📊 statistics

Absolute and Relative Performance Indicators Associated with Match Success Across Six European Professional Football Leagues

Deze studie van 2.058 wedstrijden over zes Europese competities toont aan dat hoewel relatieve prestatie-indicatoren (verschillen tussen team en tegenstander) effectiever zijn dan absolute indicatoren bij het voorspellen van wedstrijduitsgangen, het meest nauwkeurige voorspellende model wordt bereikt door zowel absolute als relatieve metrieken te integreren.

Oorspronkelijke auteurs: Ângelo Brito

Gepubliceerd 2026-08-05

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Ângelo Brito

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

Stel je voor dat je naar een voetbalwedstrijd kijkt. Decennialang waren analisten geobsedeerd door het tellen van alles wat een enkel team doet: hoeveel passes zij maakten? Hoe lang zij de bal bezeten? Hoeveel schoten zij losten? Het is alsof je een chef beoordeelt enkel op basis van hoeveel ingrediënten hij heeft gehakt, zonder ooit de soep te proeven of te zien wat de andere chef aan het koken was. Dit is de wereld van "absolute" prestaties—het bekijken van de statistieken van een team in een vacuüm. Maar voetbal is geen solovoorstelling; het is een constante, chaotische dans tussen twee teams. Als Team A de bal 500 keer rondspeelt, is dat indrukwekkend, maar wat als Team B de bal 600 keer rondspeelde? Plotseling lijken de 500 passes van Team A op een strijd, niet op een triomf. Dit artikel stelt een eenvoudige maar revolutionaire vraag: om echt te begrijpen wie er wint en waarom, moeten we alleen tellen wat een team deed, of moeten we meten hoe veel beter ze het deden in vergelijking met de andere ploeg? Het antwoord verandert alles aan hoe we naar het mooie spel kijken.

Dit onderzoek, onder leiding van Ângelo Brito van de Universiteit van Lissabon, besloot het debat te beslechten door naar een enorme berg data te kijken: elke enkele wedstrijd uit het seizoen 2023–2024 in zes van de belangrijkste professionele Europese competities (waaronder de Engelse Premier League, de Spaanse LaLiga en de Italiaanse Serie A). Dat zijn 2.058 wedstrijden en meer dan 4.000 teamprestaties om te verwerken. De auteur zocht niet alleen naar nieuwe statistieken; in plaats daarvan testte hij drie verschillende manieren om het spel te "lezen". Ten eerste keek hij naar Absolute Indicatoren (wat een team op zichzelf deed). Ten tweede keek hij naar Relatieve Indicatoren (het verschil tussen wat een team deed en wat hun tegenstander deed). Ten derde probeerde hij beide te Combineren.

De resultaten waren zo duidelijk als een fluit van een scheidsrechter. Wanneer de auteur probeerde te voorspellen wie er zou winnen met alleen de "Absolute" statistieken (zoals totaal aantal passes of schoten), was het model oké, maar het miste vaak het doel en had de uitslag in ongeveer 79% van de gevallen goed. Echter, toen hij overschakelde naar "Relatieve" statistieken—eigenlijk vragen: "Hoeveel meer schoten nam Team A dan Team B?"—werd het model een kristallen bol. Plotseling kon het de winnaar voorspellen met 91% nauwkeurigheid. De "Relatieve" aanpak was een enorme sprong voorwaarts. Het toonde aan dat weten dat een team 15 schoten op doel had, weinig betekende tenzij je wist dat hun tegenstander er slechts 3 had. Het verschil tussen 15 en 3 is wat de overwinning daadwerkelijk bepaalt.

De studie vond dat de krachtigste voorspellers van winst niet alleen draaiden om het hebben van een goede aanval, maar om het hebben van een betere aanval dan de ander. Specifiek: meer schoten op doel hebben dan de tegenstander en efficiënter zijn in het omzetten van die schoten in doelpunten, waren de gouden sleutels. Wanneer de auteur beide soorten data combineerde (Absoluut en Relatief), werd het model nog beter en bereikte het een nauwkeurigheid van 93%. Maar hier komt de crux: bijna de gehele verbetering kwam voort uit het "Relatieve" deel. Het toevoegen van de "Absolute" cijfers leverde slechts een kleine, bescheiden boost op.

Dus, wat betekent dit voor de toekomst van de voetbalanalyse? Het artikel suggereert dat we moeten stoppen met het bekijken van teams in isolatie. De prestatie van een team is niet alleen een getal op een scorebord; het is een relatie. Net zoals een race niet gaat over hoe snel je rent, maar over hoeveel sneller je bent dan de persoon naast je, wordt succes in het voetbal gedefinieerd door de kloof tussen jou en je tegenstander. Hoewel het tellen van het totaal aantal passes en schoten nog steeds nuttig is om de stijl van een team te begrijpen, moet je, als je wilt weten waarom een team won of verloor, kijken naar het verschil. Het artikel concludeert dat de beste manier om voetbalsucces te modelleren is door te focussen op hoe zeer een team zijn rivaal heeft overtroffen, waarmee bewezen wordt dat in het spel voetbal context koning is, en dat de enige statistiek die er echt toe doet, degene is die de twee zijden met elkaar vergelijkt.

Technische Samenvatting: Absolute en Relatieve Prestatie-indicatoren Geassocieerd met Wedstrijdsucces in Zes Europese Professionele Voetbalcompetities

Probleemstelling

De analyse van voetbalprestaties heeft traditioneel gefocust op het identificeren van absolute wedstrijdprestatie-indicatoren (bijv. totaal aantal schoten, balbezit) die geassocieerd zijn met competitief succes. Er bestaat echter een significante methodologische kloof met betrekking tot hoe competitieve prestaties analytisch gerepresenteerd zouden moeten worden. Voetbal is een interactief systeem waarbij de betekenis van een handeling afhangt van het gedrag van de tegenstander; toch vertrouilt het grootste deel van het onderzoek op geïsoleerde teamstatistieken, waarbij impliciet wordt aangenomen dat deze een adequate representatie van competitieve prestaties bieden. Deze studie adresseert de fundamentele vraag of competitief succes nauwkeuriger wordt gekarakteriseerd door absolute indicatoren, relatieve indicatoren (verschillen tussen team en tegenstander), of een combinatie van beide.

Methodologie

Studieontwerp en Steekproef:
Deze retrospectieve observationele studie maakte gebruik van een comparatief en predictief ontwerp waarbij gegevens uit het seizoen 2023–2024 werden geanalyseerd uit zes Europese professionele nationale competities: de Engelse Premier League, de Spaanse LaLiga, de Italiaanse Serie A, de Duitse Bundesliga, de Franse Ligue 1 en de Portugese Primeira Liga. De dataset bestond uit 2.058 officiële wedstrijden, wat resulteerde in 4.116 team-wedstrijdobservaties (twee observaties per wedstrijd).

Variabelen:
De studie onderzocht drie analytische representaties:

Absolute Indicatoren: Waarden die onafhankelijk van een team worden geregistreerd (bijv. balbezit %, totaal aantal schoten, schoten op doel, passing nauwkeurigheid, offensieve efficiëntie).
Relatieve Indicatoren: Berekend als het verschil tussen de waarde van het centrale team en de waarde van de tegenstander binnen dezelfde wedstrijd (bijv. Relatieve Schoten op Doel = Schoten op Doel Team − Schoten op Doel Tegenstander).
Gecombineerde Indicatoren: Een integratie van zowel absolute als relatieve variabelen.

Statistische Analyse:

Descriptief en Inferentieel: Eén-weg ANOVA's werden gebruikt om indicatoren te vergelijken tussen winst, gelijkspel en verlies, waarbij effectgroottes werden gekwantificeerd met behulp van partiële eta-kwadraat ( $\eta_p^2$ ).
Predictieve Modellering: Multivariabele logistische regressiemodellen werden geschat om overwinning (tegenover niet-overwinning) te voorspellen. Drie modellen werden vergeleken: één dat uitsluitend absolute indicatoren gebruikte, één die uitsluitend relatieve indicatoren gebruikte, en één met een gecombineerde set.
Prestatie-metrieken: Modellen werden geëvalueerd met behulp van de Area Under the Receiver Operating Characteristic Curve (AUC), accuratesse, sensitiviteit, specificiteit en de Brier-score.
Definitieve Modelselectie: Een backward stepwise selectieprocedure werd toegepast op het gecombineerde model om onafhankelijke voorspellers van overwinning te identificeren. Standaardfouten werden op wedstrijd-niveau geclusterd om rekening te houden met de niet-onafhankelijkheid van de twee teamobservaties die voortkomen uit een enkele wedstrijd.

Belangrijkste Resultaten

1. Discriminatievermogen (Descriptieve Analyse):
Relatieve indicatoren vertoonden consequent een superieur discriminatievermogen vergeleken met absolute indicatoren.

Effectgroottes: De grootste effectgroottes werden waargenomen bij offensieve superioriteit ten opzichte van de tegenstander. Relatieve offensieve efficiëntie ( $\eta_p^2 = 0,398$ ), relatieve schoten op doel ( $\eta_p^2 = 0,261$ ) en relatieve schotnauwkeurigheid ( $\eta_p^2 = 0,159$ ) vertoonden aanzienlijk grotere effecten dan hun absolute tegenhangers.
Absolute Indicatoren: Hoewel winnende teams over het algemeen beter presteerden dan verliezende teams in absolute termen (bijv. balbezit, totaal aantal schoten), waren de effectgroottes bescheiden (bijv. balbezit $\eta_p^2 = 0,028$ ), wat aangeeft dat absolute productie alleen een beperkt deel van de variantie in de uitkomst verklaart.

2. Predictieve Prestaties (Logistische Regressie):

Absoluut Model: Bereikte een AUC van 0,87, een accuratesse van 78,8% en een Brier-score van 0,143. De sensitiviteit was opvallend lager (65,7%) dan de specificiteit (86,5%).
Relatief Model: Presteerde significant beter dan het absolute model met een AUC van 0,96, een accuratesse van 90,9% en een Brier-score van 0,071. De sensitiviteit steeg naar 86,3%.
Gecombineerd Model: Leverde de hoogste algehele prestatie (AUC = 0,97, accuratesse = 93,3%, Brier-score = 0,058). De verbetering ten opzichte van het relatieve model alleen was echter bescheiden (AUC-toename van 0,01; accuratesse-toename van 2,4 procentpunt), wat suggereert dat de primaire winst in voorspellende kracht voortkomt uit de relatieve representatie.

3. Onafhankelijke Voorspellers van Overwinning:
In het definitieve multivariabele model (gecombineerde aanpak) bleven drie indicatoren onafhankelijk geassocieerd met overwinning:

Relatieve Schoten op Doel: Sterkste associatie (Odds Ratio [OR] = 31,59).
Relatieve Offensieve Efficiëntie: Sterke associatie (OR = 25,88).
Absolute Offensieve Efficiëntie: Behield complementaire verklarende waarde (OR = 3,29).

Belangrijkste Bijdragen

Methodologische Verschuiving: De studie demonstreert dat de analytische representatie van prestaties (absoluut versus relatief) een fundamentele determinant is van het verklarende en voorspellende vermogen in het voetbalonderzoek. Het betoogt dat competitieve superioriteit beter wordt gevangen door team–tegenstander verschillen dan door geïsoleerde productie-statistieken.
Resolutie van Inconsistenties: De bevindingen bieden een methodologische verklaring voor de historische inconsistenties in de literatuur met betrekking tot het belang van variabelen zoals balbezit. De studie suggereert dat de variabiliteit in gerapporteerd belang kan voortkomen uit de vraag of prestaties in isolatie of relatief ten opzichte van de tegenstander worden geanalyseerd.
Modeloptimalisatie: Het onderzoek stelt vast dat hoewel het integreren van absolute indicatoren een bescheiden complementaire verbetering biedt, het overgrote deel van de verklarende winst in het modelleren van wedstrijdsucces wordt verkregen door teamprestaties te contextualiseren via tegenstander-gerelateerde verschillen.

Betekenis en Claims

Het artikel beweert dat de primaire bijdrage niet de identificatie van nieuwe prestatie-indicatoren is, maar de demonstratie dat hoe prestaties worden gerepresenteerd, de informatie over competitief succes fundamenteel beïnvloedt.

Relationele Aard van Prestaties: De resultaten ondersteunen het conceptuele beeld dat voetbal een interactief systeem is waarbij de betekenis van een statistiek afhankelijk is van het gedrag van de tegenstander. Daarom biedt het representeren van prestaties via team–tegenstander verschillen een informatiever analytisch kader dan het analyseren van geïsoleerde teamstatistieken.
Complementaire Rollen: De studie stelt dat absolute en relatieve indicatoren niet wederzijds uitsluitend zijn maar verschillende dimensies beschrijven. Absolute indicatoren karakteriseren hoe een team speelt (productie), terwijl relatieve indicatoren het competitieve voordeel kwantificeren dat wordt gevestigd. Voor het specifieke doel van het verklaren of modelleren van wedstrijdsucces is het relatieve kader superieur, hoewel de integratie van beide de meest robuuste modellen oplevert.
Praktische Implicatie: Voor toegepaste prestatieanalyse suggereert het artikel dat hoewel absolute statistieken nog steeds waardevol zijn voor het beschrijven van speelstijlen, het begrijpen van wedstrijduitkomsten vereist dat deze statistieken worden geïnterpreteerd naast tegenstander-gerelateerde waarden om de competitieve context te vatten.

De auteur neemt een bescheiden standpunt in en merkt op dat deze bevindingen gebaseerd zijn op een census van één seizoen en dat de sterke associatie van "offensieve efficiëntie" met overwinning deels te wijten is aan de wiskundige nabijheid tot de uitkomst (gescoorde doelpunten). Er wordt opgeroepen om toekomstig onderzoek te verrichten om deze relationele principes te valideren over meerdere seizoenen, verschillende contexten en met meer fijnmazige trackingdata.