根据php项目，传球成功率与胜率相关性？

wen PHP项目 2026-08-19 93

本文目录导读：

数据模型设计（MySQL + PHP）
核心算法：皮尔逊相关系数（Pearson Correlation）
调用示例（在你的控制器或服务中）
重要分析提示（避免误判）
扩展：为什么可能得到“低相关”结果？

这是一个非常有意思的足球数据分析问题，在PHP项目中，如果你要计算“传球成功率”与“胜率”的相关性，不能简单地看一个数字，因为传控足球（如曼城）和防守反击（如马竞）的风格差异巨大。

如果要在PHP中实现严谨的分析，建议按以下步骤进行，并引入皮尔逊相关系数。

数据模型设计（MySQL + PHP）

你需要一个包含这两项核心数据的数据表，为了计算胜率,需要关联比赛结果。

-- 假设是球队赛季数据表
CREATE TABLE team_stats (
    id INT PRIMARY KEY AUTO_INCREMENT,
    team_name VARCHAR(50),
    season VARCHAR(20),
    matches_played INT,
    wins INT,
    draws INT,
    losses INT,
    total_passes INT,
    successful_passes INT,
    -- 可以加这个字段，由程序计算
    created_at TIMESTAMP DEFAULT CURRENT_TIMESTAMP
);

传球成功率：successful_passes / total_passes * 100%。
胜率：wins / matches_played * 100%。

核心算法：皮尔逊相关系数（Pearson Correlation）

这是衡量两个变量（传球成功率 X，胜率 Y）线性相关性的标准方法，取值范围在 -1 到 1 之间：

> 0：正相关（传球越好，胜率越高）。
< 0：负相关（传球越好，胜率反而低，例如极致防反球队）。
= 0：无线性关系。

PHP 实现代码（适合放入你的PHP项目公用类库）

<?php
class CorrelationAnalyzer {
    /**
     * 计算皮尔逊相关系数
     * @param array $x 传球成功率数组 [85.2, 78.5, ...]
     * @param array $y 胜率数组 [60.0, 40.0, ...]
     * @return float 相关系数
     */
    public static function pearson(array $x, array $y): float {
        $count = count($x);
        if ($count !== count($y) || $count === 0) {
            return 0.0; // 数据不匹配
        }
        $sumX = array_sum($x);
        $sumY = array_sum($y);
        $sumXY = 0;
        $sumX2 = 0;
        $sumY2 = 0;
        for ($i = 0; $i < $count; $i++) {
            $sumXY += $x[$i] * $y[$i];
            $sumX2 += $x[$i] * $x[$i];
            $sumY2 += $y[$i] * $y[$i];
        }
        $denominator = sqrt(($count * $sumX2 - $sumX * $sumX) * ($count * $sumY2 - $sumY * $sumY));
        if ($denominator == 0) {
            return 0.0; // 避免除零（数据无变化）
        }
        $numerator = $count * $sumXY - $sumX * $sumY;
        return $numerator / $denominator;
    }
    /**
     * 从数据库查询并计算（示例）
     * @param PDO $pdo
     * @param int $leagueId 联赛ID过滤
     * @return array [相关系数, 数据点数量]
     */
    public static function calculateFromDatabase(PDO $pdo, int $leagueId): array {
        $sql = "SELECT 
                    (successful_passes / total_passes) * 100 AS pass_acc,
                    (wins / matches_played) * 100 AS win_rate
                FROM team_stats 
                WHERE total_passes > 0 AND matches_played > 10 -- 过滤样本太少的
                ORDER BY team_id";
        $stmt = $pdo->prepare($sql);
        $stmt->execute();
        $data = $stmt->fetchAll(PDO::FETCH_ASSOC);
        $passAcc = [];
        $winRate = [];
        foreach ($data as $row) {
            $passAcc[] = (float)$row['pass_acc'];
            $winRate[] = (float)$row['win_rate'];
        }
        $r = self::pearson($passAcc, $winRate);
        return ['correlation' => round($r, 4), 'sample_size' => count($passAcc)];
    }
}

调用示例（在你的控制器或服务中）

// 假设你已经有一个PDO连接 $pdo
require_once 'CorrelationAnalyzer.php';
// 获取英超2023赛季数据
$result = CorrelationAnalyzer::calculateFromDatabase($pdo, 1);
echo "样本数量: " . $result['sample_size'] . "\n";
echo "传球成功率与胜率相关系数: " . $result['correlation'] . "\n";
// 解释结果
if ($result['correlation'] > 0.7) {
    echo "强正相关，传控足球在该联赛占主导。";
} elseif ($result['correlation'] > 0.3) {
    echo "弱正相关，传球是重要因素但非决定因素。";
} elseif ($result['correlation'] < -0.3) {
    echo "负相关，该联赛普遍存在防守反击打法。";
} else {
    echo "无明显线性关系，比赛结果更多取决于其他因素（如射门效率、防守强度）。";
}

重要分析提示（避免误判）

在PHP项目里跑出数据后，不要直接下结论,建议对结果进行修正：

区分主客场：很多球队客场传球成功率会下降，但胜率未必下降，建议拆开is_home字段分析。
引入“有效传球”：后场倒脚传球成功率极高，但对进攻无益，如果你有Progressive Passes（推进传球）数据，可将其替换成功率计算,相关性会更真实。
样本量要求：至少统计 20支球队 或 一个赛季 的数据，否则相关系数波动极大,没有统计显著性。