《Journal of Sports Analytics》：Hierarchical Bayesian modeling of cross-league performance translation in elite football
编辑推荐：
预测精英足球跨联赛转会后球员表现具有挑战性，尤其当统计指标源自不同战术与竞争环境时。研究人员提出一种分层贝叶斯（hierarchical Bayesian）框架，分别针对进攻/中场与防守球员角色量化联赛迁移效应。利用来自四大欧洲输送联赛（西甲、德甲、意甲、法甲
预测精英足球跨联赛转会后球员表现具有挑战性，尤其当统计指标源自不同战术与竞争环境时。研究人员提出一种分层贝叶斯（hierarchical Bayesian）框架，分别针对进攻/中场与防守球员角色量化联赛迁移效应。利用来自四大欧洲输送联赛（西甲、德甲、意甲、法甲）的174例进攻与中场转会及106例防守转会桥接数据集，并以英超内部转会成为国内基线（2017/18–2022/23赛季），拟合联合多元贝叶斯模型，将迁移效应分解为联赛、球队与年龄成分，同时通过LKJ协方差结构捕捉指标间相关性。主要贡献为校准的不确定性量化：90%最高密度区间（HDI）支持招募决策中的原则性概率推理。在两个严格跨联赛留出队列（进攻与中场n=45，防守n=35）上的验证显示，进攻指标区间覆盖接近名义水平，收敛诊断优异（零发散，R^≤1.005）。结果揭示非对称联赛效应：西甲在创造射门动作（SCA）上呈现可信正向关联（后验均值+0.306，90% HDI [+0.015, +0.578]）。该框架目前限定于英超目的地；扩展至多目的地预测是未来重要方向。
研究背景与问题提出
精英足球跨联赛转会涉及巨额资金投入，但缺乏量化框架预测球员表现适应情况。原始每90分钟（per-90）统计具有情境依赖性，反映个人技术
