Earticle

현재 위치 Home

엘리트 스포츠편 : 자연과학영역

스포츠 경기력 분석에서 로지스틱 회귀와 일반화 가법 혼합 모델의 비교
A Comparative Analysis of Logistic Regression and Generalized Additive Mixed Models (GAMM) for Sports Performance Prediction

첫 페이지 보기
  • 발행기관
    한국스포츠학회 바로가기
  • 간행물
    한국스포츠학회지 KCI 등재 바로가기
  • 통권
    제23권 제4호 (2025.12)바로가기
  • 페이지
    pp.519-531
  • 저자
    허종관, 윤종대
  • 언어
    한국어(KOR)
  • URL
    https://www.earticle.net/Article/A477315

※ 기관로그인 시 무료 이용이 가능합니다.

4,500원

원문정보

초록

영어
Modern sports competition has evolved into a complex system involving physical, technical, psychological, tactical, and environmental factors. Performance analysis has thus become essential for providing scientific evidence to support coaching and strategic decisions. This study compares Logistic Regression Models(LRM) and Generalized Additive Mixed Models(GAMM) using Korean Basketball League data. LRM offers interpretability and stable estimates but is limited by assumptions of linearity and independence. GAMM addresses these limitations by incorporating smoothing functions and random effects to model nonlinear relationships and data dependencies, leading to slightly improved prediction and explanation. However, GAMM’s complexity increases estimation uncertainty. The results highlight the importance of selecting statistical models aligned with data characteristics and suggest an integrated approach using LRM for interpretive clarity and GAMM for enhanced predictive accuracy. This complementary strategy advances the rigor and utility of sports performance modeling.
한국어
현대 스포츠 경기는 신체적·기술적 경쟁을 넘어 심리적, 전술적, 환경적 요인을 포함하는 복잡하고 고도화된 체제 로 변화하였다. 이에 따라 경기력 분석은 코칭 및 전략 의사 결정의 과학적 근거를 제공하는 핵심 수단으로 중요성이 증대 됨에 따라 분석 목적과 데이터의 구조에 따른 다양한 통계 모형이 적용되고 있다. 이에 이 연구는 스포츠 경기력 예측에서 가장 많이 적용되어 왔던 로지스틱 회귀모형(Logistic Regression Model, LRM)과 비선형 및 종속성 반영이 가능한 일반화 가법 혼합모형(Generalized Additive Mixed Model, GAMM)을 동일한 KBL 경기 데이터를 적용하여 그 결과를 비교·분석함으로써 적절성을 논의하였다. 분석 결과 LRM은 해석 용이성과 안정적 추정치를 제공하며 주요 변수의 유의 성이 명확하게 파악되었으나, 종속성과 비선형성 가정을 완전히 충족하지 못해 통계적 추론의 신뢰도가 다소 제한적이었 다. 반면 GAMM은 평활 함수를 통한 비선형 효과 포착과 무작위 효과를 통한 팀 및 선수 수준의 종속성 반영으로 예측력 및 설명력이 소폭 향상되었으나, 복잡성 증가에 따른 추정치 불확실성 확대가 동시에 관찰되었다. 결론적으로 통계적 모형의 선택은 스포츠 데이터 특성의 반영이 중요하며, 예측 및 설명 목적에 따라 LRM과 GAMM의 통합적 활용 전략이 효과적임을 시사한다.

목차

요약
Abstract
Ⅰ. 서론
1. 연구의 필요성
Ⅱ. 로지스틱 회귀모형과 일반화 가법혼합 모형의 이해
1. 로지스틱 회귀모형(LRM)
2. 일반화 가법 혼합 모형(GAMM)
Ⅲ. 로지스틱 회귀모형과 일반화 가법혼합 모형의 비교
1. 적용 데이터
2. LRM과 GAMM 모델의 구조화
3. LRM과 GAMM 결과 비교
Ⅳ. 논의 및 결론
참고문헌

키워드

로지스틱 회귀 모델 일반화 가법 혼합 모델 경기력 분석 반복측정 자료 Logistic Regression Model General Additive Mixed Model Performance analysis Repeated measures data

저자

  • 허종관 [ Heo, Chong-Kwan | 경운대학교, 조교수 ]
  • 윤종대 [ Yoon, Jong-Dae | 경운대학교, 부교수 ]

참고문헌

자료제공 : 네이버학술정보

간행물 정보

발행기관

  • 발행기관명
    한국스포츠학회 [Korea Sport Society]
  • 설립연도
    2003
  • 분야
    예술체육>체육
  • 소개
    현대사회에 있어서 신체활동 연구의 주요 탐구과제는 ‘신체활동을 통한 교육’으로부터 ‘인간의 기본적인 움직임’을 목표로 하는 스포츠적인 움직임을 중심으로 한 생명 활동의 개념으로 급속히 변화되고 있는 추세이다. 이러한 환경변화에 대응하기 위하여 본학회는 ‘체육’적인 요소에서 ‘스포츠’적인 요소를 중심으로 한 학문적 정체성을 견고히 하고, 정기적인 학술지 발간과 학술활동을 통해 한국스포츠츠 문화의 발전과 학문적인 발전에 기여하는데 그 목적이 있다.

간행물

  • 간행물명
    한국스포츠학회지 [The Korea Journal of Sport]
  • 간기
    계간
  • pISSN
    1738-3250
  • 수록기간
    2003~2026
  • 등재여부
    KCI 등재
  • 십진분류
    KDC 692 DDC 796

이 권호 내 다른 논문 / 한국스포츠학회지 제23권 제4호

    피인용수 : 0건 (자료제공 : 네이버학술정보)

    함께 이용한 논문 이 논문을 다운로드한 분들이 이용한 다른 논문입니다.

      출처 : 네이버학술정보

        0개의 논문이 장바구니에 담겼습니다.

        페이지 저장
        소속기관 조회
        이용자님의 소속기관(단체)이 서비스에 가입되어 있는지 확인해 보십시오.
        기관회원에 소속되어 있는 이용자는 원문을 무료로 이용할 수 있습니다.