Python案例如何量化主队球迷人数影响？

wen python案例 2026-07-26 2

本文目录导读：

案例一：基于线性回归的边际影响分析
案例二：使用泊松回归预测进球数
案例三：量化“第12人”效应——主客场转换的边际影响
案例四：非线性效应与阈值检测
案例五：机器学习方法（因果推断）
关键注意事项
推荐的数据来源

这是一个很有意思的足球数据分析问题，要量化“主队球迷人数”对比赛结果的影响，通常需要将上座人数（或主场氛围代理变量）转化为可建模的特征，并与其他因素（如球队实力）剥离。

以下是几个Python量化分析的经典案例和步骤,从简单到复杂：

基于线性回归的边际影响分析

目标：在控制主客队实力（如积分、球员身价）后，找出每增加1万名观众,主队预期进球或赢球概率的变化。

数据准备（假设你有历史比赛数据）：

attendance：上座人数
home_goals：主队进球
away_goals：客队进球
home_team_rank：主队联赛排名（或积分）
away_team_rank：客队联赛排名
stadium_capacity：球场容量（用于归一化）

Python代码步骤：

import pandas as pd
import statsmodels.api as sm
# 1. 数据加载与特征工程
df = pd.read_csv('football_matches.csv')
# 创建主场优势变量：上座率（消除球场大小差异）
df['attendance_ratio'] = df['attendance'] / df['stadium_capacity']
# 创建球队实力差
df['strength_diff'] = df['home_team_rank'] - df['away_team_rank']  # 排名越低越强
# 2. 定义因变量：主场净胜球
df['goal_diff'] = df['home_goals'] - df['away_goals']
# 3. 多元线性回归
X = df[['attendance_ratio', 'strength_diff']]
X = sm.add_constant(X)  # 添加截距项
y = df['goal_diff']
model = sm.OLS(y, X).fit()
print(model.summary())
# 4. 解读结果：
# - attendance_ratio的系数：表示当上座率每增加10%，主队净胜球平均变化多少
# - p值检验：该系数是否统计显著（lt;0.05表示显著）

输出解读示例：

系数为0.8，p<0.01：上座率每提高10%，主队预期净胜球增加0.08个。

使用泊松回归预测进球数

足球进球数符合泊松分布,用泊松回归更合理。

import statsmodels.api as sm
import statsmodels.formula.api as smf
# 使用公式API
model_poisson = smf.glm(
    formula="home_goals ~ attendance_ratio + strength_diff + home_goals_lag",
    data=df,
    family=sm.families.Poisson()
).fit()
# 查看系数
print(model_poisson.params)

优点：直接建模进球数,更符合足球统计特性。

量化“第12人”效应——主客场转换的边际影响

核心思路：比较同一支球队在空场（如疫情期）与满场时的表现差异。

数据需求：

2020-2021赛季（空场） vs 2018-2019赛季（有观众）

Python代码实现：

# 1. 创建哑变量
df['has_audience'] = (df['season'] != '2020-2021').astype(int)  # 1=有观众，0=空场
# 2. 固定效应模型（控制球队自身差异）
import statsmodels.api as sm
from statsmodels.regression.linear_model import PanelOLS
# 需要数据为面板格式
df = df.set_index(['home_team', 'match_id'])
model_fe = PanelOLS(
    df['home_goals'],
    df[['has_audience', 'strength_diff']],
    entity_effects=True  # 控制球队固定效应
).fit()
print(model_fe)

解读：has_audience 的系数即为“观众存在”带来的主场进球增加量，欧洲五大联赛研究通常显示该系数在0.2-0.4之间（即每场多进0.2-0.4球）。

非线性效应与阈值检测

球迷影响可能不是线性的：当人数超过一定阈值（如坐满80%）,效应会显著增强。

# 分段回归（寻找断点）
from scipy import optimize
import numpy as np
def piecewise_linear(x, breakpoint, slope1, slope2):
    return np.piecewise(x, [x < breakpoint, x >= breakpoint],
                        [lambda x: slope1 * x, lambda x: slope2 * x + (slope1-slope2)*breakpoint])
# 使用优化寻找最佳断点
popt, _ = optimize.curve_fit(piecewise_linear, df['attendance_ratio'], df['goal_diff'])
print(f'找到的断点：{popt[0]:.2f}，前半段斜率：{popt[1]:.2f}，后半段斜率：{popt[2]:.2f}')

日常应用：如果发现阈值在0.75（75%上座率），则建议俱乐部尽量将上座率维持在75%以上以最大化主场优势。

机器学习方法（因果推断）

使用双重机器学习（Double ML）或工具变量法，排除“强队吸引更多观众”的逆向因果。

from sklearn.ensemble import GradientBoostingRegressor
from econml.dml import DML
# 定义：观众数为处理变量T，球队实力为混淆变量W，结果Y为净胜球
est = DML(model_y=GradientBoostingRegressor(),
          model_t=GradientBoostingRegressor(),
          model_final=GradientBoostingRegressor())
est.fit(y=df['goal_diff'], T=df['attendance_ratio'], W=df[['strength_diff', 'stadium_capacity']])
# 得到因果效应
print(est.effect())

结果：得出“观众人数对净胜球的因果效应”（而非相关性）。