error%は低いほうが良い成績といえます。図を見ると、下の方に緑のプロット(採点5.5-6.0)が多いかなという印象です。
採点ごとのプロットを以下の図に示します。
採点の高いプロット程、Error%の低いプロットが多いです。
次に、男子2部(A2)の分布を以下の表3-2、Error%と採点の関係を以下の図に示します。
概ね男子1部(A1)と同じ傾向です。
続いて、女子1部(A1)の分布を以下の表3-3、Error%と採点の関係を以下の図に示します。
男子と比べると、女子のError%が低いという分布を確認できます。プロットについては、男子と大きな違いはありません。
最後に、女子2部(A2)の分布を以下の表3-2、Error%と採点の関係を以下の図に示します。
こちらは、女子1部(A1)と同様の傾向といえます。
まとめ
データが多くなってしまいましたが、レセプション関係のデータと採点の関係を確認することができました。大きな発見と呼べるものは無いですが、また1つ知見を積み上げたと捉えます。後々確認して役に立つことがあれば上々です。
次回は、選手が獲得した得失点の集計があるので、これと採点の関係を分析したいと思います。
おわりに
今回の分析で使用したデータは以下のGithubにアップしています。ご自分で分析してみたい方はデータをダウンロードして利用してください。
使用したのはこの中の以下のファイルになります。
・legavolley_personal_gamelog.csv
・legavolley_gamelog.csv
・Legavolley_femminile_personal_gamelog.csv
・Legavolley_femminile_gamelog.csv
・Legavolley_playerlist.csv
・Legavolley_femminile_playerlist.csv
タイトル画像：いらすとや
データ元
この記事が気に入ったらサポートをしてみませんか？