欧洲五大联赛前锋线球员技术-功能空间的连续变异：基于主成分分析与聚类的探索性研究

《Scientific Reports》：Profiling forward playing styles in big five European football leagues through PCA and cluster analysis

　　

摘要

精英足球中的进攻贡献是多维的，宽泛的前锋线标签往往会掩盖名义上同质群体内部的功能差异。本探索性研究使用主成分分析（PCA）和聚类方法，绘制了欧洲五大联赛前锋线球员的技术-功能空间，并评估了数据在多大程度上支持离散类别与连续变异。本研究分析了2021–2022赛季和2022–2023赛季的FBref公开球员-赛季数据，包含来自至少拥有900分钟联赛出场时间的331名球员的381个进攻球员-赛季观测值。十六个技术过程指标通过主成分分析进行降维，保留的三组标准化成分得分用于聚类（K-means，K = 2–5），并额外使用模糊c-means和原型分析来评估特征轮廓的差异性。三个主成分解释了62.7%的方差，可解释为带球推进、创造性组织和禁区存在；平行分析支持保留这三个成分。多种验证方法的主要发现是，前锋线球员的技术-功能数据更符合连续变异，而非界限分明、时间稳定的聚类。K = 2具有最高的轮廓系数，而五个区域的描述性总结提供了更具差异性的启发式框架。然而，模糊c-means显示五个区域的中位最大隶属度为0.505，其中68.5%的球员-赛季低于0.60，表明存在显著重叠。五个区域解决方案的跨赛季质心复现度明显弱于较小K值解决方案，进一步支持数据更符合连续变异而非时间稳定类别的观点。五个区域与非罚点球期望进球加期望助攻（npxG + xA）、每次射门非罚点球期望进球（npxG/Shot）以及进球加助攻（G + A）存在描述性差异，但这些关联反映的是机会获取和射门质量的差异，并非将这些区域验证为不同球员类型的独立证据。相对于非罚点球期望进球的非罚点球进球在各区域间无显著差异。这些发现表明，前锋线球员的技术倾向更符合机会获取和贡献的连续变异，而非固定、离散的角色。三个主成分维度为描述前锋之间的功能变异提供了更稳定的框架。五个区域的启发式总结是一个用于探索此连续空间的、面向沟通的工具，而非经过验证的球员分类体系。