NHL 선수 조정 플러스마이너스 회귀 모델

초록

본 논문은 NHL 공식 시프트 데이터를 활용하여 가중 최소제곱 회귀를 적용, 팀 동료와 상대의 영향을 배제한 조정 플러스마이너스 지표를 개발한다. 공격과 방어 기여도를 각각 골당 60분당 목표와 시즌 전체 목표로 환산하고, 포워드, 수비수, 골키퍼 별로 결과를 제시한다

상세 분석

연구는 기존 플러스마이너스가 팀 전력에 크게 좌우된다는 한계를 인식하고, 개인 기여도를 독립적으로 추정하기 위한 통계적 프레임워크를 설계한다. 데이터는 NHL.com에서 제공하는 시프트 리포트를 전처리하여 각 시프트의 시작·종료 시각, 출전 선수 명단, 득점·실점 여부를 구조화한다. 시프트는 짧은 시간 동안 동일한 라인업이 유지되는 단위이므로, 각 시프트를 관측치로 두고 팀 골 득실을 종속 변수로 설정한다. 독립 변수는 해당 시프트에 참여한 모든 선수에 대한 이진 인디케이터이며, 공격·방어 구분을 위해 득점 시점과 실점 시점을 별도 변수로 분리한다.

모델은 가중 최소제곱(WLS) 회귀를 채택한다. 가중치는 시프트 길이에 비례하도록 설정하여, 짧은 시프트가 과도한 변동성을 야기하지 않도록 보정한다. 또한, 다중공선성 문제를 완화하기 위해 리지(Ridge) 정규화를 도입하고, 최적의 정규화 파라미터는 교차 검증을 통해 선정한다. 회귀 계수는 각 선수의 골당 60분당 기여도(공격)와 골당 60분당 방어 기여도(실점 억제)를 의미한다.

결과 해석에서는 계수를 시즌 전체 골 수치로 변환하기 위해 평균 시프트 시간과 시즌 총 시프트 수를 곱한다. 이렇게 하면 전통적인 플러스마이너스와 직접 비교가 가능해진다. 포워드와 수비수의 공격·방어 비중 차이를 정량화하고, 골키퍼는 별도의 방어 전용 모델을 적용하여 실점 억제 효과를 추정한다.

통계적 유의성 검증에서는 부트스트랩 재표본추출을 통해 신뢰구간을 계산하고, 계수의 표준 오차를 보고한다. 또한, 모델의 예측력을 검증하기 위해 시즌 중반까지의 데이터를 학습하고, 후반 데이터에 대한 예측 오차를 RMSE와 MAE로 평가한다. 결과는 기존 플러스마이너스보다 개인 기여도를 더 정확히 반영한다는 결론을 뒷받침한다.

연구는 데이터 품질, 시프트 구분의 정확성, 그리고 경기 상황(파워플레이·페널티킷) 제외 등 제한점을 인정한다. 향후 연구에서는 상황별 가중치를 도입하고, 비선형 효과를 포착하기 위해 머신러닝 모델과의 비교 분석을 제안한다.