Tsadimas, AnargyrosΤσαδήμας, Ανάργυρος2025-07-102025-07-102025-06-30https://pyxida.aueb.gr/handle/123456789/12032https://doi.org/10.26219/heal.aueb.9342Τα τελευταία χρόνια, η αναλυτική προσέγγιση έχει αλλάξει ριζικά τον τρόπο με τον οποίο βλέπουμε το μπάσκετ — από την αξιολόγηση παικτών και σουτ, μέχρι τον σχεδιασμό επιθετικών στρατηγικών. Αφορμή για την παρούσα μελέτη στάθηκαν αναλύσεις πάνω στα corner 3s, που έδειξαν πως η υψηλή τους αποτελεσματικότητα δεν οφείλεται τόσο στη μικρότερη απόσταση, όσο στη μεγάλη πιθανότητα να προκύπτουν από assist. Αυτό έθεσε το ερώτημα: μήπως και κάποια σουτ μέσης απόστασης έχουν παρόμοια κρυμμένη αξία; Με βάση δεδομένα καταγραφής παικτών και φάσεων από τις σεζόν NBA 2013–14 και 2014–15, δημιουργήθηκαν μοντέλα που εκτιμούν την πιθανότητα ευστοχίας (xFG%) με βάση στοιχεία όπως η θέση στο γήπεδο, ο χρόνος στο ρολόι, η απόσταση του αμυντικού, ο τύπος σουτ και ο χρόνος που κρατήθηκε η μπάλα. Η ανάλυση έδειξε ότι τα catch-and-shoot σουτ — όταν εκτελούνται γρήγορα — έχουν αυξημένα ποσοστά επιτυχίας. Η απόσταση του αμυντικού, η διαφορά στο σκορ και ο χρονισμός της επίθεσης παίζουν επίσης σημαντικό ρόλο. Το τελικό μοντέλο ενσωματώνει και στοιχεία ανά παίκτη μέσω LASSO, αναδεικνύοντας κάποιους κορυφαίους σουτέρ μέσης απόστασης που ξεχωρίζουν. Πέρα από την πρόβλεψη ευστοχίας, το επίκεντρο της μελέτης είναι η ποιότητα της επιλογής σουτ — δηλαδή όχι μόνο αν μπήκε, αλλά αν άξιζε να εκτελεστεί. Τα αποτελέσματα δείχνουν ότι συγκεκριμένοι παίκτες και σημεία στο γήπεδο προσφέρουν υψηλή αξία, ξεπερνώντας μάλιστα σε αποδοτικότητα τον μέσο όρο των τριπόντων. Η σωστή ανακατανομή τέτοιων προσπαθειών μπορεί να δώσει μετρήσιμο πλεονέκτημα σε βάθος σεζόν.In recent years, basketball analytics has reshaped how teams evaluate players and offensive strategy. This analysis was motivated by studies on corner three-point shots, which revealed that their superior efficiency stems primarily from their high assist probability, rather than shorter distance alone. These findings challenged the assumption that all three-point attempts are equal—and raised the question of whether certain mid-range shots may also be undervalued under similar contextual advantages. Focusing on expected field goal percentage (xFG%) models, the study applies logistic regression to estimate shot success probabilities based on spatial, temporal, and contextual features. Using NBA player-tracking and play-by-play data from the 2013–14 and 2014–15 seasons, the dataset was filtered to retain only mid-range attempts and enriched with engineered variables such as defender distance, shot clock timing, shot type, and touch time. Exploratory analysis revealed that catch-and-shoot mid-range shots, executed quickly, yield higher success rates. Defender proximity and game context (e.g., score margin, possession timing) significantly affect outcomes. A sequence of logistic models was evaluated; the final specification included interaction terms and transformations for improved explanatory power. LASSO regularization incorporated player-level effects, identifying elite mid-range scorers. Beyond modeling shot outcomes, the study emphasizes the evaluation of shot quality—not just whether a shot was made, but whether it was a good decision under the circumstances. Certain players and zones consistently generated high xFG%, outperforming league-wide three-point averages in specific contexts. These findings challenge the blanket view that mid-range shots are inefficient. Reallocating such attempts to high-performing catch-and-shoot players could yield measurable gains. The results contribute both methodologically and strategically to modern basketball shot selection and offensive optimization.pages 93Attribution 4.0 Internationalhttp://creativecommons.org/licenses/by/4.0/Basketball analyticsExpected field goal percentage (xFG%)Mid-range shotsShot qualityShot SelectionLogistic regressionCatch-and-shootPlayer tracking dataLASSO regularizationOffensive efficiencyPlay-by-play dataΜπάσκετΑναμενόμενο ποσοστό ευστοχίας (xFG%)Σουτ μέσης απόστασηςΠοιότητα σουτΛογιστική παλινδρόμησηΔεδομένα καταγραφής παικτώνTextNtzoufras, IoannisPelechrinis, Konstantinos