Russell Wilson beim Scramble. Quelle: https://www.flickr.com/photos/brookward/48740734392/

Russell Wilson ist einer jener Akteure, die sich im vierten Quarter einen Namen gemacht haben. Unvergessen ist zum Beispiel das NFC-Championship-Game gegen die Packers 2014. Zugegeben, Russell Wilson wird von seinem konservativen Head Coach auch unverhältnismäßig oft in die Situation gebracht, Spiele auf den letzten Drücker entscheiden zu müssen. Gerne nennt man diese besondere Fähigkeit “Clutchness” – in den entscheidenden Momenten voll da zu sein und seine beste Leistung abrufen zu können. Doch gibt es Teams, die mehr “clutch” sind als andere? Gibt es Teams, die in den sogenannten “Close-Games” regelmäßig als Sieger vom Platz gehen? Gibt es solche, denen in den großen Momenten allzu oft die Nerven versagen? Mit diesen Fragen soll sich der heutige Artikel beschäftigen.

Was sind “Close Games”?

Um die Clutchness der Teams messbar zu machen, müssen wir uns zunächst auf eine Definition einigen, was denn überhaupt enge Spiele sind. Zunächst scheint dies eine einfache Aufgabe zu sein. Es bietet sich an, schlicht auf jene Spiele zu schauen, die am Ende mit maximal 8 Punkten, also einem Score, entschieden wurden. Diese Methodik bietet jedoch ein paar Schwachstellen. Es könnte zum Beispiel passieren, dass ein Team mit dem letzten Play die Führung des Gegners erst auf einen Score dezimiert. Hier würde das Spiel als “Close-Game” gezählt werden, obwohl es das subjektiv betrachtet eher nicht war. Oder aber ein Team könnte kurz vor Schluss einen Pick-Six fangen und damit die Führung auf 10 Punkte ausbauen. In diesem Fall fiele das Spiel aus dem Raster, obwohl es bis zur letzten Sekunde eine enge Angelegenheit war.

Stattdessen wollen wir enge Spiele anders definieren. Das Team hinter nflfastR hat ein Modell entwickelt, das zu jedem Zeitpunkt die Siegwahrscheinlichkeiten auf Basis tausender anderer Spiele schätzt. Dabei werden Informationen wie Down, Distance, Feldposition, Spielstand, verbleibende Zeit und die Anzahl verbleibender Time Outs genutzt. Diese Wahrscheinlichkeit nutzen wir und filtern nach allen Spielen, die an einem beliebigen Zeitpunkt in den letzten 5 Spielminuten Siegwahrscheinlichkeiten zwischen 40% und 60% für beide Teams ausweisen.

Messen wollen wir dann anschließend den Ausgang solcher Spiele. Dabei wollen wir analysieren, wie sich diese Performance über die Jahre entwickelt. Ultimativ wollen wir herausfinden, ob “Clutchness” auf Teamebene eine stabile Metrik ist, oder es sich auch hier ähnlich wie bei der Turnover-Bilanz um eine zu großen Teilen vom Zufall getriebene Größe handelt.

Close-Game-Performance in 2018 und 2019

Schauen wir zunächst einmal exemplarisch auf die NFL Saisons 2018 und 2019. Auf der Y-Achse des folgenden Diagramms ist die Bilanz in den definierten Close-Games abgetragen. Ein Wert von +2 bedeutet hierbei, dass das Team zwei enge Spiele mehr gewonnen hat, als es verloren hat. Dabei ist es unerheblich, wie viele enge Spiele das Team hatte. Siege in vier von sechs engen Spielen resultieren also ebenso in einem Wert von +2 wie zwei Siege aus zwei Close-Games. Unentschieden werden hierbei als halber Sieg und als halbe Niederlage gezählt.

Sortiert sind die Teams absteigend nach ihrer Bilanz in 2018. Die orangen und blauen Pfeile zeigen an, wie sich die Performance der Teams in der Saison 2019 verändert haben. Ein oranger Pfeil bedeutet, dass sich das Team verbessert hat, ein blauer, dass es sich verschlechtert hat. Teams mit nur einem Punkt und grauem Pfeil, haben die gleich Bilanz in 2019 wie in 2018.

Abbildung 1: Close-Games Performance 2018 vs 2019

Zwar ist die Tendenz nicht ganz so offensichtlich, wie bei der Turnover-Bilanz, aber auch hier lässt sich deutlich erkennen: Teams mit guter Bilanz in 2018 verschlechtern sich tendenziell (linke Seite, blaue Pfeile). Teams mit schlechter Performance in 2018 neigen dazu, sich zu verbessern (rechte Seite, orange Pfeile). Auffällig ist zudem, dass es in 2018 nur 5 Teams mit einer Bilanz besser als +2 oder schlechter als -2 gibt. Solche extremen Ausprägungen scheinen eher die Ausnahme zu sein.

Die Suche nach einem Muster

Eine Regression zur Mitte scheint offensichtlich, aber können wie dieses Phänomen auch über einen längeren Zeitraum nachweisen? Dazu bedienen wir uns wieder einmal einer Korrelationsanalyse, um auf mathematische Weise einen möglichen Zusammenhang zu untersuchen.

Hierzu bilden wir Datenpaare. Diese bestehen aus der Close-Game-Performance in einer Saison n und der Bilanz in der vorherigen Saison n-1. Die Variable n steht hierbei für eine beliebige Saison aus dem Zeitraum 2000 bis 2019. Anschließend wird jedes Datenpaar in ein Koordinatensystem eingezeichnet und man ermittelt diejenige Funktion, die alle Punkte möglichst gut beschreibt.

Abbildung 2: Regressionsanalyse Close-Game-Performance

Um zu verdeutlichen, wie viele Punkte an den jeweiligen Kreuzen im Koordinatensystem liegen, sind die Datenpaare ein wenig um den exakten Punkt gestreut. Dies soll verdeutlichen, wo die Mehrzahl der Punkte liegt. Außerdem veranschaulicht es sehr schön die extrem zufällige Streuung der Punkte.

Die Regressionsgerade ist beinahe eine Konstante mit einer Steigung von null. Der -Wert unterscheidet sich erst bei der siebten Nachkommastelle von null. Dies sagt uns bereits, dass die Verteilung der Datenpaare beinahe perfekt zufällig ist. Somit können wir einen relevanten Zusammenhang zwischen der Performance in Jahr n-1 und der Performance in Jahr n ausschließen.

Doch was erlaubt uns dies für Rückschlüssen auf die kommende Saison? Dazu müssen wir uns die 2019er Performance noch einmal genauer anschauen.

Regressionskandidaten 2020

Abbildung 3 zeigt die Performance in Close-Games in 2019. Dabei sind die Teams in absteigender Reihenfolge nach ihrer Bilanz sortiert. Das graue Band rund um den Wert null zeigt den Bereich an, in dem sich die Teams auf lange Sicht einpendeln. Dieser Bereich wurde mit einer Betrachtung der durchschnittlichen Performance aller Teams über die letzten zehn Jahre bestimmt. Die Packers sind dabei das Team, was über die letzten zehn Jahre im Schnitt am besten in engen Spielen abschneidet, die Buccaneers sind das Team mit der schlechtesten Zehn-Jahresbilanz.

Abbildung 3: Close-Game-Performance 2019

Die Regressionskandidaten schlechthin sind hier die Bengals. Auch Chargers- und Lions-Fans dürfen sich freuen, denn auch ihr Team sollte in der kommenden Saison besser in Close-Games aussehen. Am anderen Ende des Spektrums befinden sich die Seahawks und 49ers. Hier hält die Mathematik eine schlechtere Performance in engen Spielen für wahrscheinlich.

Auch in diesem Artikel sei an dieser Stelle wieder darauf hingewiesen, dass es bei der Thematik “Regression zur Mitte” lediglich darum geht, was wir auf Basis unserer Analyse als wahrscheinlich betrachten. Garantierte Aussagen, lassen sich auch hier nicht treffen. Es kann sogar passieren, dass die Bengals in der kommenden Saison noch schlechter in engen Spielen dastehen als dieses Jahr, es ist nur eben nicht besonders wahrscheinlich.

Auf der Suche nach Ausnahmen

Ähnlich wie beim Artikel zur Turnover-Bilanz wollen wir auch hier schauen, ob wir Ausnahmen finden. Wir suchen Teams, die es entgegen aller mathematischen Erwartungen schaffen, Jahr für Jahr eine besonders schlechte oder besonders gute Bilanz in Close-Games vorzuweisen. Dazu blicken wir auf die Jahre 2010 bis 2019.

Abbildung 4: Close-Game-Performance je Team

So sehr man auch sucht, man findet kein Team, das über einen längeren Zeitraum eine Bilanz von mindestens +2 oder maximal -2 aufrecht erhalten kann. Die Packers sind noch das Team, dass einer Ausnahme am nächsten kommt. Das Gros der Teams schwankt Jahr für Jahr zwischen den oben erklärten Grenzwerten hin und her. Es scheint dabei nicht mal groß von der Qualität der Teams abzuhängen, wann sie ein Hoch oder Tief in dieser Metrik erleben. Exemplarisch schaue man hierfür auf die Carolina Panthers oder den Peak der Giants in 2016.

Der Zufall regiert

Das Fazit fällt für diese Analyse sehr deutlich aus: Die Performance in Close-Games ist beinahe vollkommen zufällig. Die Baselines der Teams unterscheiden sich minimal, aber dennoch nur so geringfügig, dass man dies nicht der Qualität einer Franchise zuschreiben kann. Teams werden sich langfristig im Bereich zwischen -1.5 und +1.5 Siegen in Close-Games bewegen und dabei gelegentliche Ausreißer nach oben und unten zeigen.

Regressionskandidaten zur Mitte sind die Bengals, Chargers und Lions – hier darf man auf Besserung hoffen – sowie die Seahawks und 49ers, bei denen man eine schlechtere Performance erwarten darf. Schaut man sich den langfristigen Verlauf in Abbildung 4 an, muss man ebenso die Packers dazu zählen. Das Team aus Green Bay stand über die letzten paar Jahre überdurchschnittlich gut dar. Die Buccs auf der anderen Seite sind auf Basis ihres mehrjährigen Trends ein Kandidat für Verbesserung.

Schreibe eine Antwort

Scheibe deinen Kommentar
Sag uns deinen Namen