한국프로야구 투수 연봉 평가 척도에 영향을 미치는 경기력 변수 분석 연구

Q: 이 논문에서 정의한 세이버메트릭스란 무엇인가?

야구 기록을 통계적으로 분석하여 선수 및 팀의 성과를 평가하는 방법론을 의미한다. 특히 수비력의 영향을 받는 기존 지표보다 투수 본연의 경기력을 객관적으로 나타낼 수 있는 지표들을 활용하여 성과를 측정하는 분석 체계를 포함한다.

Q: 국내 프로야구 투수의 연봉 상승에 영향을 미치는 핵심 요인은 무엇인가?

연구 결과, FIP, 삼진, 연령, 선발 등판 횟수가 연봉에 유의미한 영향을 미치는 변수로 확인되었다. 특히 수비 무관 추정 평균자책점인 FIP와 같은 세이버메트릭스 지표가 기존 지표보다 투수의 연봉 인상 여부를 설명하는 데 더 효과적이다.

전홍권; 박성배

doi:10.51979/KSSLS.2018.02.71.185

추천

검색

질문

자료유형: 학술저널

저자정보: 전홍권 (한양대학교) 박성배 (한양대학교)

저널정보: 한국사회체육학회 한국사회체육학회지 한국사회체육학회지 제71호

발행연도: 2018.2

수록면: 185 - 198 (14page)

DOI: 10.51979/KSSLS.2018.02.71.185

이용수

📌

연구주제

📖

연구배경

🔬

연구방법: 이 논문의 연구방법이 궁금하신가요?

🏆

연구결과: 이 논문의 연구결과가 궁금하신가요?

초록· 키워드

Since the concept of Sabermetrics is introduced into the business of baseball industry, several outcomes (i.e., win/loss prediction model and prediction of going playoff) are developed and utilized in the past decade or nowadays. The role of pitcher has been more important than ever and thus the mechanism of performance analysis brought attentions to sport managers. Therefore, the main purposes of this study are (1) to segregate starting pitchers and relievers into some groups abided by K-means clustering and (2) extract the meaningful factors which would eventually contribute to valuation of their market value, respectively. The performance records and salary information of a total of 2,792 former and current professional baseball players from 1997 to 2015 were obtained. As results, strikeouts (predictive importance = 0.41), age (predictive importance = 0.27), the number of taking the mound by starting pitcher (predictive importance = 0.26) and FIP (Fielding Independent Pitching and predictive importance = 0.05) were adopted as important factors in K-mean clustering supported by simple regression analysis with artificial neural network of multi-layer perception. Besides, the results by K-means clustering included that can be divided into seven groups and can especially find two groups: Cluster 2 (top-tier starting pitchers) and Cluster 7 (good relievers).

#sabermetrics #K-means clustering #multi-layer neural network

참고문헌

참고문헌 신청

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2018-692-001800421

배경 및 목적
대상 및 방법론
분석 및 수행
결과 및 의의

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI가 분석한 연구 핵심

이 논문의 한줄 요약

이 논문의 연구방법

목차

참고문헌

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)