机器算法验证 - 测量分类因素对多组二项式结果的影响 - 吾爱随笔录

当一支球队领先（领先）或落后（落后）少于 8 分以及他们是主场还是客场时，我想对篮球的投篮效率进行一些分析。以下是一些数据示例：

Ray Allen   HOME    BEHIND  59.4%   134
Ray Allen   HOME    AHEAD   57.13%  132
Ray Allen   AWAY    BEHIND  49.1%   166
Ray Allen   AWAY    AHEAD   48.03%  126
Jason Terry AWAY    BEHIND  56.6%   242
Jason Terry HOME    BEHIND  52.0%   193
Jason Terry AWAY    AHEAD   50.05%  198
Jason Terry HOME    AHEAD   48.73%  207
Jamal Crawford  AWAY    AHEAD   51.65%  82
Jamal Crawford  HOME    AHEAD   42.50%  178
Jamal Crawford  AWAY    BEHIND  35.5%   129
Jamal Crawford  HOME    BEHIND  33.4%   118
Kevin Durant    HOME    BEHIND  48.6%   222
Kevin Durant    HOME    AHEAD   44.05%  248
Kevin Durant    AWAY    BEHIND  41.4%   325
Kevin Durant    AWAY    AHEAD   40.07%  213

第 4 列是 FG%（即投篮命中率），第 5 列是投篮次数（即尝试次数）。

即使有这 4 名球员（数据集中大约有 200 名），您也可以看到球员之间的平均 FG% 存在差异，并且对于每个球员，他们是否“更好”并没有一致的模式在家里或外地或前方或后方。因此，据我所知，组间和组内存在很多差异。

我考虑过使用 lmer，但我不知道如何解决这个问题，因为如果我只使用 FG% 作为结果，我会丢失拍摄多少张照片的信息。最终，我想把它放到 BUGS 中，但我认为现在可能有更直接的方法，因为我还没有完全准备好。

我应该补充一点，我真正追求的是一种方法来确定玩家在其中一种情况下是否“真的”更好，或者仅仅是由于小样本量的噪声/变化而导致的明显差异。

感谢您的任何建议。