Vinner Over Erstatning: Historie, Filosofi og Mål (Del 1)

Vinner Over Erstatning (KRIG) er en beregning opprettet og utviklet av sabermetric samfunnet i baseball i løpet av de siste 30 år – det er enda plass til dags dato er det så langt tilbake som i 1982 der et system som lignet den metoden som først dukket opp i Bill James’ Abstrakte, fra det året (per Baseball Prospektet og Tom Tango)., De fire store offentlige modeller/systemer i baseball definerer KRIG som slik:

• «Vinner Over Erstatning (KRIG) er et forsøk fra sabermetric baseball samfunnet til å oppsummere en spillers totale bidrag til laget sitt i en statistikk.»FanGraphs
• «Vinner Over Utskifting Spiller Prospektet’ forsøk på å fange en spillernes totale verdi.»Baseball Prospektet
• «ideen bak KRIGEN rammeverket er at vi ønsker å vite hvor mye bedre en spiller enn en spiller som vanligvis ville bli tilgjengelig for å erstatte den spilleren.,»Baseball-Referanse
• «Vinner Over Erstatning (KRIG) … aggregater bidrag til en spiller i hver fasett av spillet: å treffe, pitching, baserunning, og fielding.»openWAR

Som hver og en av disse enkle definisjoner mer eller mindre stat, KRIG er et system modell, eller teknikk som forsøk på å tildele en samlet verdi for hver spiller, som representerer hvor mye som spilleren har bidratt til hans eller hennes team i et enkelt tall. Dette enkelt nummer som består av flere komponenter som er isolations av et gitt område av spill i en gitt idrett., I baseball, disse komponentene er forskjellige for røre og mugger, men summering av hver komponent er KRIG forsøk på å kapsle den totale verdien på en spiller som er lagt til teamet sitt. Ideen om KRIGEN i hockey, mens det ikke er nye, er definitivt fortsatt underutviklet.

begrepet KRIG, men føles litt som den «hellige gral» i hockey. Mange har prøvd seg på å lage en modell som dette, eller en som har lignende mål – ofte disse menneskene har vært noen av de ledende stemmene i hockey statistikk., På «Single Nummer Drøm» har vært så unnvikende som virkelig noe annet i hockey statistikk det virker – og med god grunn. En KRIG modell (for noen sport) utgjør flere utrolig viktig spørsmål om hvordan vi som analytikere vurdere spillere. KRIG er egentlig ikke om ett nummer, ironisk nok. Det er på den måten vi kommer til det nummeret. Dette nummeret, som mange har sagt før, er et estimat på best; det er ikke bestemt, det har usikkerhet og forutsetninger, en implisitt «range» omgir hvert nummer for hver spiller.,

Mens denne tvetydigheten er ofte oversett, det siste nummeret er ikke akkurat lett. Men det er prosessen og spørsmål og til slutt den filosofien som gjør søk for enkelt nummer en så viktig aspekt av sports-statistikk. Hvordan skal vi vurdere spillere? Hvordan kan vi kombinere de mange aspekter av slike komplekse spill, på samme skala og justert i akkurat den riktige måten, at vi kan trygt sammenligne selv-styrke straffbart å selv-styrke forsvaret, eller en stjålet base til en dobbel, eller en rebound til en 3-pekeren?, I vår mening, prosessen med å finne svarene på disse spørsmålene er like viktig som hva de single nummer faktisk forteller oss. Så hva har hockey gjort med dette? Vi kommer til å besøke baseball kort tid, men siden dette er hockey la oss dekke den tidligere arbeid sporten vår har å tilby.

Tidligere Modeller i Hockey

Det har vært flere KRIGEN metoder skapt og brukt i fortiden for å vurdere både NHL utespillere og keepere. Disse var ikke alt som kalles «KRIG» nødvendigvis, men i noen form hver forsøkt å vurdere hele verdien av en skater (eller noen ganger en keeper)., KRIGEN-på-isen er write-up har en mer komplett historie så vennligst referanse på linken nedenfor, men vi ønsket å fremheve noen av de mer kjente eksemplene. Merk: bortsett fra Emmanuel Perry, ingen av disse modellene er oppdatert eller «live» som av publisering:

• Det vises på den første modellen/system som forsøkte å evaluere hockey spillere på en lignende måte til KRIGEN var Alan Ryder Spiller Bidrag metode fra August 2003.
• Michael Schuckers og James Curro opprettet en spiller evaluering modell i 2012 (oppdatert i 2013) ThoR (Totalt Hockey-Rating)., Mens dette systemet er ikke aktuelt, det vises data er fortsatt tilgjengelig her.
• nå før teamet war-on-ice.com (Andrew C. Thomas, Sam Ventura, og Alexandra Mandrycky) opprettet sin KRIG modell høsten 2014 og vert det på deres nettsted. Hele serien forklarer modellen er fortsatt tilgjengelig på nettet her. Det er fantastisk og en god referanse for enhver og all KRIG-relaterte hockey diskusjon.
• Dawson Sprigings utviklet en KRIG modellen som ble utgitt i sommeren 2016, og var i produksjon for hele ’16-17 sesongen., 5-del-serien ble arrangert på Hockey-Grafer, men er ikke lenger tilgjengelig.
• Emmanuel Perry laget sin egen versjon av KRIGEN i løpet av sommeren 2017 og lagt ut en introduksjon til begrepet KRIG her. Hans dyptgående explainer av modellen kan bli funnet her. Denne modellen er tilgjengelig på korsika.hockey.
• Gordon Arsenoff presentert sin KRIG modell i 2018 RITSAC konferanse. Hans glir kan bli funnet her. Det ser ikke at denne modellen er nå tilgjengelig for allmennheten.,

Mens anbefaler vi at du tar deg tid til å gjøre deg kjent med de ovenfor nevnte tidligere arbeid, vi kommer til å fokusere på Krigen På Is (W), Dawson Sprigings, og Emmanuel Perry respektive modeller for å illustrere hvordan noen av de tidligere metoder jobbet og hva deres respektive filosofier så ut som.

War On Ice WAR

Dette var den første modellen i hockey som merket seg «KRIG» – det er, dets mål var å måle spiller bidrag i form av gevinster. Dette er viktig. I en svært detaljert og grundig (og en åpen-kilde!,) måte, de produserte noe som faktisk lignet hva en KRIG modell kunne være i hockey. Her er noen sitater fra deres serien kort demonstrere sin egen filosofi:

• Dette systemet bør være fremtidsrettet, det er ingen nye opplysninger knyttet til systemet skal påvirke våre estimater fra fortiden. Jeg ønsker at dette skal være basert på en logisk idé, slik at tidligere resultater indikerer (umiddelbar) fremtiden.

• Hver bit skal være lineært decomposable i sine bestanddeler.,

• … alt skal være validert basert på dens evne til å forutsi fremtidige utfall på en finere skala. Vi skal ikke dømme basert på øyeeplet passer, men ved generelle tiltak av prediktiv skala.

• Fra del 2: Den relative verdien av en agent — et lag, spiller, kombinasjon av spillere, eller omstendighet er hvordan de endrer hastigheten som oppstår hendelser, for og i mot. Dette er selvfølgelig meningsløst å våre formål, uten Punkt 2: De eneste hendelsene som betyr noe er logisk eller veiledende av et mål blir scoret.,

• Fra del 5: Måling KRIGEN er like mye om kontekst som det handler om ytelse. Ettersom målet vårt er å vurdere tiltak som er logisk for fremtidig avkastning, et lag som spiller mot sterk motstand skal kompenseres fordi noen baseline team ville gjøre det verre i forventning; et lag som spiller av en serie med spill hjemme med tilstrekkelig hvile bør forvente å gjøre verre enn sin rekord antyder når de er på veien.,

W ‘ s WAR modellen ble satt opp med en grunnleggende filosofi – en ekstremt viktig å forstå hva det målt: modellen var ment å være så logisk som mulig. Dette er fornuftig gitt analyser, forskning og litteratur i hockey statistikk. Vi prøver ofte å fjerne støy og vilkårlighet fra spillet ved å fokusere på ting som vi vet er logisk eller indikasjon på fremtidige suksess. Dessverre, denne modellen var ikke leve svært lenge (som Ventura ble ansatt ved Pittsburgh Penguins og Thomas og Mandrycky ble ansatt av Minnesota Wild).,

Det var imidlertid noen gode artikler som deles ut med denne modellen. Dom Luszczyszyn skrev en artikkel i oktober 2015 for Hockey Nyheter med sitater fra AC Thomas, Ryan Stimson, og Corey Sznajder som snakket om modellen, mens det fortsatt var tilgjengelig. Denne artikkelen fra Vice dekker både W og Perry ‘ s område, og mens egentlig ikke KRIG-spesifikke, det er et interessant lesning og gir deg en pekepinn på tidslinjen(s) rundt offentlige data., Cam Lawrence ‘ s fantastic «Hvordan Bygge en Kandidat» – serien brukes W ‘ s WAR modell som skal dekke hvordan en organisasjon skal bygge et konkurrerende lag. Opprinnelige Seks Analytics har en god oversikt over modellen så godt her.

Dawson Sprigings

Som nevnt, Sprigings utgitt sin KRIG modell i løpet av sommeren 2016, og holdt det nåværende hele ’16-17 sesongen. Mens 5-del-serien er ikke lenger tilgjengelig, kan vi si (fra minnet, og mange gamle CSV), som vi har en ganske god idé om hvordan det fungerte., Det vises i denne modellen var lik Jeremias Engelmann er skikkelig Pluss-Minus (RPM) beregningen brukes til å vurdere spillere i NBA, som i seg selv var basert på de ulike Justert Pluss-Minus beregninger og variasjoner (dette ble dekket i vår RAPM artikkelen og vil bli dekket i del 2, så vel). Det ville være både uklokt og en bjørnetjeneste hvis vi forsøkt å oppsummere Sprigings’ modell uten en offentlig skrive opp, så vil vi unngå det.,

Denne modellen var lik W (som er lik de ulike baseball-modeller) i at det nærmet aspekter av spillet uavhengig av hverandre som «komponenter» og kombinert disse med å ankomme på et enkelt tall. Imidlertid, mens W s-modellen ble bygget med prediksjon som hovedfokus, Sprigings tok dette et skritt videre: han la vekt på å vurdere spillere som er basert på sanne-talent eller sanne verdi. Dette er et vanlig begrep i sabermetrics – spørsmålet om hva en spiller er «ekte talent» faktisk er., Som nevnt, er den modellen som var gjeldende for en sesong, og det genereres en utrolig mengde av innhold og diskusjon under ’16-17 sesongen (noen av de saftigste biter er ikke lenger offentlig dessverre). Mens dette var ofte oversett, til enhver tid i en sesong, modellen var (ut fra hva vi kan huske) konstruert for å vurdere en skater er sant talent nivå – det samme gjelder for slutten av sesongen utgjør også.

Her er noen artikler som deles ut med Sprigings’ KRIG modellen, mens det fortsatt var aktiv:

• Arvind Shrivats dekket det her.,
• Vi (Josh og Lukas) brukes denne modellen til å konstruere aldring kurver for NHL-løpere .
• Vi også utforsket modell ved å bruke rangere statistikk .
• Alex Novet diskutert sterke og svake lag link ved å bruke denne modellen .
• For litt av historien til tidligere debatter, her er en off-the-cuff artikkel fra Matt Stokk om debatten rundt Sprigings’ modell fra April 2017.
• til Slutt, Sean Tierney har fortsatt de data som er tilgjengelige via brettet hvis du ønsker å grave seg gjennom det.,

Emmanuel Perry

Emmanuel Perry ‘ s modell er den eneste andre levende modell som er tilgjengelige for øyeblikket, finnes her. Han har gitt både en introduksjon til ideen om KRIGEN i hockey her, og en grundig forklaring av metodikk her. Denne modellen er strukturert på en lignende måte til W ‘ s modell, men bruker korsika er xG-modellen i stedet for å stole på skudd og faresoner. Som med W ‘ s modell, vennligst ta en titt på begge de ovennevnte knyttet artikler som han gjør en mye bedre jobb forklare sin modell., Perry har offentlig uttalt denne modellen var ikke konstruert for å være iboende logisk eller beskrivende – det er nok best å tenke på det som i mellom. Denne modellen er ikke tilgjengelig på daglig basis i sesongen på grunn av tid og beregningsorientert begrensninger, slik at alle tilgjengelige data er generelt historisk i naturen.

Et Par Notater

Vi måtte ta en avgjørelse tilbake i Mai 2018: A) Presentere vår KRIG modell på RITSAC 2018 og fokus på å bygge og skape vår hjemmeside for å huse denne KRIGEN modell (blant andre ting – www.evolving-hockey.com) eller B) Skriv hele serien du leser nå., Siden vi hadde aldri vært i en sport analytics-konferanse (blant mange andre grunner), dro vi med alternativ A. Dette presentert, selvfølgelig, en serie kompromisser vi hadde å gjøre. Den første var at vi visste at dette skrive-up vil ikke være ferdig før godt inn i den ’18-19 sesongen. Den andre var at denne nye KRIGEN modell ville være fullt offentlig og vi kan bli bedt om å forklare det uten en skikkelig referanse for sin konstruksjon. Begge disse gikk i oppfyllelse. Vi ønsker å presentere et par stykker som refererte til vår KRIG modell for kontinuitet skyld.,

• Første, her er de aktuelle lenker til både våre RITSAC 2018 presentasjon video og lysbilder (stor takk til Ryan Stimson og Matt Hoffman): lysbilder og presentasjon.
• Arvind Shrivats skrev en stor KRIG explainer for Den Atletiske (paywall) her som gravde seg inn i både vår modell og Perry ‘ s modell.
• Atletisk arrangert flere KRIGEN artikler/diskusjoner/debatter som gikk inn i det gjeldende offentlige modeller for å respektive grad (igjen alle artikler er paywalled)., Den første generert ganske debatten på twitter, det andre kjennetegnet Brian MacDonald, og den tredje var kuratert av andre HG forfatter Ryan Stimson med Michael Schuckers.
• John Fischer diskutert både vår modell og Perry ‘ s modell tilbake i August.
• CJ Turtoro skrev om vår modell (også i forhold til Devils) i oktober, 2018.
• Vi (egentlig bare Josh) bidratt til en artikkel på Atletisk skrevet av Shayna Goldman det var Rangers-fokusert, men dekket en rekke spørsmål om modellen og hvordan den kan brukes/sett.,

Det har vært noen andre artikler som så på både vår modell og Perry er så godt. Med det, vi må be om unnskyldning for den tiden det tok oss å fullføre denne serien. Som vi har nevnt, har vi gjort et valg, og som etterlot oss med et uoppnåelig fristen for å fullføre alt – du vet, prioriteringer og alt det der. Med det sagt, la oss komme tilbake til det: Baseball.

Baseball KRIGEN

Dette emnet har hatt bøker som er skrevet om det, de fleste lagene bruke noe som ligner KRIGEN til en viss grad, og det er mange som vet langt mer om dette emnet enn både av oss., Men, vi trenger å diskutere hvordan baseball KRIG modeller arbeid (eller i det minste prøve) rett og slett fordi de var en stor innflytelse på både hvordan vi tenker om KRIGEN og hvordan vi bygget vår modell. I tillegg føler vi at det er viktig at vi har klart å trekke forbindelsen mellom baseball og hockey, og hvordan en KRIG modell kan finnes i begge idretter. I begynnelsen av dette stykket, vi lagt ut en kort oppsummering av de ulike offentlige KRIGEN modeller i baseball (FanGraphs, Baseball Prospektet, Baseball-Referanse, og openWAR)., Selvfølgelig var disse 1-2 setning sitater som er langt fra dekkende, men hver gir oss en god idé om hva de er alle forsøk på å måle: den totale verdien på en spiller som er lagt til hans/hennes team i forhold til en erstatning nivå spiller i ett tall.

men, Dette bringer oss til en bit av et veiskille med hvordan vi forholder oss å bygge en KRIG modell for NHL. Hvis du ikke har lagt merke til, har det vært lite diskusjon i baseball KRIG explainers (les: ingen) om to viktige begreper som hockey statistikk baserer seg ganske tungt på: repeterbarhet og predictiveness., I feltet av hockey statistikk, ideen om en beregning være repeterbare skriving eller skriving er en som har blitt grunnleggende. Det vil si, beregninger er ofte «godkjent» på deres evne til å gjøre ett eller begge deler. Etter vår mening, den viktigste grunnen til Corsi (shot forsøk) fanget på og ble slik en grunnleggende idé i hockey arbeidet ble på grunn av sin evne til å bedre forutsi laget vinner. Forventet Mål brukt dette konseptet som godt (Sprigings xG explainer). Det tar ikke mye ved å forske på metoder som brukes i moderne hockey arbeidet med å finne omtale av ett eller begge av disse begrepene.,

Som vi har forsøkt å vise ovenfor, før arbeidet med hockey KRIGEN tok dette samme mentalitet som et sentralt aspekt av hvordan før KRIGEN modellene ble bygget. Og det er en veldig god grunn for dette. Vi er ikke på noen måte prøver å kritisere denne tilnærmingen eller spekulere dette er feil – det er det ikke. Disse begrepene er avgjørende for hvordan vi verdsetter mange aspekter av spillet, hvor vi luke ut og håndtere flaks, hvordan vi lit til spillere og lag for evaluering, listen går videre og videre… Men hvordan gjør repeterbarhet og predictiveness passe inn Gevinster Over Utskifting i hockey?, At du har rett – det er spørsmålet.

Baseball KRIGEN modeller er beskrivende i naturen, som Baseball-Referanse er explainer sier det, «ideen bak KRIGEN rammeverket er at vi ønsker å vite hvor mye bedre en spiller enn en spiller som vanligvis ville bli tilgjengelig for å erstatte den spilleren.»-ELLER – som FanGraphs oversikt setter det «KRIG er ikke ment å være en helt presis indikator på en spillers bidrag, men snarere et estimat av verdien til dags dato.,»Mens det er mye å pakke med begge disse, den siste delen av FanGraphs’ sitat er et viktig aspekt av baseball KRIG modeller: verdi til dags dato. For å sette dette litt mer veltalende, la oss utsette til Baseball-Prospektet. I 2013, BP ga ut sin Omarbeiding WARP-serien – det er utrolig (del 1, del 2, del 3, del 4, del 5). I sin innledning til denne serien, Colin Wyers beskrevet flere av sine mål med sin nye KRIGEN modell. Dette var den tredje mål:

«Vi ønsker å vite hva en spiller har gjort., For å bruke tekniske form av statistikk, ser vi en spillers prestasjon i en gitt periode som en befolkning, ikke et eksempel. Hvis du gjorde om at prøven tusen ganger, at spilleren kunne ha gjort mange ting. Hvis du ser på andre prøver, er det svært sannsynlig at denne spilleren har gjort forskjellige ting. Det spiller ingen rolle. Vi er ikke interessert i hva en spiller som kunne ha gjort, men hva han faktisk gjorde.»

Nesten hver eneste av de 5 målene Wyers legger ut i denne serien (del 1) er i tråd med hvordan både av oss føler oss om KRIGEN for hockey., Det vi prøver å vise her er at det har, så langt, vært en sammenheng mellom det KRIG i baseball er og hva KRIGEN i hockey skal være. Selv om ikke hver KRIGEN modell eller lignende tall metode utviklet seg så langt i hockey har vendt seg bort fra disse ideer eller konsepter som de store offentlige baseball KRIGEN modeller inne, de aller fleste av dem har. Det er å si, de har hoppet til noe som vi ville vurdere å være en Forventet Vinner Over Erstatning modell eller muligens noe som ligner på den nye «Fortjente» beregninger fra BP ‘ s nye WARP (DRA, DRC+)., ELLER enda lenger å innlemme det nye Statcast data inn i en xWAR type modell. Dave Cameron diskuterte dette i et innlegg på Fangraphs to somre siden, da den nye Statcast data gang du kommer. Det er en fascinerende å lese som det avtaler med svært lignende spørsmål til hva vi å ta opp her (selv uten rykter om fremtiden spiller sporing data!)., Cameron ‘ s konklusjon føles ganske relevant:

Men mens Statcast har en rekke lover for å forbedre pitching og defensive sider av komponentene, får stadig mer detaljert treffer data kan tvinge oss til igjen å spørre om hva vi ønsker KRIG for å være, og hva som er målet med modellen er. Det er ingen åpenbare rett svar her, og det er en av grunnene til at det vil alltid være flere måter å beregne KRIGEN.,

«Det er ingen opplagt riktig svar her» er et viktig poeng vekt: flere KRIGEN modeller kan eksistere i enhver idrett, hver med ulike rammeverk basert på ulike filosofier. Før KRIGEN modeller i hockey har fokusert på prediksjon og sann-talent evaluering. Vi, derimot, ønsket å ringe tilbake litt og lage en modell mer på linje med de som er definert i baseball. Vi har forsøkt å få til en beskrivende KRIGEN modell, gjennom og gjennom. Dette betyr ikke at det er ikke logisk, det betyr bare at vi ikke bryr oss om det er logisk.,

Filosofi og Mål

Den offentlige KRIGEN modeller i baseball er svært beskrivende – de måler hva en spiller gjorde, hvordan en spiller merverdi eller bidratt til laget sitt i en gitt tidsperiode på en måte som direkte bånd tilbake til hva vinner spill (løper)., I vid forstand, KRIG bryr seg ikke om repeterbarhet, eller om det er i seg selv logisk (det finnes selvfølgelig unntak her – for eksempel FanGraphs’ versjon bruker Fielding Uavhengig Pitching (FIP) for pitching KRIG i stedet for EPOKEN/RA9 måten Baseball-Referanse som gjør det bedre regnskapet for pitcher ‘ s manglende evne til å påvirke forsvaret bak seg). Denne ideen er en som går mot mange konvensjoner i hockey statistikk samfunnet, men i sin kjerne, KRIG er et beskrivende for beregningen. Gitt dette faktum, ble vi møtt med et utvalg med bygging av vår modell: hva gjør vi med dette?, Den opprinnelige KRIGEN modellen skapt av W nærmet seg det på denne måten å holde det enkelt. Dette ble sitert ovenfor, men vi føler det er viktig at vi understreker dette:

Dette systemet bør være fremtidsrettet, det er ingen nye opplysninger knyttet til systemet skal påvirke våre estimater fra fortiden. Jeg ønsker at dette skal være basert på en logisk idé, slik at tidligere resultater indikerer (umiddelbar) fremtid, min eneste unntaket til dette ville være hvis vi lært av skjevhet i data som trengs å rettes opp i ettertid.,

for Å være klar, er hockey en veldig tilfeldig sport – luck er en viktig faktor som spiller en stor rolle i en spillers bidrag eller verdi. Ofte en spiller kan opprettholde ytelse over sin «sanne-talent» nivå for lange strekninger av en sesong (noen ganger en hel sesong). Dette er definitivt problematisk. Men baseball er ofte ikke så forskjellige – flaks spiller en stor rolle i en spillers prestasjon, så vel. Før KRIGEN og enkelt tall beregninger i NHL var (og er), for det meste opptatt med deres evne til å forutsi fremtidig ytelse eller evaluere sant talent., Mens disse ideene er svært viktig, og vi føler en KRIG modell som forsøker å bedre fange en spiller er faktisk verdi-to-date var behov for å vurdere NHL-spillere. Her er vårt mål med denne modellen:

• Vi ønsker å lage en modell som vil, etter beste evne, for å vurdere hvordan en spiller i NHL bidratt til at skater eller keeper ‘ s team. Denne modell eller et system som skal dekke så mange aspekter av spillet som vi er i stand til å redegjøre for, juster for alle sammenhenger og situasjoner, og juster riktig for lagkamerater og (i mindre grad) konkurranse., Vi ønsker et telefonnummer (eller tall) som best isolerer og attributter verdien som en spiller har lagt til eller bidratt til laget sitt.
• Vi vil prøve så langt det er mulig å bruke Målene som grunnlag for vår metode(r). Liker baseball, vi vil bruke denne modellen til å direkte knytte til Vinner, og mål er hvordan lagene vinne spill.
• for Å bedre hjelpe fans og analytikere forstå denne modellen, vi ønsker et system som gir oss mulighet til å oppdatere og vedlikeholde daglig KRIGEN tall i løpet av en sesong., Mens små-eksempel KRIG tallene er problematisk, er det viktig at vi som fans og analytikere kan følge fremdriften av spillerne gjennom hele sesongen, og vurdere både på hvordan modellen fungerer, og hva det sier om spillerens ytelse dag-til-dag.
• Denne modellen bør være i stand til å vurdere rookies og for første gang NHL-spillere på samme måte som den vurderer veteraner. Gitt at målet vårt med denne modellen er å best beskrive og tilordne verdi til et gitt spillerens ytelse, bør det ikke være noen forskjell i vurdering av en spiller som har mange års NHL-erfaring kontra en som ikke har NHL-erfaring.,
• Vi bør være i stand til å analysere den indre aspekter av modellen for å gi kontekst for en gitt spiller nummer eller komponenten(e). Med andre ord, denne modellen bør ikke være helt svart boks eller uninterpretable. Mens dette kan være vanskelig, vi ønsker å ha muligheten til å undersøke hvorfor en spiller er KRIG (eller spesifikk komponent) ser ut slik det gjør.
• Og til slutt, mens litt smålig, vil vi gjerne at denne modellen for å justere med og bedre spor utespillere og keepere som bør vinne slutten av året awards., Til slutt, KRIG bør være et data-basert analyse av en spillers totale bidrag. Det er bare fornuftig at Hart Trofé, for eksempel, bør være basert på en modell som vurderer den helhetlige av en spiller i en gitt sesong.

etter å Ha uttalt alle disse målene, er det viktig at vi er klar her. Vi har beskrevet før hockey-KRIGEN modeller som «Forventet WAR» – modellene til en viss grad. Dette er ikke en dårlig ting – at det faktisk kan være bedre alternativ, gitt mengden av hell og avvik som oppstår i hockey., I våre øyne, men det er mange fordeler med å bygge en modell som den vi har forsøkt å skape. Den store tingen om KRIGEN er at det er et rammeverk – det er ingen enkel riktig versjon. Parallelle modeller, spesielt beskrivende vs. logisk versjoner, som gir enda mer innsikt i spilleren evaluering. Vi kan selv gjøre en annen versjon i fremtiden som ser noe som dette!,

I denne delen, vi har dekket noen av historien som er funnet i tidligere hockey arbeidet, diskuterte noen av forskjellene i baseball og hockey er respektive filosofier, og skissert våre mål for våre KRIGEN modell. Underveis har vi knyttet til ganske mange artikler som er all relevant til det vi vil diskutere i følgende to deler. Vennligst ta deg tid til å lese over det som er nevnt her. Vi føler forstå historie, teori og filosofi i KRIG er ganske viktig. I del 2 vil vi dekke hele prosessen av hvordan modellen er bygd., I del 3 vil vi dekke erstatning nivå og vinne konvertering, dekke noen flere begreper knyttet til beslutninger som vi har gjort underveis, og forsøk på å binde alt dette sammen på en elegant måte!