Time-dependent structural equation modeling of fans' football fever using activity tracking data during the 2025 DFB Cup final

この論文「Time-dependent structural equation modeling of fans' football fever using activity tracking data during the 2025 DFB Cup final（2025 年 DFB ポカール決勝におけるアクティビティ追跡データを用いたサポーターの「フットボール・フィーバー」の時変構造方程式モデル）」の技術的概要を日本語でまとめます。

1. 研究の背景と課題 (Problem)

• 背景: サッカーは世界的に最も人気のあるスポーツであり、ファンは経済的・文化的に重要な役割を果たしている。しかし、試合中のファンの感情的・生理的反応（「フットボール・フィーバー」）の時間的ダイナミクスを定量的にモデル化した研究は少ない。
• 既存研究の限界:
  1. バイアス: 多くの研究が過去の体験を問うアンケートに依存しており、記憶の再構成によるバイアス（Levine & Safer, 2002）が含まれる。
  2. 横断的データ: 時間的変化（ダイナミクス）を捉える縦断的デザインが不足しており、試合中の瞬間的な出来事（ゴールなど）による反応の推移を詳細に分析できない。
  3. 解像度の低さ: 従来の縦断研究でも、ハーフタイム間隔など粗い時間分解能しか持っておらず、試合の流動的な展開をモデル化できない。
• 目的: ウェアラブルデバイス（スマートウォッチ）から得られる高解像度の縦断データを用いて、観測不可能な潜在変数としての「フットボール・フィーバー」を定義し、その時間的ダイナミクスを構造方程式モデル（SEM）でモデル化すること。

2. データと前処理 (Data & Pre-processing)

• データソース: 2025 年 5 月 24 日に行われた DFB ポカール決勝（DSC アルミニア・ビーレフェルト vs VfB シュトゥットガルト）において、アルミニア・ビーレフェルトのサポーター 194 名が着用した Garmin 製スマートウォッチのデータ。
• 観測変数:
  • 心拍数 (HR): 光学センサーによる 1 分あたりの拍動数。
  • ストレスレベル (SL): 心拍数変動（HRV）と個人要因に基づき、0〜100 のスケールで算出（3 分間隔）。
• 時間軸: 試合時間 97 分を 3 分間隔で区切り、計 34 時点（$t=1 \dots 34$）のデータとして再構成。前半（$t=1 \dots 16$）、ハーフタイム、後半（$t=17 \dots 34$）。
• 欠損値処理:
  • ストレスレベルの欠損は、心拍数や活動量（歩数、カロリー消費など）に基づき、ランダムフォレストを用いた多変量多重補完法（MICE パッケージ）で 10 回補完された。
  • 欠損値が 50% 超の 49 名、およびストレスデータが全くない 8 名を除外し、137 名を分析対象とした。

3. 手法：時変構造方程式モデル (Methodology)

本研究では、観測変数（心拍数、ストレス）の背後にある共通因子「フットボール・フィーバー」を潜在変数として扱い、以下の要素を組み合わせた時変構造方程式モデル（Time-dependent SEM）を構築した。

1. 指標 - 構成モデル (Indicator-Construct Model):
   • 「フットボール・フィーバー」が心拍数とストレスレベルの両方に影響を与える共通因子として定義される。
   • 因子負荷量（$\lambda$）は試合を通じて一定と仮定（時間不変性）。心拍数を基準指標（$\lambda=1$）としてスケーリング。
2. 測定誤差分散 (Measurement Error Variances):
   • 個人差（ファン固有の反応）と時間点固有の要因（ハーフタイム開始時の活動多様性など）を考慮し、測定誤差の分散を時間点によって異なるパラメータで設定。
3. 潜在成長曲線 (Latent Growth Curve):
   • フィーバーの長期的なトレンドをモデル化するために、3 つのランダム変数（切片 $IFF$、傾き 1$S_1$、傾き 2$S_2$）を導入。
   • 試合の経過（序盤の安定、シュトゥットガルトの早期ゴール後の低下、後半のアルミニア・ビーレフェルトの反撃による上昇）を反映した V 字型のトレンドを表現。
   • ファン間の異質性（個人差）を、これらの成長成分の分散・共分散として推定。
4. 自己回帰効果 (Autoregressive Effects):
   • トレンドからの個人固有の残差が時間的に連続して影響を与えることを考慮し、1 次自己回帰過程（AR(1)）$\{R_t\}$ を導入。これにより、瞬間的な興奮や気が散る出来事による短期的な変動の持続性を捉える。

4. 主要な結果 (Results)

• モデル適合度:
  • 時変モデルは、時間不変のベースラインモデルと比較して、AIC で 10,920 改善し、適合度指標（CFI=0.994, RMSEA=0.015）が非常に良好であった。
  • 心拍数とストレスレベルの両方が「フットボール・フィーバー」を高い信頼性で反映していることが確認された（心拍数の説明変数分散比率は平均 96.6%）。
• フィーバーの時間的ダイナミクス（V 字型トレンド）:
  • 開始時: キックオフでピーク（平均心拍数約 89 拍/分、ストレスレベル約 69）。
  • 前半: 序盤の低下後、シュトゥットガルトの早期ゴールにより $t=7$ 以降、$t=24$ まで線形的に低下（傾き $\mu_{S1} = -0.431$）。
  • 後半: $t=25$ 以降、アルミニア・ビーレフェルトのゴールやチャンスにより急激に上昇（傾き $\mu_{S2} = 0.633$）。
  • 全体として、試合を通じて明確な「V 字型」の軌跡を示した。
• ファン間の異質性 (Between-fan Heterogeneity):
  • 初期のフィーバーレベル（切片）や試合イベントへの反応（傾き）に大きな個人差が存在。
  • 初期の興奮度が高いファンほど、試合の重要な出来事（ゴールなど）に対してより強い反応を示す傾向があった。これは「熱狂的なファン」と「カジュアルなファン」の混在を示唆。
• 時間的依存性:
  • 自己回帰係数 $\rho = 0.658$ と推定され、フィーバーの状態は時間的に強く持続し、次の時点に影響を与えることが確認された。

5. 貢献と意義 (Key Contributions & Significance)

• 理論的貢献:
  • 「フットボール・フィーバー」を単なる主観的報告ではなく、生理的指標から導き出された潜在変数として数学的に定義・モデル化することに成功した。
  • ウェアラブル技術と高度な統計モデル（時変 SEM、多重補完）を組み合わせることで、スポーツ観戦における感情的・生理的同期をリアルタイムかつ高解像度で捉える新しい枠組みを提供した。
• 実用的意義:
  • マーケティング: 試合中のどの瞬間にファンが最も感情的に高揚するか（ピーク）を特定できるため、リアルタイムのコミュニケーションやコンテンツ配信の最適化が可能になる。
  • 健康リスク: 心拍数やストレスレベルの急激な変動は心血管イベントのリスクと関連するため、スポーツ観戦の健康影響評価に寄与する。
• 方法論的意義:
  • 高次元の縦断データにおける欠損値処理とモデル適合度の評価（Yuan et al., 2015 の補正など）に関する実践的なアプローチを示した。

6. 限界と今後の展望

• 限界: 1 つの決勝戦（プロサッカー）のみを対象としているため、一般化には注意が必要。また、ファン層（熱狂度）や観戦場所（スタジアム vs リモート）の情報が不足している。
• 将来の研究: 対戦相手のファンとの非同期性、ライブ観戦とリモート観戦の比較、異なるスポーツやアマチュアレベルへの適用などが期待される。

この論文は、スポーツ科学、心理生理学、消費者行動論を橋渡しし、ウェアラブルデータを用いたスポーツ観戦の感情的影響を定量化する新たな道を開いた重要な研究です。