CRAFTED NBA Grocery
craft OPM
Offensive Crafted Plus Minus=（（標準化ODARKO×2）＋標準化OLEBRON＋標準化ODRIP＋標準化OBPM＋標準化OLA3RAPM）÷6
33.3% ODARKO
16.6% OLEBRON
16.6% ODRIP
16.6% OBPM
16.6% OLA3RAPM
多くの異なるPlus/Minus/Metricsの集合体。
まず、全変数を同じ尺度に変換し、組み合わせ変数の数で割る。
この数値をMYRPM scaleに変換する。
SQshoot quality =((Spacing×2) + ((Standardized Padded FT% + Standardized Padded 3P% ) x 5)) / 7
Spacing2倍 + padding5倍のshoot percentageを、選手のcareer Spacing評価と75/25でblendし、1-100point scaleに変換したもの
Spacing = 3PA × (3P%× 2.25 - 0.535) =(3PA * (3P% * 1.5)) - その seasonのリーグ平均EFG%
シュートの質の指標で、試行回数と精度の両方を考慮し、試行回数に若干の調整を加えたもの。 この場合、EFG%はそのシーズンのリーグ平均EFG%を表す
Standardized Padded 3P% = (3PM + 242.61 x LeagueAverage3P%) / (3PA + 242.1)
Standardized Padded FT% = (FTM + 24.11 x LeagueAverageFT%) / (FPA + 24.11)
CraftDPM
Defensive Crafted Plus Minus｜（（標準化DDARKO×2）＋標準化DLEBRON＋標準化DDRIP＋（標準化DBPM÷2）＋（標準化DLA3RAPM×2） / 6.5
31% DDARKO
31% D3RAPM
15% DLEBRON
15% DDRIP
7% DBPM
多くの異なるPlus Minus Metricsの集約。 まず、全ての変数を同じ尺度に変換し、組み合わせて変数の数で割る。 この数値をMYRPMスケールに変換する。
offense負荷
={0.75A + FGA + 0.44FTA + 0.715 Box creation + turnover}
この計算式はBackpicks.comのBen Taylorによるもの。
Box Creation
チームメイトのために作ったOpen shot数の100あたりの推定値Ast0.1843+(Pts+TOV)0.0969-2.3021(3pt proficiency)+0.0582(Ast*(Pts+TOV)*3pt proficiency)-1.1942
この計算式はBackpicks.comのBen Taylorの記事から。
3pt proficiency = (2/(1+EXP(-3PA))-1)*3P%
Passer Rating Playerのパスの質の推定値｜標準化負荷＋（標準化アスト対負荷比3）＋（標準化アスト対負荷比（position別）÷1.75）-（標準化TOV対負荷比2）＋（標準化creation対負荷比÷2）＋（標準化された身長÷5）
この数値を1-10scaleに変換。 これとPortabilityは、Backpicks.comのベン・テイラーが作成したものにInspireされたversion。
Portability
TS% + (標準化shoot能力 x 2.5) + (標準化craft DPM(position別) / 2) + (標準化Versatality / 3) + (標準化Passer rating x 1.5) - (標準化ロード x 0.25) - (標準化Box x 0.15)
16% scoring efficiency
40% shooting能力
8% defence能力
5% defence万能性
25% パス能力
6% 使用率（外れ値にはPenaltyを課す）
この数値を1〜10のscaleに変換する。 この数値とPasser ratingは、Backpicks.comのベン・テイラーが作成したものにインスパイア。
shoot能力
(2/(1+EXP(-3PAper100))-1)*3FG%
shootの質と精度の両方を考慮した指標。
PTS_GAINED
teamのshoot選択と得点の効率性をリーグ平均と比較して評価する指標で、特に過去のdataに基づいてより効率的だと知られているshoot位置に焦点を当てる。 これは、rim、Midrange、3point lineの先などcourt上の様々なshoot zoneを分析し、これらのzoneにおけるteamのperformanceを、予想と比較して評価から得られます。
総得点は、リーグ平均に対する teamのshotの選択と得点を評価する微妙な指標。 この評価では特に、リーグ全体のshoot dataを分析した結果、rim付近、Midrange、3point lineを超えてのshootなど効率的と判断されたShoot locationに焦点を当てています。
PTS_SAVED
リーグ平均に対するteamの対戦相手のshoot選択と得点の効率性を評価する指標で、特に過去dataに基づいてより効率的である事が知られているshoot位置に焦点を当てる。 rim、Midrange、3point lineの先などcourt上の様々なshoot zoneを分析し、teamの対戦相手がこれらのzoneでどのようなperformanceをしているかを予想と比較して評価することで導き出される。
Basketball Reference
Effective Field Goal Percent｜(FG + 0.5 * 3P) / FGA｜3point shootの付加価値を考慮したshoot効率の指標
True Shooting Percent｜PTS÷（2＊TSA）｜3Pとfree throwを考慮したshoot効率の指標。
3point率
3 Point Attempt Rate - Playerのshoot試投の内3pointが占める割合
フリースロー率 - field goal1試投あたりのfree throw成功数。
Total Rebound Percent - Playerがfloorにいる間に獲得したreboundの割合
Assist Percent - Playerがfloorにいる間に assistしたteammateのfield goalの割合
STEAL率 - Playerがfloorにいる間、STEALで終わった相手のpossession数。
ブロック率
Block Percent - Playerがfloorにいる間、相手の2pointshootをblockした割合
Turnover Percent - Playerが100playあたり犯したturnoverの数
USage Percent｜100 * ((FGA + 0.44 * FTA + TOV) * (Tm MP / 5)) / (MP * (Tm FGA + 0.44 * Tm FTA + Tm TOV)) -｜ Playerがfloorにいる間に使ったplayの割合。
Win Shares- Playerが seasonに貢献した勝利数。
48分あたりのWin Shares - 48分あたりに Playerが貢献した勝利数。
BPM Box Plus Minus - 100possessionあたりリーグ平均を上回る得点数
VORP(Value over Replacement Player) - 平均的teamに換算し、82試合 seasonに按分したある選手が代替 levelの選手を上回って貢献した100TEAM possessionあたりの得点のBox score推定値。
NBAスタッツウェブサイト
RADpg Rim Attempts Defended per Game - Playerが1試合あたりにdefenceしたbasketから3ft以内のshoot数
DFGpct Defended Field Goal Percent - 相手Playerがdefending playerに対して3ft以内でshootを決めた割合
NDFGpct Non Defended Field Goal Percent - 相手 Playerが他の全Playerに対して3ft以内でshootを決めた割合。
FGDiffpct
Field Goal Percentage Difference (Field goal percentageの差) - 相手 Playerがリムでshootする割合と、他の Playerがshootする割合の差
DFL
Deflections - Playerが36分間に受けたディフレクトの数。
タッチ数
Playerが1試合にボールに触れた回数。
BBall指数
レブロン
ボックス事前正規化ON-offを使用した運調整選手推定
コスティア・メドベドフスキー
DARKO
日次調整および回帰カルマン最適化予測 - 機械学習主導のbasketball選手Box score予測システム。 DARKOの中核はBox score予測systemですが、RPMやPIPMなどと同様の性質を持つplus minus予測の生成にも使用できます。
ライアン・デイビス
RAPM
正規化調整プラスマイナス
LARAPM
運調整済み正規化調整済みplus minus
LA3RAPM
運調整済み3年定期調整済みPlus minus
ナイロン計算 - クリシュナ・ナルス & パトリック・ミラー
汎用性評価
上記リンクの記事より - "...最初のステップは、攻撃的な選手と対応するpositionをマッチさせることである。 そのために、Basketball-ReferenceのPlay by Play Dataに基づくクリシュナ・ナルス（@Knarsu3）のポジション推定を使用した。 クリシュナ・ナルスの表はこちら。
次に、選手が各positionでガードに費やした時間の割合を計算し、各positionの割合を二乗した。 各選手の四角の合計が未加工の汎用性評価である。 合計に続いて、最も万能なdefenderと最も万能でないdefenderの間の距離を縮めるために、生ratingの平方根を取り（自然対数を取っても同様に機能する）、最大数が1になるようにdataを正規化した。"ratingが小さいほど、より万能なdefenderである。
そして、この数字を1-100のscaleに変換し、100を最も万能なdefender、0を最も万能でないdefenderとした。
Five thirty eight
RAPTOR
選手追跡（と）ON／OFFratingを使った）頑健なalgorithm
ガラスの掃除
AstUsg
Assist to Usage Percent｜AST% / USG%｜使用率に対するアシストの頻度。
統計学で変数標準化は、異なるtypeの変数間のscoreを同じ尺度に置き比較できます。
変数の平均と標準偏差を計算。
変数の各観測値について、平均を引き、標準偏差で割る。
このプロセスは、特定の観測値が平均より上または下にある標準偏差の数を表す標準スコア。
例 標準化値 2 は、観測値が平均より2標準偏差上にある事を示す。
NBAの試合では、自分ではどうしようもない部分もある。 例えば、対戦相手のshootがhitすれば、克服するのは不可能に近い。 しかし、 teamが影響力を行使できる領域の1つは、shoot selectionである。 3 point percentageのような統計が安定するのに約250回の試行が必要なのは興味深い。 対照的に、 teamや対戦相手のshootの種類は、わずか12分のゲームプレイで安定します。 この認識から、私たちはshot profileがチームのperformanceに与える影響を定量化することにしました。 例えば、シカゴ・ブルズが事実上offenseで0.75点を失い、さらに相手に1.75点を許している場合、彼らは毎試合、自分と相手のshot profileだけで2.5点差から始めることになる。 これは実質的に、堅実なrotation Playerの48分を、リーグ最悪の Playerの48分に置き換えるのと同じである。
以下がその概要である：
効率的なゾーン： リムに近い位置からのshotとスリーpoint、特にCorner threeは、より効率的とみなされる。 NBAのshot location dataは、teamがどこでshotを打ち、どの程度成功しているかを理解するのに役立ちます。
獲得得点の計算： これは、各ゾーンにおけるチームのshoot数と、そのシュートによる得点を分析するもの。 その結果を、同じshot分布やリーグ平均のshot分布から平均的な teamが獲得する得点と比較します。 平均を上回れば、shootやshotの選択が効率的であった事を示し（「獲得点数」）、逆に下回れば、Chanceを逃した事を示す（「喪失点数」）。
総得点： 全zoneでの得失点を集計で、このStatisticは teamのoffense効率を1つの数字で評価します。 Plusの数値は優れた効率性を示し、慎重なshot選択と得点を反映します。 逆にマイナスの場合は、非効率であり、戦略的改善の余地がある事を示します。コート上にいるときとコート外にいるときの正味の得点差を計算することによって、プレーヤーの全体的なオフェンスへの影響を測定する指標
「総得点」は、フィールドゴール率や1試合あたりの得点といった従来の指標を超え、得点効率におけるショット選択の戦略的重要性を強調します。 teamのoffense戦略に対するこの深い洞察は、defenceの鏡となる指標である「Total Points Saved」を補完する。 「Total Points Saved」は、相手のシュート位置とゾーン内での有効性を分析することで、defence効率を評価する。 defenceの影響力はdefenderの能力によって大きく異なるため、効率性の修正は非常に重要である。 例えば、デビン・ブッカーやケビン・デュラントのようなsharp shooterが放った10本のMiddle rangeのジャンパーは、ベン・シモンズやスペンサー・ディンウィディの同じトライとは意味合いが異なる。 同様に、ジョナサン・アイザックのようなdefenderが近くにいるときにリムでのショットを許すことは、ケリー・オリニクがdefenceの主役である場合とは異なる脅威レベルをもたらす。
総得点（TPG）は、得点、アシスト、ターンオーバー、offense rebound、ファストブレイクpointにつながるdefence reboundを考慮します。 選手のAll-roundなoffense Impactを評価するのに役立つ。
このデータによると、ジェームス・ハーデンはそのelite得点力とプレーメイキング能力により、ここ数シーズン常にTPGでリーグトップの一角を占めている。
ルカ・ドンチッチも、その見事なAll-round offensive skillsと使用率の高さから、年齢相応のTPGで非常に上位にランクインしている。
ジャンニス・アンテトクンポやニコラ・ヨキッチのようなプレーヤーは、効率的な得点力とチームメイトにチャンスを作る能力によって上位にランクインしている。
P.J.タッカーやダニー・グリーンのようなロールプレーヤーは、プレーメイキングや得点の仕事をそれほどこなさないため、一般的にTPGは低くなる。
TPGは、プレーヤーのオフェンスにおける総合的な価値や、チームの得点に与える影響を評価する際に、基本的なボックススコアのスタッツを超えた、さらなる文脈を提供するのに役立つ。
データによると、スーパースターのスコアラーとファシリテーターはTPGでリーグをリードする傾向がある一方、3&DのロールプレーヤーはTPGの数字が控えめであることが多い。
TPGはまだ比較的新しい指標だが、PPG、APG、使用率などのような伝統的なスタッツと一緒に使えば、有用な洞察を与えてくれる。
要約
ポゼッションは、バスケットボールの分析における基本的かつ重要な指標です。ポゼッションを正確に計算することによって、ペース、オフェンス効率、ディフェンス効率などの他の指標を導き出すことができます。以下にポゼッションの計算方法を詳しく解説します。
ポゼッションの計算方法
ポゼッションの計算には、次の4つの主要な要素が含まれます：
フィールドゴール試行数 (FG試行)
ターンオーバー (TO)
フリースロー試行数 (FT試行)
オフェンスリバウンド (ORB)
基本的なポゼッション計算式
基本的なポゼッションの計算式は次の通りです：
Basic Possession Formula=0.96*[(Field Goal Attempts)+(Turnovers)+0.44*(Free Throw Attempts)-(Offensive Rebounds)]
この式では、0.44はフリースローがポゼッションに占める割合を反映しています。調査によると、すべてのフリースローの約44%がポゼッションに影響を与えるため、この値が使用されています。0.96は、ミスショットがオフェンスリバウンドによって保持されないケースを考慮するための修正係数です。
より具体的なポゼッション計算式
より詳細なポゼッション計算式は、以下のように、チームと対戦相手の統計をもとに推定されます：
この式では、オフェンスリバウンドとディフェンスリバウンドの関係を調整し、チームと対戦相手の両方の統計を加味してポゼッションを推定します。
ポゼッション数の調整
ポゼッションは、試合ごとに異なるペースやプレースタイルを反映するため、通常は100ポゼッションあたりで標準化されます。これにより、異なる試合のスコアや効率を比較しやすくなります。
ポゼッションに関連する指標
オフェンス効率（Offensive Efficiency）: 100ポゼッションあたりの得点
ディフェンス効率（Defensive Efficiency）: 100ポゼッションあたりの失点
ペース: 1試合あたりのポゼッション数
これらの指標はすべてポゼッション数に基づいて計算され、チームの実力や試合のペースを比較するのに役立ちます。
まとめ
ポゼッションの計算は、バスケットボール分析における基礎であり、ペース、オフェンス効率、ディフェンス効率を理解するために不可欠です。正確なポゼッションの算出は、試合
More Specific Possession Formula=0.5*((Field Goal Attempts + 0.4*Free Throw Attempts – 1.07*(Offensive Rebounds/(Offensive Rebounds + Opponent Defensive Rebounds))*(Field Goal Attempts – FG) + Turnovers) + (Opponent Field Goal Attempts + 0.4*(Opponent Free Throw Attempts) – 1.07*(Opponent Offensive Rebounds)/(Opponent Offensive Rebounds + Defensive Rebounds))*(Opponent Field Goal Attempts – Opponent FG) + Opponent Turnovers))
https://craftednba.com/blog/an-attempt-to-quantify-basketball-iq/
basketballIQは、試合展開の予知能力「予測力」と、様々なpressureや状況下で最適な行動を選択する能力「意思決定力」、意識、court vision、ミス抑制などの選手の資質。
分析は統計にのみ焦点を当て、skillの質的評価には焦点を当てていないため、限界があるが、今後、測定基準を更に改良で、目に見えにくい認知skillをより適切に測定できるようになるかもしれない。複雑で多次元的なため、定量的分析だけで完全把握は難しいが、 10個の指標に基づくかなり複雑な計算式と統計学を使って試みたどり着く：
shot選択
Best shotが打てているか？ 各選手が打つshoot attemptを5bucketに分類し、定義している。
0～3ftリム、3～10ft、10～16ft、16～23ft、3point。
各zoneからの選手のshoot1本あたり得点と各rangeからの試投割合を計算し、そのzoneのリーグ平均と比較し、「良い」shotを打っているか「悪い」shotを打っているかratingに基づき評価を算出！
Mid-range shootは下手な shootとみなされる選手もいるかもしれないが、ケビン・デュラントのような選手にとっては全く妥当な shoot。
簡単には
3P shootが得意で、何本も3P shootを打っていますか？ 良い！
Floater shootが苦手で、Floaterをたくさん打っているか？ 悪い！
Passer rating
パス効率は？ 詳しくは用語集をご覧ください。
Pound-to-pound rebound
同じ選手が毎年rebound statsでリーグをリードしており、randomではなく、ballの行方を知るコツのある選手がいる事は分かる。
高身長選手がより多くreboundを取るのはsizeの問題が明らかな理由。 身長／wing span／体重"同size "、defenceの役割も同じような選手とrebound率を比較で、どれだけreboundを取れているか各選手にrebound評価を与える事で解決。 ゴベアのようにpaintに釘付けBIGは、Perimeterで時間を過ごすSwitch heavyなBIGよりも当然reboundを多く取れるはずだ。
Shoot foul率
相手にはgameで最も効率的なshot free throwを撃たれたくないはずだ。
10本shootをdefenceし、その内3本でfoulをした場合、shooting foul 率は30％。
測定のため入手したdata
nba.com「defenceされたshoot」この選手がshooterに最も近いdefenderだったshoot総数を示すdata。
basketball-reference選手が犯した shoot foul数を教えてくれるPlay-by-play data。
cutting
cuttingは、court上の他の9人のPlayerの動きに反応する能力を示す。 Player得点の内cutを経由したoffense得点割合を使い、同じようなoffense役割を持つ他の選手と比較し、測定。
常にballを持ってplayしている選手が、主にOff the ballで playしている選手ほどcutから得点を挙げる事は期待できないから。
Deflection
何が来るかを予測し、基づいて行動できるか。
Creation to Turnover Percentage（CTOV%）
offense Usage %に対するBall over頻度。単純なTurnover rateではなく、「物」の量に対してballをturnoverする頻度という質問に答えるもの。
ボールオーバーをしない 一方、ボールを持つ時間が長い分、ボールオーバーが多い。 代わりにBox Creationを使う理由は多くあるが、Ben TaylorによるNylon Calculusの記事で述べられています。
相対personal foul率(リーグ平均 foul率に対するfoul頻度)
非常に単純だが、相手にfree throwを撃たれたくない。
foulが多ければ多いほど、 bonus、 shoot foulをするにせよ、相手はより多くのfree throwを得る。 foulは悪い事！
Non-box offensive plus minus & defensive plus minus
ほぼ全ての高度なPlus minus統計は、ある種のBox score要因を持っているため。
背後にある考え方は、従来のBox scoreでは見る事ができない何かを拾う事ができるかどうかを確認する。
DARKOはDARKOplus minusとBox plus minusの両方を共有しているので、選手Box plus minusーDARKO Plus minusで、「Non-box plus minus」と呼ばれる値が得られる。 これは、測定できない全ての物の代用として使用。 良いチームメイトである事、Hot handにfeedする事、defenceのBig playerがdefence面で激しく playできるように試合の早い段階でtouchを与える事、その他Playerがゲームに影響を与える事ができる計り知れない方法をpickupできればと思います。
assist率、steal率、 block率、turnover率などの指標を用いて、得点力や運動能力といったphysical toolに頼らずに勝利に影響を与える能力に基づいて選手を評価する。mpact指標を使って、ある程度測定できる事を示す。
AST%が高くTOV%が低い選手は、ballをturnoverする事なくoffenseを効果的にControlできるため、basketballIQが高い傾向にある。
STL%とBLK%が高いPlayerは、相手のplayを読む優れた意識と直感を持つ。
さて、基礎を固めた所で、rankingに飛び込もう。
ご覧の通り、ヨキッチはこの指標ではかなり極端な外れ値。 彼は10個のinputのどれにおいても9位（Passer rating）より良い評価を得ていないため、全体的貢献の強さでそうなっているのだが、Non-box defense以外の全指標でもTOP100にrank in。 TOP10のほとんどを結びつけているのは、offenseではballを大切にし、defenceでは foulなしでturnoverを強要している事だ。 さて、TOP10が出揃った所で、いくつかinputに基づいた最上級の評価をしよう。
Stop foul！
defenceしたshotのうち、その選手がshooting foulを犯した割合。
shooterへの foulが多いワースト10にペイサーズが4人も入っているのは、実に不思議であり、対戦相手のフリースロー率が最下位である事の説明にもなる。 良くない
記事から抜粋した重要な情報です：
Thinking Basketballの考案者であるベン・テイラーは、ボックスクリエーション、オフェンスロード、パサーレーティングなど選手のオフェンスクリエーションとパス能力を評価するためのいくつかの指標を開発した。
ボックスクリエーションは、選手が複数のディフェンダーを引きつけてチームメイトのために作ったオープンショットの数を推定します。 アシスト、得点量、3ポイントの熟練度も考慮されます。
オフェンスロードは、得点トライ、ターンオーバー、アシスト以外のアシストなど、チームのオフェンスにプレーヤーが直接関与した割合を測定します。
パッサーratingは、assist率、レイアップassistの割合、3point以外のCreation、身長、turnoverを考慮し、プレーヤーの総合的なパス能力を評価することを目的としています。
記事では、Box Creationが複数Playerに対応するdefenceを考慮していない、Offensive Roadが素早い意思決定を区別していない、パッサー・レーティングが長身で保守的なガードを過大評価しているなど、これらの指標に対する潜在的な批判について論じている。
この記事では、メトリクスの枠を超えて、エリートパスの4つの重要な特性、すなわち方向性、スピード、予測、操作性を強調している。 著者はまた、コートビジョンとパスの角度という点で、背の高い選手が有利であることも指摘している。
記事では、3つのパス指標をそれぞれ計算するために使用される詳細な計算式と、さまざまなタイプのターンオーバーの分類とその影響についての議論が提供されています。
全体として、この記事はベン・テイラーの革新的なパス指標と、バスケットボールにおけるプレーメイキングの評価のニュアンスを包括的に紹介しています。