Desenvolvimento e aplicações dos modelos aditivos generalizados para locação, escala e forma: fatores associados ao alto desempenho de jogadores no e-sports

Abstract

In this paper we describe which are the most important factors that may affect a professional Counter Strike player skill, measured by a rating (response variable, Rating 2.0), through a linear regression model. We used as possible explanatory variables: i) age; ii) granade damage/round; iii) maps played; iv) rounds played; v) saved by teammate/round; vi) teams; vii) days on current team; viii) days on teams; ix) rifle kills; x) sniper kills; xi) SMG kills; xii) pistol kills; xiii) granade kills; xiv) other kills. We collected a total of 329 observations through the website http://www.hltv.org on 02 November 2019, selecting data from the past three months. Firstly, we conducted an explanatory analysis between the response and all explanatory variables displaying bidimensional scatter plots, where all relationships seem to be linear. Then, we applied a backward-based variable selection method in order to choose the most important characteristics that can be used to describe the ratings. With the above mentioned methodology, the following variables were selected: maps played, days on current team, rifle kills and sniper kills had a positive affect on the ratings, and variables age, rounds played, saved by teammate/round negatively affect the response. Once all variables were selected, we conducted a residual analysis where none assumptions were violated and hence we can say that the fitted model is reasonable to explain the dataset and point out which are the main characteristics that define a good Counter Strike player. Professional players may spend more attention on these identified characteristics in order to improve their skills and, consequently, their team’s skills

Neste trabalho tentamos descrever quais são os principais fatores que influenciam na habilidade de um jogador de Counter Strike profissional, mensurada por uma pontuação (variável resposta, Rating 2.0), por meio de um modelo de regressão linear múltipla. Para tanto, utilizamos como potenciais variáveis explicativas as seguintes características: i) Idade; ii) Dano por granada/round; iii) Mapas jogados; iv) Rounds jogados; v) Salvo pelo time/round; vi) Times; vii) Dias no time atual; viii) Dias em times; ix) Assassinatos com rifle; x) Assassinatos com sniper; xi) Assassinatos com SMG; xii) Assassinatos com pistola; xiii) Assassinatos com granada; xiv) Assassinatos com outras armas;. No total, foram coletadas n=329 observações diretamente do endereço www.hltv.org/ em 02/11/2019, selecionando dados referentes a 3 meses anteriores. Em um primeiro momento, uma análise exploratória entre a variável resposta e cada uma das possíveis variáveis explicativas foi realizada por meio de gráficos de dispersão, onde as relações obtidas eram lineares. Assim, prosseguiu-se com o procedimento de seleção de variáveis backward com o intuito de eleger os fatores que mais influenciam a pontuação de jogadores de Counter Strike profissionais. Com a aplicação da metodologia, foi constatado que: as variáveis mapas jogados, dias no time atual, assassinatos com rifle e assassinatos com sniper influenciam positivamente o rating dos jogadores, ao passo que as variáveis idade, rounds jogados e salvo pelo time/round influenciam negativamente essa pontuação. Uma vez selecionadas as variáveis, observou-se por meio de uma análise de resíduos que todas as pressuposições do modelo foram atendidas e, sendo assim, podemos concluir que a aplicação da metodologia backward para a seleção de variáveis explicativas de um modelo de regressão linear múltipla é bastante razoável para indicar as principais características que definem um bom jogador de Counter-Strike. Jogadores profissionais podem despender mais atenção às características identificadas para aprimorar suas habilidades e, consequentemente, as de seu time.