以ATP排名差距預測網球賽事勝負及勝負機率：三種預測方法與比較

張嘉雄; 范姜逸敏; 鄭為仁

doi:10.6569/NTUJPE.202209_(43).0001

山西大学，您好！

感谢采购，人社期刊库｜人社论文库，期间：2025/01/01~2025/12/31

感谢试用，科学期刊库｜科学论文库，期间：2024/10/20~2025/01/20

浏览高级检索

关闭
检索检索高级检索出版物检索
浏览期刊主题浏览核心期刊浏览期刊拼音浏览

关闭

查询符号(半角)	查询符号意义说明
空格	表示为「AND」两个查询词之交集
双引号 ( " " )	片语以双引号标示开始及结束，而且只寻找出现顺序相同的字词，例： " image process "
?	表示一个字母切截，输入两个?表两个字母，依此类推，例：输入「Appl?」，查得结果应为appl e , appl y … ( 常用于英文字查询 )
*	表示不限字母切截，由0~n. 例：输入「appl*」，查得结果应为appl e , appl es , appl y , appl ied , appl ication … ( 常用于英文字查询 )
AND、OR、NOT	布尔逻辑组合关键字，用来扩大或缩小查询范围的技巧。 (1) AND ：缩小查询范围 (2) OR ：扩大查询范围(3) NOT：排除不相关的范围

DOI 是数位物件识别码（ D igital O bject I dentifier ）的简称，
为物件在网路上的唯一识别码，可用于永久连结并引用目标物件。

使用DOI作为永久连结

每个DOI号前面加上「 http://dx.doi.org/ 」便成为永久网址。
如以DOI号为 10.5297/ser.1201.002 的文献为例，此文献的永久连结便是： http://dx.doi.org/ 10.5297/ser.1201.002 。
日后不论出版单位如何更动此文献位置，永久连结所指向的位置皆会即时更新，不再错失重要的研究。

引用含有DOI的文献

有DOI的文献在引用时皆应同时引用DOI。若使用APA、Chicago以外未规范DOI的引用格式，可引用DOI永久连结。

DOI可强化引用精确性、增强学术圈连结，并给予使用者跨平台的良好使用经验，目前在全世界已有超过五千万个对象申请DOI。如想对DOI的使用与概念有进一步了解，请参考（）。

ACI:

数据来源：Academic Citation Index，简称ACI

台湾最大的引用文献资料库，目前收录台湾与港澳地区所出版的人文学、社会学领域学术期刊之书目资料与参考文献，总期刊量超过690种，每年定期公布收录期刊的影响指数(Impact Factor)等指标给大众，并提供专家学者与学术单位实用的计量与分析功能。

五年影响指数（5-Year Impact Factor）：某一期刊前五年所出版的文章在当年度的平均被引用次数。

公式：（前五年发表论文在统计年的被引用次数）÷（前五年论文产出论文总篇数）

例如：A期刊2017年之五年影响指数

(A期刊2012-2016年发表论文在2017年的被引总次数)/(A期刊2012-2016年发表的论文总数)

什么是预刊文章？

为提供读者最前线之学术资讯，于期刊文献获同意刊登后、纸本印制完成前，率先于网路线上发表之文章即为预刊文章。预刊文章尚未有卷期、页次及出版日期资讯，但可藉由DOI号识别。 DOI号是文献的数位身份证字号，不论预刊或正式出版皆不会改变，读者可点击DOI连结，或于DOI号前面加上「 http://dx.doi.org/ 」连结到文献目前最新版本。

如何引用预刊文章？

请使用预刊文章的线上发表日期及DOI号来引用该篇文献。

引用范例(视不同引文格式规范可能有所差异)：

作者姓名。文章篇名。期刊名称。 YYYY/MM/DD线上预先发表。

doi:DOI 号

来源数据

P1 - 14

社会科学 > 体育学

DOI： 10.6569/NTUJPE

书目管理工具

相关连结

问题回报

全文下载

以ATP排名差距预测网球赛事胜负及胜负机率：三种预测方法与比较

The Prediction of the Winner and Winning Probability of a Tennis Match Based on ATP Rank Difference: A Comparison of Three Methods

张嘉雄(Chia-Hsiung Chang) ；范姜逸敏(Yi-Min Fan Chiang) ；郑为仁(Wei-Jen Cheng)

台大体育学报； 43辑 (2022 / 09 / 01) ， P1 - 14

繁体中文 DOI： 10.6569/NTUJPE.202209_(43).0001

排名差距；逻辑斯回归；有序机率单元回归法；胜负机率；胜负预测； rank difference ； logistic regression ； ordered probit regression model ； winning probability ； winner prediction

0 个人觉得这篇文章赞

摘要 │ 参考文献 (21) │ 国际计量

摘要〈TOP〉

并列摘要〈TOP〉

The prediction of the winner of a single tennis match and the estimation of a player's winning probability are interesting to tennis fans and are also important to sport lottery betters and bookmakers, since the betting odds for a tennis player are proportional to the reciprocal of her/his winning probability. In this presentation, we use three models to predict the winner as well as to estimate a player's winning probability of a men's single tennis match, using the difference of two players' ATP (Association of Tennis Professionals) official ranks as the predictor variable. The three models are logistic regression, ordered probit regression model with binary response and the ordered probit regression with multiple-level responses. The third method (the ordered probit regression with multiple-level responses) first predicts the real score in sets (say 0:2, 1:2, 2:1 and 2:0 for best of three matches) and then determines the winner of a tennis match based on the prediction. We split the 1992 match records of year 2019 ATP tournaments into two datasets of equal size 996, such that the first half of the records are used to estimate the above three models and the second is thus used to evaluate the accuracy of the three models. The results show the third model, namely the multilevel ordered probit model, has the best performance in predicting the winner. However, the historical match results show that roughly one third of the winners were the lower-ranked players than their opponents and such a counter-intuitive results occurred more often in practice when two players' ranks are closer, hindering prediction accuracies of the above three models considered. This suggests that the use of two players' rank difference alone has its limitations and that we need alternative mechanisms to rank the tennis players and that the above models should incorporate more (tennis skill based) explanatory variables to achieve more accurate predictions.

参考文献 ( 21 ) 〈TOP〉

施致平(2001)。中华职篮观众参与之预测模式研究。体育学报，30，131-142。
连结：
倪瑛莲,施致平(2010)。台北市运动中心顾客参与预测模式分析。体育学报，43(3)，91-108。
连结：
许伯阳,高俊雄(2010)。台北市民众运动参与行为之经济决策。台湾体育学术研究，48，79-96。
连结：
黄昱仁,蔡俊杰(2011)。逻辑斯回归在体育统计的运用。中华体育季刊，25(3)，486-498。
连结：
Angelini, G.,Candila, V.,De Angelis, L.(2021).Weighted Elo rating for tennis match predictions.European Journal of Operational Research,297(1),120-132.

国际计量

〈TOP〉

E-mail ：

文章公开取用时，将寄通知信至您填写的信箱地址