RW侠秋季赛豪华阵容

和平精英

粉随正主，诚c的粉丝也很大气

青稚与TonyK谁会更胜一筹！

玩点尬的！伞令和WBG！

为什么说下赛季是中远距离的天下

原来网卡也能先澄清，这波在大气层

兄弟们，隔壁PUBG过来的，不懂就问

预测区域对抗赛的冠军

骂吧你们就，我哥哥都有代言了

明skr这次对抗赛还能上场吗？

wwx微博

想问问Jr们一个问题

突然发现nv好可笑。。。

强烈要求秋季赛多刷小岛圈

hp何时可以出一个评论置顶的功能，有些乐子大家应该一起看呀

什么时候有比赛啊

NV我粉了

ag赶紧便宜一点卖了诚c吧，有33这个流量就可以了，3c不适合在一起打比赛，一直耗着不是办法<img src="https://i5.hoopchina.com.cn/newsPost/rc-upload-1675820196123-23/1675859274837-79ffea02.webp?x-oss-process=image/resize,w_800/format,webp"/>

33是真一坨<img src="https://i4.hoopchina.com.cn/newsPost/rc-upload-1693405844470-2/1693405923520-9fa87e11.png?x-oss-process=image/resize,w_800/format,webp"/>

ag要是有你这功夫，最起码总决是稳进的<img src="https://i1.hoopchina.com.cn/hupuapp/bbs/0/0/thread_0_20220705070937_s_922031_o_w_308_h_308_46617.jpg?x-oss-process=image/resize,w_800/format,webp"/>

nb啊<img src="https://i4.hoopchina.com.cn/hupuapp/bbs/525/42545525/thread_42545525_20220406001715_s_658_w_50_h_50_89978.png?x-oss-process=image/resize,w_800/format,webp"/>

前言AG花了1000多万购买选手，然后在整个春季赛频繁更换调整阵容，这个事情可以说是春季赛最大的乐子。雕稳健、33、诚C这些选手都是在其他俱乐部的大哥，司马光和自然灿又是亚运冠军选手，15zy这赛季上场表现也不俗。这样强悍的纸面数据，结果是连总决赛都没进……于是我就惊奇的发现，这个好像是一个完美的数据分析样本。可以参考的有几篇文献，比如Bertrand &amp; Schoar（2003），姚洋和张牧洋（2013），王贤彬和徐现祥（2014），吕炜等（2022）。他们的思路比较相似，以姚洋和张牧洋（2013；2015）的为例，就是官员/管理者在城市之间调动，然后他们的个人效应就能独立于城市和时间效应而被提取出来。如图所示：<div class="slate-image" style="margin:0 auto"><img data-origin="https://i5.hoopchina.com.cn/editor/7db01fcd5486d04fe6844b6e66f12298.png?x-oss-process=image/resize,w_800/format,webp" src="https://i5.hoopchina.com.cn/editor/7db01fcd5486d04fe6844b6e66f12298.png?x-oss-process=image/resize,w_800/format,webp"></div>详细的理论分析和模型就不再赘述，但是我第一反应是：AG简直太符合了。很显然，AG在不同场次、地图中频繁地更换选手，实际上就是一个很好的联通样本。那么就可以按照吕炜等（2022）的分析范式来分析：1.方差分解法考察选手个人造成了多少影响。2.提取个人效应，利用个人数据建立回归模型。当然，我们还可以考察上个赛季他们的表现，来研究转会的价值，目前还没做。<div class="slate-divider slate-hr"><hr style="background-color:#D9D9D9;height:1px;border:none"></div>一、方差分解法吕炜等（2022）的模型的Y是经济增长率，X是人均GDP对数、人口对数、通货膨胀率，那么照此思路，可以如下设计——首先，模型的Y就是设为AG在每一场的分数，加一取对数处理。我选取的样本是常规赛的150场比赛，每场比赛都有4个选手，加起来应该是600个观测值。其次，模型的X可以直接使用其他战队的情况，这里假设一个队伍的分数可以被场上其他15支队伍的分数来解释。但是，由于PEL的名次和排名分的关联不是连续的，第9到第16名都是0分，但很显然他们对场上局势造成的影响肯定是不一样的，同样第7第8都是1分……那么我们就要用排名代替排名分来估计每支战队在当局的影响，但是又出现了一个问题，没有参与比赛的四支队伍怎样表示？于是，我采取了这样一个方法，对于排名造成的影响，用名次的倒数表示，如果没参赛，就赋值为0。对于淘汰造成的影响，直接用淘汰分表示，如果没参赛，就赋值为0。很显然，任何一支战队淘汰数越大，其对整局比赛的影响也会增大，其排名的倒数表示全队被淘汰时吃鸡的概率，也是对于全局的影响。所以用于拟合的变量一共有38个，如果控制了场次、比赛日次和选手，加上常数项，待估参数一共有74个，那么600个样本能满足估计的基本要求。开始估计——首先，这是变量的描述性统计，score是AG的分数，队名_elimsc是淘汰分，队名_rkrcpl是当局名次的倒数。4am用FAM代替，狼队用WOL代替。<div class="slate-image" style="margin:0 auto"><img data-origin="https://i10.hoopchina.com.cn/editor/04d7a0132bfe8b1b8e0442e9ea888175.png?x-oss-process=image/resize,w_800/format,webp" src="https://i10.hoopchina.com.cn/editor/04d7a0132bfe8b1b8e0442e9ea888175.png?x-oss-process=image/resize,w_800/format,webp"></div>其次，这是逐步控制当日比赛场次，比赛日和选手的结果：<div class="slate-image" style="margin:0 auto"><img data-origin="https://i1.hoopchina.com.cn/editor/a54d0c9aa5d844a6f92a786eab5b6b79.png?x-oss-process=image/resize,w_800/format,webp" src="https://i1.hoopchina.com.cn/editor/a54d0c9aa5d844a6f92a786eab5b6b79.png?x-oss-process=image/resize,w_800/format,webp"></div>可以看到，可以看到，大部分对手战队增长对全局影响时，都会显著的降低AG的得分。添加比赛日的固定效应判定系数增长明显，而控制选手后几乎没有增长。这意味着选手更换几乎不影响AG的成绩变动，或言之，选手不应为战队的得分负有主要责任。当然，依旧提取选手的个人效应来进行分析。<div class="slate-divider slate-hr"><hr style="background-color:#D9D9D9;height:1px;border:none"></div>二、选手个人效应我在上一步中提取了每个选手的个人效应，并搜集了他们当场AG的得分和排名倒数（1/排名），当日的场均击杀（kill）、伤害（dmg）和击倒（dwn）为因变量情况。个人效应越高，相当于对队伍提升越大，从低到高是诚c、自然灿、雕稳健、司马光、33Svan、princess、15zy。（诚C个人效应最低我是没想到的）诚C<div class="slate-image" style="margin:0 auto"><img data-origin="https://i11.hoopchina.com.cn/editor/9672102166c0c3e38630460dae08499b.png?x-oss-process=image/resize,w_800/format,webp" src="https://i11.hoopchina.com.cn/editor/9672102166c0c3e38630460dae08499b.png?x-oss-process=image/resize,w_800/format,webp"></div>自然灿<div class="slate-image" style="margin:0 auto"><img data-origin="https://i1.hoopchina.com.cn/editor/aabec71f214f780022c9bb8dad8baa34.png?x-oss-process=image/resize,w_800/format,webp" src="https://i1.hoopchina.com.cn/editor/aabec71f214f780022c9bb8dad8baa34.png?x-oss-process=image/resize,w_800/format,webp"></div>雕稳健<div class="slate-image" style="margin:0 auto"><img data-origin="https://i5.hoopchina.com.cn/editor/4e946073354b1e8bd78d26e238d4afee.png?x-oss-process=image/resize,w_800/format,webp" src="https://i5.hoopchina.com.cn/editor/4e946073354b1e8bd78d26e238d4afee.png?x-oss-process=image/resize,w_800/format,webp"></div>司马光<div class="slate-image" style="margin:0 auto"><img data-origin="https://i11.hoopchina.com.cn/editor/803f74f9ceca9d204e223e525b9ce5d2.png?x-oss-process=image/resize,w_800/format,webp" src="https://i11.hoopchina.com.cn/editor/803f74f9ceca9d204e223e525b9ce5d2.png?x-oss-process=image/resize,w_800/format,webp"></div>33Svan<div class="slate-image" style="margin:0 auto"><img data-origin="https://i1.hoopchina.com.cn/editor/62b6418545fa358c8a0f14be39c29f79.png?x-oss-process=image/resize,w_800/format,webp" src="https://i1.hoopchina.com.cn/editor/62b6418545fa358c8a0f14be39c29f79.png?x-oss-process=image/resize,w_800/format,webp"></div>princess<div class="slate-image" style="margin:0 auto"><img data-origin="https://i11.hoopchina.com.cn/editor/2f25671c51ec3622b6fe4fb97d3263bb.png?x-oss-process=image/resize,w_800/format,webp" src="https://i11.hoopchina.com.cn/editor/2f25671c51ec3622b6fe4fb97d3263bb.png?x-oss-process=image/resize,w_800/format,webp"></div>15zy<div class="slate-image" style="margin:0 auto"><img data-origin="https://i3.hoopchina.com.cn/editor/91bebb53fe6e89f1795622293857ba9d.png?x-oss-process=image/resize,w_800/format,webp" src="https://i3.hoopchina.com.cn/editor/91bebb53fe6e89f1795622293857ba9d.png?x-oss-process=image/resize,w_800/format,webp"></div><div class="slate-divider slate-hr"><hr style="background-color:#D9D9D9;height:1px;border:none"></div>三、回归分析分别使用选手当日的场均击杀、伤害和击倒为因变量，以选手个人效应为自变量，控制每场的其他战队状态（淘汰数和排名的倒数），控制比赛日和场次，聚类到地图层面，进行分析：<div class="slate-image" style="margin:0 auto"><img data-origin="https://i5.hoopchina.com.cn/editor/1ee300fd01a7e896530e0944779233df.png?x-oss-process=image/resize,w_800/format,webp" src="https://i5.hoopchina.com.cn/editor/1ee300fd01a7e896530e0944779233df.png?x-oss-process=image/resize,w_800/format,webp"></div>一个反直觉的事情是选手个人效应越高，其场均淘汰越高，而场均伤害和场均击倒就越低。这并不符合常识，或者说，AG仍然没有组成一个完善的队伍，其战斗的思路在整个常规赛阶段没有确定下来。<div class="slate-divider slate-hr"><hr style="background-color:#D9D9D9;height:1px;border:none"></div>当然，这个分析十分粗糙，建立的模型也不能说很完善，有的结论还不能说稳健，有待进一步研究。至少第一步方差分解跑出来选手基本都没啥影响。最大的问题我也知道，就是其实PEL选手很讲究队伍内的“化学效应”，这个其实不同于高管或者官员，其效应是很难单独被提取出来的。或者说，PEL更符合新古典拓展下的模型，即战队风格和选手风格是一个互相选择的过程。综上所述，个人水平比较低，大家看个乐子就好。（祝毕业生毕业快乐）

AG花了1000多万购买选手，然后在整个春季赛频繁更换调整阵容，这个事情可以说是春季赛最大的乐子。雕稳健、33、诚C这些选手都是在其他俱乐部的大哥，司马光和自然灿又是亚运冠军选手，15zy这赛季上场表现也不俗。这样强悍的纸面数据，结果是连总决赛都没进……

于是我就惊奇的发现，这个好像是一个完美的数据分析样本。可以参考的有几篇文献，比如

Bertrand & Schoar（2003），姚洋和张牧洋（2013），王贤彬和徐现祥（2014），

。他们的思路比较相似，以姚洋和张牧洋（2013；2015）的为例，就是官员/管理者在城市之间调动，然后他们的个人效应就能独立于城市和时间效应而被提取出来。如图所示：

详细的理论分析和模型就不再赘述，但是我第一反应是：AG简直太符合了。

很显然，AG在不同场次、地图中频繁地更换选手，实际上就是一个很好的联通样本。那么就可以按照

1.方差分解法考察选手个人造成了多少影响。

2.提取个人效应，利用个人数据建立回归模型。

当然，我们还可以考察上个赛季他们的表现，来研究转会的价值，目前还没做。

人均GDP对数、人口对数、通货膨胀率，那么照此思路，可以如下设计——

首先，模型的Y就是设为AG在每一场的分数，加一取对数处理。我选取的样本是常规赛的150场比赛，每场比赛都有4个选手，加起来应该是600个观测值。

其次，模型的X可以直接使用其他战队的情况，这里假设一个队伍的分数可以被场上其他15支队伍的分数来解释。

但是，由于PEL的名次和排名分的关联不是连续的，第9到第16名都是0分，但很显然他们对场上局势造成的影响肯定是不一样的，同样第7第8都是1分……那么我们就要用排名代替排名分来估计每支战队在当局的影响，但是又出现了一个问题，没有参与比赛的四支队伍怎样表示？

于是，我采取了这样一个方法，对于排名造成的影响，用名次的倒数表示，如果没参赛，就赋值为0。对于淘汰造成的影响，直接用淘汰分表示，如果没参赛，就赋值为0。

很显然，任何一支战队淘汰数越大，其对整局比赛的影响也会增大，其排名的倒数表示全队被淘汰时吃鸡的概率，也是对于全局的影响。

所以用于拟合的变量一共有38个，如果控制了场次、比赛日次和选手，加上常数项，待估参数一共有74个，那么600个样本能满足估计的基本要求。

首先，这是变量的描述性统计，score是AG的分数，队名_elimsc是淘汰分，队名_rkrcpl是当局名次的倒数。4am用FAM代替，狼队用WOL代替。

其次，这是逐步控制当日比赛场次，比赛日和选手的结果：

可以看到，大部分对手战队增长对全局影响时，都会显著的降低AG的得分。添加比赛日的固定效应判定系数增长明显，而控制选手后几乎没有增长。这意味着选手更换几乎不影响AG的成绩变动，

或言之，选手不应为战队的得分负有主要责任。

当然，依旧提取选手的个人效应来进行分析。

我在上一步中提取了每个选手的个人效应，并搜集了他

们当场AG的得分和排名倒数（1/排名），

为因变量情况。个人效应越高，相当于对队伍提升越大，从低到高是诚c、自然灿、雕稳健、司马光、33Svan、princess、15zy。

（诚C个人效应最低我是没想到的）

分别使用选手当日的场均击杀、伤害和击倒为因变量，以选手个人效应为自变量，控制每场的其他战队状态（淘汰数和排名的倒数），控制比赛日和场次，聚类到地图层面，进行分析：

选手个人效应越高，其场均淘汰越高，而场均伤害和场均击倒就越低。这并不符合常识，或者说，AG仍然没有组成一个完善的队伍，其战斗的思路在整个常规赛阶段没有确定下来。

当然，这个分析十分粗糙，建立的模型也不能说很完善，有的结论还不能说稳健，有待进一步研究。至少第一步方差分解跑出来选手基本都没啥影响。

最大的问题我也知道，就是其实PEL选手很讲究队伍内的“化学效应”，这个其实不同于高管或者官员，其效应是很难单独被提取出来的。或者说，PEL更符合新古典拓展下的模型，即战队风格和选手风格是一个互相选择的过程。

综上所述，个人水平比较低，大家看个乐子就好。