Simultaneous Estimation of Ballpark Effects and Team Defense Using Total Bases Residuals

यहाँ शोध पत्र "Simultaneous Estimation of Ballpark Effects and Team Defense Using Total Bases Residuals" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

बेसबॉल विश्लेषण में, आक्रामक प्रदर्शन और रक्षात्मक क्षमता का सटीक मूल्यांकन इस तथ्य से जटिल हो जाता है कि प्रहार किए गए गेंदों के परिणाम कई परस्पर क्रिया करने वाले कारकों से प्रभावित होते हैं:

• संपर्क की गुणवत्ता (Contact Quality): हिट के भौतिक गुण (एग्जिट वेलोसिटी और लॉन्च एंगल)।
• बॉलपार्क वातावरण (Ballpark Environment): स्टेडियम विशिष्ट आयाम, ऊंचाई और वायुमंडलीय स्थितियाँ।
• टीम डिफेंस (Team Defense): फील्डिंग करने वाली टीम की प्रहार की गई गेंदों को आउट में बदलने की क्षमता।
• यादृच्छिक भिन्नता (Random Variation): अप्रत्याशित तत्व।

मौजूदा विधियों के सामने महत्वपूर्ण सीमाएँ हैं:

• पार्क प्रभाव (Park Effects): पारंपरिक "होम/रोड" अनुपात गणितीय निर्भरताओं और संतुलित शेड्यूलों की धारणाओं के कारण "स्फीलेशनरी बायस" (inflationary bias) से ग्रस्त होते हैं। वे अक्सर पार्क प्रभावों को होम टीम की विशिष्ट रक्षात्मक गुणवत्ता से अलग करने में विफल रहते हैं।
• डिफेंस मेट्रिक्स (Defense Metrics): आधुनिक मेट्रिक्स जैसे कि डिफेंसिव रन्स सेव्ड (DRS), अल्टीमेट ज़ोन रेटिंग (UZR), और आउट्स अबोव एवरेज (OAA) ट्रैकिंग डेटा या विशिष्ट मॉडलिंग फ्रेमवर्क पर निर्भर करते हैं। उन्हें अक्सर पार्क प्रभाव अनुमान से स्वतंत्र रूप से विकसित किया जाता है, जिससे स्टेडियम के शुद्ध पर्यावरणीय प्रभाव को वहां खेलने वाली टीम के रक्षात्मक प्रदर्शन से अलग करना कठिन हो जाता है।

मुख्य चुनौती कन्फाउंडिंग (Confounding) है: इन घटकों को अलग किए बिना, परिणामों में देखे गए अंतरों को या तो बॉलपार्क या डिफेंस को स्पष्ट रूप से नहीं सौंपा जा सकता है।

2. कार्यप्रणाली (Methodology)

लेखक बॉलपार्क प्रभावों और टीम डिफेंस का एक साथ अनुमान लगाने के लिए टोटल बेसेस रेसिडुअल्स (TBR) पर आधारित एक एकीकृत प्रतिगमन (regression) ढांचे का प्रस्ताव करते हैं।

A. परिणाम अवशेषों का निर्माण (Construction of Outcome Residuals - TBR)

बाइनरी परिणामों (आउट बनाम हिट) या सरल हिट फ्रीक्वेंसी के बजाय, लेखक टोटल बेसेस (TB) का उपयोग परिणाम मीट्रिक के रूप में करते हैं, क्योंकि यह रन उत्पादन के साथ अधिक मजबूती से सह-संबंधित है।

1. संपर्क की गुणवत्ता को नियंत्रित करना: Statcast डेटा (2015-2024) का उपयोग करते हुए, लेखक एग्जिट वेलोसिटी (EV) और लॉन्च एंगल (LA) के स्थान को एक सूक्ष्म ग्रिड (3 mph $\times$ 3 डिग्री) में विभाजित करते हैं।
2. अपेक्षित आधार रेखा (Expected Baseline): प्रत्येक ग्रिड सेल $g$ के लिए, वे पूरे लीग में उस EV/LA रेंज में गिरने वाले सभी प्रहार किए गए बॉल्स के लिए अनुभवजन्य माध्य $\mu_g$ की गणना करते हैं।
3. रेसिडुअल की परिभाषा: किसी व्यक्तिगत प्रहार $i$ के लिए, टोटल बेसेस रेसिडुअल ($R_i$) को इस प्रकार परिभाषित किया गया है:
   $$R_i = TB_i - \mu_{g(i)}$$
   जहाँ $g(i)$ वह ग्रिड सेल है जिसमें बॉल मौजूद है।
   • $R_i > 0$: गेंद ने अपनी संपर्क गुणवत्ता के आधार पर अपेक्षित बेस से अधिक बेस प्राप्त किए।
   • $R_i < 0$: गेंद ने अपनी संपर्क गुणवत्ता के आधार पर अपेक्षित बेस से कम बेस प्राप्त किए।
     यह रेसिडुअल संपर्क की गुणवत्ता के प्राथमिक प्रभाव को हटाकर, बॉलपार्क वातावरण और रक्षात्मक टीम के संयुक्त प्रभाव को अलग करता है।

B. समवर्ती अनुमान मॉडल (Simultaneous Estimation Model)

लेखक अवशेषों को एक योगात्मक संरचना (additive structure) के साथ वेटेड लीस्ट स्क्वायर्स रिग्रेशन का उपयोग करके मॉडल करते हैं:
$$R_i = \beta_0 + \beta_{park}^{p(i)} - \beta_{def}^{d(i)} + \varepsilon_i$$

• $\beta_{park}^{p}$: बॉलपार्क $p$ का पर्यावरणीय प्रभाव।
• $\beta_{def}^{d}$: टीम $d$ का रक्षात्मक प्रभाव (इसे घटाया जाता है क्योंकि बेहतर डिफेंस कुल बेस को कम करता है)।
• एकत्रीकरण (Aggregation): दक्षता में सुधार के लिए, अवलोकनों को $(Park, Defensive Team)$जोड़े द्वारा एकत्रित किया जाता है, जिससे नमूना आकार$\sim 10^5$प्रहार किए गए बॉल्स से घटकर प्रति सीजन$\le 900$ सेल्स रह जाता है।
• पहचान क्षमता (Identifiability): एक पार्क और एक टीम (अटलांटा ब्रेव्स/ट्रुइस्ट पार्क) को संदर्भ श्रेणियों (शून्य प्रभाव) के रूप में सेट किया गया है।

C. मानकीकरण और इंडेक्सिंग (Standardization and Indexing)

सीज़न और मेट्रिक्स के बीच तुलना को सुगम बनाने के लिए:

1. सेंटरिंग (Centering): अनुमानों को पुन: केंद्रित किया जाता है ताकि लीग औसत शून्य हो।
2. Z-स्कोर ट्रांसफॉर्मेशन: प्रभावों को उस सीजन के अनुमानों के वितरण के आधार पर z-स्कोर में बदला जाता है।
3. मानकीकृत सूचकांक (Standardized Index): एक 100-आधारित इंडेक्स बनाया जाता है: $Index = 100 + 20 \times z$।
   • 100 = लीग औसत।
   • 120 = औसत से 1 मानक विचलन ऊपर।
     यह परिमाण (जैसे, एक पार्क या डिफेंस कितना "चरम" है) की तुलना करने के लिए सहज तुलना की अनुमति देता है।

3. मुख्य योगदान (Key Contributions)

1. एकीकृत ढांचा: संपर्क की गुणवत्ता (EV/LA) को रेसिडुअल्स के माध्यम से स्पष्ट रूप से नियंत्रित करते हुए, बॉलपार्क प्रभावों और टीम डिफेंस का एक ही प्रतिगमन के भीतर एक साथ अनुमान लगाने वाला पहला मॉडल।
2. कन्फाउंडिंग कारकों को अलग करना: TBR रेसिडुअल्स का उपयोग करके, यह विधि संपर्क की गुणवत्ता से पर्यावरणीय और रक्षात्मक प्रभावों को अलग करती है, जो पारंपरिक होम/रोड अनुपातों में पाए जाने वाले "इन्फ्लेशनरी बायस" को संबोधित करती है।
3. मानकीकृत मीट्रिक: एक z-स्कोर-आधारित इंडेक्स का परिचय जो पारंपरिक अनुपात-आधारित मेट्रिक्स (जैसे पार्क फैक्टर्स या डेफ) की तुलना में प्रभाव के परिमाण (मानक विचलन की इकाइयों में) की स्पष्ट व्याख्या प्रदान करता है।
4. अनुभवजन्य सत्यापन: यह अध्ययन अनुमानों को मान्य करने के लिए होम/अवे TBR पैटर्न का उपयोग करके आधिकारिक MLB मेट्रिक्स (पार्क फैक्टर्स, Def, OAA) के साथ एक कठोर तुलना प्रदान करता है।

4. मुख्य परिणाम (Key Results)

A. बॉलपार्क प्रभाव (Ballpark Effects)

• स्थिरता (Stability): अनुमानित पार्क प्रभाव उच्च अस्थायी स्थिरता दिखाते हैं (10 वर्षों में आधिकारिक MLB मेट्रिक्स की तुलना में कम मानक विचलन), जो स्टेडियमों की भौतिक प्रकृति के अनुरूप है।
• विसंगतियां (Discrepancies): मॉडल विशिष्ट मामलों में आधिकारिक MLB पार्क फैक्टर्स से महत्वपूर्ण अंतर की पहचान करता है (जैसे, 2017 में कॉमेरिका पार्क, 2015 में मिनट मेड पार्क)।
  • उदाहरण: मिनट मेड पार्क (HOU, 2015) के लिए, आधिकारिक मीट्रिक ने एक न्यूट्रल/पिचर-फ्रेंडली पार्क (92) का सुझाव दिया, जबकि लेखकों के मॉडल ने एक हिटर-फ्रेंडली पार्क (154) का अनुमान लगाया। होम/अवे TBR के विश्लेषण ने दिखाया कि ह्यूस्टन और विरोधियों दोनों का होम पर TBR काफी अधिक था, जो लेखकों के "हिटर-फ्रेंडली" निष्कर्ष का समर्थन करता है।
• असममिति (Asymmetry): मॉडल अत्यधिक असममित पार्कों (जैसे फेनवे, पीएनसी पार्क) के साथ थोड़ा संघर्ष करता है क्योंकि यह प्रहार की दिशा को स्पष्ट रूप से मॉडल नहीं करता, केवल EV/LA को मॉडल करता है।

B. टीम रक्षात्मक प्रभाव (Team Defensive Effects)

• Def और OAA के साथ तुलना: लेखकों के अनुमान मौजूदा मेट्रिक्स के साथ मध्यम सहसंबंध दिखाते हैं (OAA के साथ उच्चतम सहसंबंध ~0.67, Def के साथ ~0.44)।
• TBR के माध्यम से सत्यापन: बड़े विसंगतियों के मामलों में, लेखकों के अनुमान अक्सर देखे गए होम/अवे TBR पैटर्न के साथ बेहतर ढंग से संरेखित होते हैं।
  • उदाहरण: जब किसी टीम के प्रतिद्वंद्वियों का होम पर TBR लगातार कम होता है (मजबूत डिफेंस का संकेत), तो लेखकों का मॉडल सही ढंग से उच्च रक्षात्मक रेटिंग असाइन करता है, जबकि कुछ आधिकारिक मेट्रिक्स (जैसे Def) रोस्टर संरचना या अन्य कारकों के कारण कम रेटिंग दे सकते हैं।
• दायरा (Scope): यह मीट्रिक विशेष रूप से बैटेड-बॉल इवेंट्स पर रक्षा को मापता है, जिसमें कैचर फ्रेमिंग, ब्लॉकिंग या रनिंग गेम कंट्रोल शामिल नहीं है, जो इसे Def जैसे व्यापक मेट्रिक्स से अलग करता है।

C. लीग-व्यापी रुझान (League-Wide Trends - Intercept Analysis)

• "ज्यूस्ड बॉल" युग (The "Juiced Ball" Era): मॉडल का इंटरसेप्ट (जो लीग-व्यापी आधार रेखा का प्रतिनिधित्व करता है) 2015 से 2024 तक स्पष्ट गिरावट का रुझान दिखाता है।
  • 2017–2019: सकारात्मक इंटरसेप्ट "ज्यूस्ड बॉल" युग (कम ड्रैग, अधिक कैरी) के अनुरूप है।
  • 2020–2022: नकारात्मक इंटरसेप्ट बॉल की जीवंतता को कम करने के MLB के प्रयासों और ह्यूमिडोर के परिचय के अनुरूप है।
  • 2023: एक मामूली ऊपर की ओर बदलाव अत्यधिक रक्षात्मक शिफ्ट (shifts) पर प्रतिबंध के अनुरूप है।
• यह सुझाव देता है कि मॉडल खेल के भौतिक और रणनीतिक वातावरण में मैक्रो-लेवल परिवर्तनों को सफलतापूर्वक कैप्चर करता है।

5. महत्व और भविष्य का कार्य (Significance and Future Work)

• व्याख्यात्मकता (Interpretability): यह ढांचा एक पारदर्शी, डेटा-संचालित तरीका प्रदान करता है जो अस्पष्ट "ब्लैक बॉक्स" मॉडल पर निर्भर रहने के बजाय पर्यावरणीय और रक्षात्मक प्रभावों को अलग करता है।
• रणनीतिक अंतर्दृष्टि (Strategic Insight): परिणाम हाइलाइट करते हैं कि रक्षात्मक पोजिशनिंग और बॉल फिजिक्स कैसे विकसित हुए हैं, जो लीग वातावरण के सापेक्ष टीम प्रदर्शन का मूल्यांकन करने के लिए एक आधार प्रदान करते हैं।
• सीमाएं और भविष्य की दिशाएं:
  • दिशात्मकता (Directionality): वर्तमान मॉडल प्रहार की दिशा को अनदेखा करता है, जो असममित पार्कों में सटीकता को सीमित करता है। भविष्य के कार्य दिशा को शामिल कर सकते हैं लेकिन इससे डेटा की कमी का जोखिम हो सकता है।
  • खिलाड़ी-स्तर का अपघटन (Player-Level Decomposition): मॉडल टीम-स्तरीय रक्षा का अनुमान लगाता है, व्यक्तिगत खिलाड़ी मूल्य का नहीं। टीम अनुमानों को व्यक्तिगत योगदान से जोड़ना एक भविष्य का लक्ष्य है।
  • गैर-रैखिकता (Non-Linearity): टोटल बेसेस का उपयोग रन वैल्यू के लिए एक रैखिक प्रॉक्सी के रूप में किया जाता है। भविष्य के संस्करण रन एक्सपेक्टेंसी के आधार पर गैर-रैखिक रूपांतरणों का पता लगा सकते हैं।
  • परस्पर क्रिया (Interactions): यह योगात्मक मॉडल मानता है कि पार्क और डिफेंस स्वतंत्र हैं। भविष्य के शोध इंटरैक्शन का पता लगा सकते हैं (जैसे, टीमें अपने घरेलू पार्क के आयामों के लिए विशेष रूप से रोस्टर बनाती हैं)।

निष्कर्षतः, यह शोध पत्र बेसबॉल परिणामों को अलग करने के लिए एक मजबूत सांख्यिकीय दृष्टिकोण प्रस्तुत करता है, जो मौजूदा उद्योग मानकों के पूरक और कुछ मामलों में सुधार करने वाला एक परिष्कृत परिप्रेक्ष्य प्रदान करता है।