足球角球時間：以 Frailty Model 處理同場內相關性
- 2小时前
- 讀畢需時 4 分鐘
職業足球賽事中，corner kick（角球）既是攻勢延續的常見結果，亦為博彩市場中「角球數量」「首個角球時間」等產品的基礎隨機量。Isaacs、Hu、Peng 與 Swartz（2026）之預印本 arXiv:2602.22684 延續 Peng、Hu 與 Swartz（2024）對角球出現時間的 event history 分析，在原有 finite mixture 與 right censoring 框架之上，引入 frailty 以刻劃「同一支球隊在同一場比賽內」多次角球之間的相關性，並以 Monte Carlo Expectation Maximization（MCEM） 估計參數。下文概述問題設定、模型直觀、以及以 2019 Chinese Super League（CSL） 數據（233 場、2314 個角球事件）為例的主要發現。
一、為何角球時間難用單一分布描述？
角球之間的間隔並非獨立同分布：防守方將球碰出底線後，攻方可獲角球；若開出角球後球再被擋出底線，下一個角球往往在極短時間內出現。Peng 等（2024）已指出此「連鎖角球」現象，並以 mixture 區分 Type 1（前一事件並非角球）與 Type 2（前一事件為角球）；其中 Type 2 再細分為間隔極短之 Type 2-S 與間隔較長之 Type 2-L。此外，入球、半場或全場結束會中斷觀測，故觀察到的是 min(角球時間, 設限時間)，屬 right-censored survival data。
上述前作假設各次角球時間彼此獨立。實務上，同一場內戰術、人員與當日狀態會令「該隊該場」的角球節奏呈現內部相關；忽略相關性可能令標準誤與顯著性判斷偏離實際。新文獻以 game-specific frailty W_ij（隸屬第 i 隊第 j 場）乘入 Type 1 與 Type 2-L 之 hazard，使同一場內角球風險可同步升高或降低，而 Type 2-S 仍保留短間隔專用之 Weibull 型 hazard。
二、模型要旨（直觀）
設限：僅觀測 Y = min(T, C) 及是否觀測到角球之 δ；設限為 non-informative 之前提下推論。
Type 2-L 之潛在標示 η：當某次設限發生時，未必能從公開 event data 分辨該段本質屬 Type 2-L 與否；文中視 η 為潛在變量，並以 logistic regression 連結共變量。
Frailty：W_ij 獨立抽自某分布（文中詳述 gamma frailty 特例及 MCEM）；在 W_ij ≡ 1 時退化為 Peng 等（2024）之獨立模型。
MCEM 用於邊際似然中含潛在變量與 frailty 時之 maximum likelihood estimation（MLE），屬 survival analysis 與 missing data 文獻中常見計算策略。
三、數據與共變量（2019 CSL 實證）
文中以 2019 CSL 之事件史為例，共變量包括（節略）：是否下半場、是否主隊獲得該角球、score differential、red card differential、以及該隊之 European decimal odds 等。在 frailty 模型下，主場對 Type 1／2-L 之 hazard 呈顯著正向（與「主隊較易獲角球」之敘述一致）；領先分差則呈顯著負向（領先時節奏較保守、角球 hazard 下降）。對 Type 2-L 之發生概率，主場、紅牌差 與 賠率 在 frailty 設定下亦達顯著，作者指出相對於獨立假設模型，frailty 可能提高檢定 power。Frailty 方差估計約 0.247，顯示場次層面之異質性具統計意義。
MCEM 最後一輪模擬中，約 94.4% 的 η 為 1（代表長間隔之 Type 2-L），呼應「僅約二十分之一角球會直接『串』出下一個角球」之量級。Likelihood ratio test 相對獨立模型之統計量約 41.48（多一個 θ_w 參數、χ²(1)），p-value < 0.0001；BIC 亦較獨立模型為低，顯示在配適與簡潔度之權衡上 frailty 模型較佳。
四、應用與延伸
作者於討論中指出：同一場內主客隊角球若存在競爭或交互，可考慮 competing risks；跨場次相關則可考慮 multilevel model。博彩方面，角球 over／under 與「首個角球時間」等市場日增，可在此類 generative 時間模型基礎上，延伸 market efficiency 或 pricing 分析（文中引用 Palsson & Laurens（2023） 等方向）。
五、小結
arXiv:2602.22684 之貢獻在於：在角球時間的 mixture survival 架構中，以 frailty 明確納入「同隊同場」相關性，並以 MCEM 完成推估；於 2019 CSL 上，相對獨立假設有顯著改善，且部分共變量效果與球賽常識一致。對從事 sports analytics、survival analysis 或 quantitative trading 於角球產品者，此文提供可複製的統計語言與實證範本。
Reference
R. L. Isaacs, X. J. Hu, K. K. Peng, T. B. Swartz. Learning about Corner Kicks in Soccer by Analysis of Event Times Using a Frailty Model. arXiv:2602.22684v1 [stat.ME], 26 Feb 2026. https://arxiv.org/abs/2602.22684
K. Peng, J. Hu, T. Swartz. On the time of corner kicks in soccer: an analysis of event history data. Computational Statistics (2024).
J. D. Kalbfleisch & R. L. Prentice. The Statistical Analysis of Failure Time Data. Wiley (2nd ed., 2011).
J. W. Vaupel, K. G. Manton & E. Stallard. The impact of heterogeneity in individual frailty on the dynamics of mortality. Demography, 16(3), 439–454 (1979).
G. J. McLachlan, S. X. Lee & S. I. Rathnayake. Finite mixture models. Annual Review of Statistics and Its Application, 6, 355–378 (2019).
T. A. Balan & H. Putter. A tutorial on frailty models. Statistical Methods in Medical Research, 29(2020).
M. J. Dixon & S. G. Coles. Modelling association football scores and inefficiencies in the football betting market. JRSS-C, 46(2), 265–280 (1997).