论文原题：

Prior shared success predicts victory in team competitions

论文地址：

https://www.nature.com/articles/s41562-018-0460-y

2014年世界杯德国夺冠后，足坛分析家Hienric Spencer说大家都知道明星球员对夺得世界杯至关重要，但这种情况不适用于今天的德国队。事实上，在运动史上也有很多的队伍拥有伟大的球员却没有夺冠。早期研究证明了球员的认知能力和明星队员对于队伍整体表现的作用。但是在顶尖联盟中赢得冠军，比如NBA，MLB，需要的不仅仅是明星球员，还需要普通队员之间的优质合作。

队员之间成功的合作与交流对提升队伍表现很重要。之前一项长达21个月的研究已经证明了队员间的交流可以预测运动员在比赛中的表现，这一表现在不同运动中均得到证明，比如2008年的足球欧洲杯，2010年的NBA季后赛和2014年的足球世界杯。然而这些研究关注的是可以观察到的合作行为，比如足球比赛中的传球。

队员间的前期合作有量化和质性两方面。量化方面是指对特定任务，队员间合作行为出现的次数，而质性方面考虑的是执行任务的结果，这结果包括成功与失败。心理学实验用测量共同的成功来理解队员如何总结经验，互相学习。积极的情绪或心理状态可以提高总结能力，反思能力与和队友分享经验的能力，而消极的情绪或心理状态比如说生气，会影响队员的受挫力。一旦这种消极情绪开始弥漫，积极的想法，队伍交流都会变少。

来自美国西北大学的研究团队研究了队员间的合作对未来比赛表现的预测作用。他们提出的假设是：当两支都有高水平球员坐镇的球队对垒时，那支拥有更好的合作关系，有更多队内交流的队伍会胜出。

为了使结果更可靠，他们收集共享成功的数据长达十年。研究人员找到了篮球，足球，棒球和印度板球数据库中能找到的最早的数据。根据NBA和英超2002-2003、2012-2013赛季, 2002-2012的美职棒和2008-2012的印度板球的比赛分析，他们建立了球员技能和共同成功经历的模型。然后再去研究这些数据对于队伍在2013-2014赛季表现的影响。在NBA、英超和美职棒中，用队伍得分来衡量表现，在印度板球比赛中用跑分率来衡量，比如在20个回合中有140次跑分，那跑分率就是7。

而对于Dota2这样的网络游戏来说，他们也根据2011年12月第一周的游戏日志，建立了衡量选手的模型，然后研究了这些指标对于之后一周4357场比赛的影响。队伍的表现用摧毁守卫塔的数目衡量。

得分差异性

图1a 线代表队员之间重复的成功的交流，线的粗细是按照交流的次数依比例绘制的。队员之间共享的成功经历由成功的交流次数来衡量。图1b每个队伍成都有自己独特的技能。图中点的颜色对应的是每个队员的技能。队伍技能可以看作是个人技能总和的平均，强队往往有更高的平均水平。

团队成功交流的强度（次数）

模型构建

这个赛季来看，赢的队伍正负值显著高于输的队伍，平均得分、平均助攻数也明显更高，场上队员在以往比赛中共同赢得更多（共享的成功经历多）；主场队伍胜率为58%，得分显著高于客队，但令人意外的是，对于主客队来说，他们之间队员共享的成功经历次数无显著差别。

数据解读：

赢的队伍平均得分106.34 ±10.48，输的队伍平均得分95.49 ±10.56，

赢队VS输队得分：威尔科克森符号秩检验（下同）z=10.153, P< 0.001

赢队VS输队平均得分：z=3.876, P< 0.001

赢队VS输队平均助攻数：z=4.365, P< 0.001

赢队VS输队场上正负值：z=7.757, P< 0.001

赢队共享的成功经历：z=10.153, P< 0.001

主场队伍得分VS客队队伍得分：z=-6.950, P< 0.001

对于主客队来说，他们之间队员共享的成功经历次数无显著差别：

z=-0.122, P= 0.9030

在2013赛季的印度板球联赛中，击球手的击打率和投球手的节分率对队伍得分率无影响。技能和队伍固定效应解释了26.9%的方差。当把共享成功经历这一变量加入基础模型，我们会发现共享成功经历会对队伍得分率有显著影响。

数据解读

击打率：d.f.=739, p=0.298, 效应值=0.0001；

节分率: p=0.985, 效应值=0.344

共享成功经历：p=0.003, 效应值=0.111

接下来是2013赛季的职业棒球联赛。当控制了技能和队伍的固定效应后，我们发现共享成功经历对队伍得分有积极的影响。而与之对比的是基本胜场贡献与上垒加长打率对队伍得分率则无显著影响。

共享成功经历：d.f.=2421, p<0.001, 效应值=0.082

基本胜场贡献：p=0.492, 效应值=0.068

上垒加长打率：p=0.365, 效应值=-0.890

最后是Dota2的比赛，研究者发现，某些技能变量对比赛结果有影响：低死亡率和高助攻率的队伍更可能赢下比赛。然而，当共享成功经历加入模型时，平均助攻率的效应消失了。共享成功经历再次成为影响比赛结果的关键因素。也就是说如果队友间之前配合更好，那么比赛中就更可能赢。（d.f.=4356, p<0.001, 效应值=1.401）

• 在NBA2013-2014赛季，技能变量可以正确预测69%的比赛，而加入共享成功经历和技能两个变量的模型可以预测73%的比赛。

• 在英超2013-2014赛季中，技能变量能预测73%的比赛，而加入共享成功经历变量后则能预测76%的比赛。

• 在印度板球2013赛季中，技能变量能单独预测71%的比赛结果，而加入共享成功经历变量后连同技能变量能预测78%的比赛。

• 在美职棒2013赛季中，技能变量能预测59%的比赛，而完整的模型能预测65%的比赛。

• 在Dota2比赛中，技能变量能预测54%的比赛，而完整模型能预测59%的比赛。

这些结果显示，尽管共享成功经历对比赛有很大的作用，但这也看运动的类型。

研究者还将个人在不同窗口期的数据加入技能变量来衡量自变量共享成功经历的作用。研究发现，除去Dota2之外，运动天赋在队伍成功中是很重要的：技能变量能解释6.4%-28.4%的队伍成功，但有天赋选手出现时不能保证队伍的成功。在所有五个运动中，共享成功经历变量可以多解释额外的1.2%-15.6%的成功。

长久以来，大家都觉得个人技巧对队伍成功有很大作用，也因此棒球比赛中，球员的个人数据常常被用来预测球队的表现。但是当德国在2014年世界杯半决赛大比分击败巴西时，人们发现团队合作的作用可能比个人天赋更重要。

此研究发现队员间的成功交流对团队成功至关重要，有天赋的运动员并不能保证团队获得成功。历史上有非常多的例子可以证明这一点。比如2014年足球世界杯的巴西国家队。那支巴西国家队有很多巨星，比如内马尔、大卫·路易斯、奥斯卡、马塞洛，却大比分输给了拥有流畅配合的德国队。这说明在高水平竞技比赛中，每个队伍都或多或少有明星选手，双方技术的差异不大，并不能保证队伍获得成功。

研究者的发现涵盖了五项运动，相信未来也会有研究将其拓展到其他竞争性的环境中。队伍成员之间的通力合作，交流顺畅，可能会在很多领域有应用，比如政治，学术界和创新产业界。如果队伍成员间成功交流在这些领域也很重要，甚至超过专业技能，那么我们就应该在招聘团队成员时充分考虑到这一点。

当然此项研究也有局限性。

由于数据的局限性，这项研究只着眼于宏观层面的交流，具体到某几个特定选手的交流内容此项研究并不能一一量化。未来研究可以着眼于发现特定选手的交流内容对队伍成功的影响。现代科技发展出来的小型运动传感器可以帮助我们分析微观层面的交流。

作者也承认目前这项研究只评估了过去的胜利情况而没有评估团队关系的质量，比如沟通信任以及因胜利而产生的心理刺激。为了确认哪些特质会驱动这种共同获胜经历与未来胜利之间的关联，还需要开展更多的研究。

此外，运动学里面有个现象叫天赋过剩，说的是当一个队伍内有过多的天赋型选手时，队伍成绩反而会下滑，未来的研究可以着力于探究过多的天赋是否会危及队内成员间的交流与合作。

作者：Frank Xu

编辑：王怡蔺