Самые низкие хоккеисты в мире. Рост хоккеистов: анализируем данные всех чемпионатов мира в текущем веке




На днях завершился очередной чемпионат мира по хоккею.


За просмотром матчей родилась идея. Когда в перерывах телевизионная камера показывает уходящих в раздевалку игроков, трудно не заметить, насколько они огромные. На фоне тренеров, функционеров команд, сотрудников ледовой арены, журналистов или просто фанатов они, как правило, выглядят очень внушительно.



И я задался вопросами. Действительно ли хоккеисты выше обычных людей? Как изменяется рост хоккеистов со временем в сравнении с обычными людьми? Есть ли устойчивые межстрановые различия?

Данные

IIHF, организация, проводящая чемпионаты мира по хоккею, каждый год публикует составы участвующих команд с информацией о росте и весе каждого игрока. Архив этих данных .


Я собрал вместе данные всех чемпионатов мира с 2001 по 2016 годы. От года к году формат предоставления данных слегка меняется, что требует некоторых усилий по их очистке. Не представляя, как грамотно автоматизировать процесс, все данные копировал вручную, что заняло чуть больше 3 часов. Объединенный датасет выложил в открытый доступ .


# load required packages require(dplyr) # data manipulation require(lubridate) # easy manipulations with dates require(ggplot2) # visualization require(ggthemes) # themes for ggplot2 require(cowplot) # nice alignment of the ggplots require(RColorBrewer) # generate color palettes require(texreg) # easy export of regression tables require(xtable) # export a data frame into an html table # download the IIHF data set; if there are some problems, you can download manually # using the stable URL (https://dx.doi.org/10.6084/m9.figshare.3394735.v2) df <- read.csv("https://ndownloader.figshare.com/files/5303173") # color palette brbg11 <- brewer.pal(11,"BrBG")

Растут ли хоккеисты? Грубое (периодное) сравнение

Для начала сравним средний рост игроков на всех 16 чемпионатах мира.



R code. Рисунок 1. Изменение среднего роста хоккеистов на чемпионатах мира, 2001-2016 гг.

# mean height by championship df_per <- df %>% group_by(year) %>% summarise(height=mean(height)) gg_period_mean <- ggplot(df_per, aes(x=year,y=height))+ geom_point(size=3,color=brbg11)+ stat_smooth(method="lm",size=1,color=brbg11)+ ylab("height, cm")+ xlab("year of competition")+ scale_x_continuous(breaks=seq(2005,2015,5),labels=seq(2005,2015,5))+ theme_few(base_size = 15)+ theme(panel.grid=element_line(colour = "grey75",size=.25)) gg_period_jitter <- ggplot(df, aes(x=year,y=height))+ geom_jitter(size=2,color=brbg11,alpha=.25,width = .75)+ stat_smooth(method="lm",size=1,se=F,color=brbg11)+ ylab("height, cm")+ xlab("year of competition")+ scale_x_continuous(breaks=seq(2005,2015,5),labels=seq(2005,2015,5))+ theme_few(base_size = 15)+ theme(panel.grid=element_line(colour = "grey75",size=.25)) gg_period <- plot_grid(gg_period_mean,gg_period_jitter)


Положительный тренд очевиден. За полтора десятилетия средний рост хоккеиста на чемпионате мира увеличился почти на 2 сантиметра (левая панель). Как будто бы незначительный прирост на фоне довольно большой вариации (правая панель). Много это или мало? Чтобы ответить на вопрос, надо корректно сравнить с населением (но об этом ближе к концу статьи).

Когортный анализ

Более корректный способ изучения изменения в росте подразумевает сравнение по когортам рождения. Тут мы сталкиваемся с любопытным нюансом - некоторые хоккеисты участвовали не в одном чемпионате мира. Вопрос: вычищать ли повторные записи для одних и тех же людей? Если нам интересен средний рост хоккеиста на чемпионате (как на картинке выше), пожалуй, не имеет смысла зачищать. Но если мы хотим проследить изменение роста хоккеистов как таковое, на мой взгляд, было бы неправильно присваивать больший вес тем игрокам, которые регулярнее попадали на чемпионаты мира. Поэтому для дальнейшего анализа я очистил данные от повторных записей одних и тех же игроков.


R code. Подготовка данных к когортному анализу

# remove double counts dfu_h <- df %>% select(year,name,country,position,birth,cohort,height) %>% spread(year,height) dfu_h$av.height <- apply(dfu_h[,6:21],1,mean,na.rm=T) dfu_h$times_participated <- apply(!is.na(dfu_h[,6:21]),1,sum) dfu_w <- df %>% select(year,name,country,position,birth,cohort,weight) %>% spread(year,weight) dfu_w$av.weight <- apply(dfu_w[,6:21],1,mean,na.rm=T) dfu <- left_join(dfu_h %>% select(name,country,position,birth,cohort,av.height,times_participated), dfu_w %>% select(name,country,position,birth,cohort,av.weight), by = c("name","country","position","birth","cohort")) %>% mutate(bmi = av.weight/(av.height/100)^2)


Общее количество наблюдений сократилось с 6292 до 3333. Если хоккеист участвовал более чем в одном чемпионате мира, данные о росте и весе я усреднял, поскольку рост и (в особенности) вес отдельно взятого хоккеиста мог меняться со временем. Сколько же раз хоккеисты удостаиваются чести сыграть за национальные сборные на чемпионатах мира? В среднем чуть менее 2 раз.



R code. Рисунок 2. Гистограмма распределения хоккеистов по количеству участий в ЧМ

# frequencies of participation in world championships mean(dfu$times_participated) df_part <- as.data.frame(table(dfu$times_participated)) gg_times_part <- ggplot(df_part,aes(y=Freq,x=Var1))+ geom_bar(stat="identity",fill=brbg11)+ ylab("# of players")+ xlab("times participated (out of 16 possible)")+ theme_few(base_size = 15)


Но есть и уникумы. Посмотрим, кто из игроков принял участие как минимум в 10 чемпионатах мира. Таких игроков оказалось 14.


R code. Таблица 1. Лидеры участия в чемпионатах мира

# the leaders of participation in world championships # save the table to html leaders <- dfu %>% filter(times_participated > 9) View(leaders) print(xtable(leaders), type="html", file="table_leaders.html")


name country position birth cohort av.height times_participated av.weight bmi
1 ovechkin alexander RUS F 1985-09-17 1985 188.45 11 98.36 27.70
2 nielsen daniel DEN D 1980-10-31 1980 182.27 11 79.73 24.00
3 staal kim DEN F 1978-03-10 1978 182.00 10 87.80 26.51
4 green morten DEN F 1981-03-19 1981 183.00 12 85.83 25.63
5 masalskis edgars LAT G 1980-03-31 1980 176.00 12 79.17 25.56
6 ambuhl andres SUI F 1983-09-14 1983 176.80 10 83.70 26.78
7 granak dominik SVK D 1983-06-11 1983 182.00 10 79.50 24.00
8 madsen morten DEN F 1987-01-16 1987 189.82 11 86.00 23.87
9 redlihs mikelis LAT F 1984-07-01 1984 180.00 10 80.40 24.81
10 cipulis martins LAT F 1980-11-29 1980 180.70 10 82.10 25.14
11 holos jonas NOR D 1987-08-27 1987 180.18 11 91.36 28.14
12 bastiansen anders NOR F 1980-10-31 1980 190.00 11 93.64 25.94
13 ask morten NOR F 1980-05-14 1980 185.00 10 88.30 25.80
14 forsberg kristian NOR F 1986-05-05 1986 184.50 10 87.50 25.70

Александр Овечкин, 11 раз! Но тут надо отметить, что не для всех хоккеистов в принципе возможно было поучаствовать во всех 16 чемпионатах: зависит когорты рождения (насколько игровая карьера пересеклась именно с этим периодом наблюдения), от того, участвовала ли сборная игрока во всех чемпионатах мира (см. рисунок 3) и попадал ли игрок стабильно в сборную; наконец есть еще НХЛ, стабильно отвлекающий лучших из лучших от участия в чемпионатах мира.



R code. Рисунок 3. Участие сборных в чемпионатах мира по хоккею в 2001-2016 гг.

# countries times participated df_cnt_part <- df %>% select(year,country,no) %>% mutate(country=factor(paste(country))) %>% group_by(country,year) %>% summarise(value=sum(as.numeric(no))) %>% mutate(value=1) %>% ungroup() %>% mutate(country=factor(country, levels = rev(levels(country))), year=factor(year)) d_cnt_n <- df_cnt_part %>% group_by(country) %>% summarise(n=sum(value)) gg_cnt_part <- ggplot(data = df_cnt_part, aes(x=year,y=country))+ geom_point(color=brbg11,size=7)+ geom_text(data=d_cnt_n,aes(y=country,x=17.5,label=n,color=n),size=7,fontface=2)+ geom_text(data=d_cnt_n,aes(y=country,x=18.5,label=" "),size=7)+ scale_color_gradientn(colours = brbg11)+ xlab(NULL)+ ylab(NULL)+ theme_bw(base_size = 25)+ theme(legend.position="none", axis.text.x = element_text(angle = 90, hjust = 1,vjust=0.5))

Растут ли хоккеисты? Регрессионный анализ

Регрессионный анализ позволяет более корректно ответить на вопрос об изменении роста игроков. В данном случаем с помощью мультиноминальной линейной регрессии предсказыватся рост хоккеиста в зависимость от когорты рождения. Включая в спецификацию регресиионной модели различные дополнительные (контрольные) переменные, мы получаем значение наиболее интересующего нас коэффициента "при прочих равных". Например, добавляя к объясняющим переменным помимо когорты рождения позицию игрока на поле, мы получаем взаимосвязь роста и когорты, очищенную от эффекта различий в зависимости от позиции; добавляя в контрольны переменные страны, получаем результат, очищенный от межстрановых различий. Разумеется, если контрольные переменные сами оказываются значимыми, на это тоже стоит обратить внимание.
Регрессионные модели (особенно линейные регрессии) очень чувствительны к выбросам (см., например, ). Не вдаваясь глубоко в эту обширную тему, я лишь убрал из анализа когорты, для которых мы имеем слишком небольшое количество представителей.


R code. Убираем маленькие когорты

# remove small cohorts table(dfu$cohort) dfuc <- dfu %>% filter(cohort<1997,cohort>1963)


Не желая резать данные сильно, я убрал только когорты 1963, 1997 и 1998 годов рождения, для которых у нас есть менее 10 игроков.


Итак, результаты рагрессионного анализа. В каждой следующей модели я добавляю одну переменную.
Зависимая переменная : рост хоккеиста.
Объясняющие перемеенные : 1) когорта рождения; 2) + позиция на поле (сравнение с защитниками); 3) + страна (сравнение с Россией).


R code. Таблица 2. Результаты регрессионного анализа

# relevel counrty variable to compare with Russia dfuc$country <- relevel(dfuc$country,ref = "RUS") # regression models m1 <- lm(data = dfuc,av.height~cohort) m2 <- lm(data = dfuc,av.height~cohort+position) m3 <- lm(data = dfuc,av.height~cohort+position+country) # export the models to html htmlreg(list(m1,m2,m3),file = "models_height.html",single.row = T)


Statistical models
Model 1 Model 2 Model 3
(Intercept) -10.17 (27.67) -18.64 (27.01) 32.59 (27.00)
cohort 0.10 (0.01) *** 0.10 (0.01) *** 0.08 (0.01) ***
positionF -2.59 (0.20) *** -2.59 (0.20) ***
positionG -1.96 (0.31) *** -1.93 (0.30) ***
countryAUT -0.94 (0.55)
countryBLR -0.95 (0.53)
countryCAN 1.13 (0.46) *
countryCZE 0.56 (0.49)
countryDEN -0.10 (0.56)
countryFIN 0.20 (0.50)
countryFRA -2.19 (0.69) **
countryGER -0.61 (0.51)
countryHUN -0.61 (0.86)
countryITA -3.58 (0.61) ***
countryJPN -5.24 (0.71) ***
countryKAZ -1.16 (0.57) *
countryLAT -1.38 (0.55) *
countryNOR -1.61 (0.62) **
countryPOL 0.06 (1.12)
countrySLO -1.55 (0.58) **
countrySUI -1.80 (0.53) ***
countrySVK 1.44 (0.50) **
countrySWE 1.18 (0.48) *
countryUKR -1.82 (0.59) **
countryUSA 0.54 (0.45)
R 2 0.01 0.06 0.13
Adj. R 2 0.01 0.06 0.12
Num. obs. 3319 3319 3319
RMSE 5.40 5.27 5.10
*** p < 0.001, ** p < 0.01, * p < 0.05

Интерпретация моделей

Модель 1 . Увеличение когорты на один год соответсвует увеличению роста хоккеистов на 0.1 см. Коэффициент статистически значим, но при этом модель объясняет лишь 1% вариации зависимой переменной. В принципе это не проблема, поскольку моделирование носит объясняющий характер, задача предсказания не ставится. Тем не менее, низкий коэффициент детерминации показывает, что должны быть другие переменные, гораздо лучше объясняющие различия между хоккеистами в росте.


Модель 2 . Защитники - самые высокие игроки в хоккее. Вратари ниже на 2 см, нападающие - на 2.6 см. Все коэффициенты статистически значимы. Объясненная вариация зависимой переменной возрастает до 6%. При этом коэффициент при переменной когорта рождения не изменяется.


Модель 3 . Добавление контрольных переменных для стран любопытно по двум причинам. Во-первых, некоторые различия статистически значимы и интересны сами по себе. Так, например, шведы, словаки и канадцы статистически значимо выше наших игроков. Большинство же наций значительно ниже нас, японцы аж на 5.2 см, итальянцы - на 3.6 см, французы - на 2.2 см (см. также рисунок 4). Во-вторых, введение контрольных переменных для стран значительно уменьшает коэффициент при переменной когорта рождения - до 0.08. Это значит, что межстрановые различия объясняют часть различий по когортам рождения. Коэффициент детерминации модели возрастает до 13%.


R code. Рисунок 4. Рост хоккеистов по странам


# players" height by country gg_av.h_country <- ggplot(dfuc ,aes(x=factor(cohort),y=av.height))+ geom_point(color="grey50",alpha=.25)+ stat_summary(aes(group=country),geom="line",fun.y = mean,size=.5,color="grey50")+ stat_smooth(aes(group=country,color=country),geom="line",size=1)+ #geom_hline(yintercept = mean(height),color="red",size=.5)+ facet_wrap(~country,ncol=4)+ coord_cartesian(ylim = c(170,195))+ scale_x_discrete(labels=paste(seq(1965,1995,10)),breaks=paste(seq(1965,1995,10)))+ theme_few(base_size = 15)+ theme(legend.position="none", panel.grid=element_line(colour = "grey75",size=.25))


Наиболее полная модель показывает, что увеличение роста хоккеистов происходит со скоростью 0.08 см в год. Это означает прирост 0.8 см за десятилетие или на 2.56 см за 32 года с 1964 по 1996. Обратите внимание, что при учете контрольных переменных скорость увеличения роста хоккеистов оказывается примерно в полтора раза ниже, чем при более грубом анализе средних значений (рисунок 1): 0.8 см за десятилетие против примерно 1.2 см.


Прежде чем мы, наконец, постараемся понять, насколько значительным оказывается увеличение роста, хочу обратить внимание еще на один любопытный момент. Введение контрольных переменных подразумевает фиксацию различий между категориями при едином наклоне регрессионной линии (единый коэффициент при главной объясняющей переменной). Это не всегда хорошо и может замаскировать значительные различия в тесноте связи между исследуемыми переменными в подвыборках. Так, например, раздельное моделирование зависимости роста игроков от амплуа (рисунок 5) показывает, что взаимосвязь наиболее ярко выражена для вратарей и наименее заметна для защитников.




R code. Рисунок 5. Корреляция между ростом и когортой раздельно для защитников, форвардов и вратарей

dfuc_pos <- dfuc levels(dfuc_pos$position) <- c("Defenders","Forwards","Goalkeeprs") gg_pos <- ggplot(dfuc_pos ,aes(x=cohort,y=av.height))+ geom_jitter(aes(color=position),alpha=.5)+ stat_smooth(method = "lm", se = T,color=brbg11,size=1)+ scale_x_continuous(labels=seq(1965,1995,5),breaks=seq(1965,1995,5))+ scale_color_manual(values = brbg11)+ facet_wrap(~position,ncol=3)+ xlab("birth cohort")+ ylab("height, cm")+ theme_few(base_size = 20)+ theme(legend.position="none", panel.grid=element_line(colour = "grey75",size=.25))


R code. Таблица 3. Модель 3 раздельно для подвыборок защитников, форвардов и вратарей

# separate models for positions m3d <- lm(data = dfuc %>% filter(position=="D"),av.height~cohort+country) m3f <- lm(data = dfuc %>% filter(position=="F"),av.height~cohort+country) m3g <- lm(data = dfuc %>% filter(position=="G"),av.height~cohort+country) htmlreg(list(m3d,m3f,m3g),file = "2016/160500 Hockey players/models_height_pos.html",single.row = T, custom.model.names = c("Model 3 D","Model 3 F","Model 3 G"))


Statistical models
Model 3 D Model 3 F Model 3 G
(Intercept) 108.45 (46.46) * 49.32 (36.73) -295.76 (74.61) ***
cohort 0.04 (0.02) 0.07 (0.02) *** 0.24 (0.04) ***
countryAUT 0.14 (0.96) -2.01 (0.75) ** 0.47 (1.47)
countryBLR 0.30 (0.87) -1.53 (0.73) * -2.73 (1.55)
countryCAN 1.55 (0.78) * 0.39 (0.62) 3.45 (1.26) **
countryCZE 0.87 (0.84) 0.30 (0.67) 0.63 (1.36)
countryDEN -0.60 (0.95) 0.10 (0.75) -0.19 (1.62)
countryFIN -0.55 (0.89) -0.04 (0.67) 2.40 (1.32)
countryFRA -3.34 (1.15) ** -2.06 (0.93) * 1.39 (2.07)
countryGER 0.48 (0.85) -1.40 (0.72) -0.65 (1.33)
countryHUN -1.32 (1.47) -0.70 (1.16) 0.65 (2.39)
countryITA -2.08 (1.08) -4.78 (0.82) *** -2.02 (1.62)
countryJPN -4.13 (1.26) ** -6.52 (0.94) *** -2.27 (1.98)
countryKAZ -1.23 (0.95) -1.82 (0.79) * 1.79 (1.58)
countryLAT -0.73 (0.95) -1.39 (0.75) -3.42 (1.49) *
countryNOR -3.25 (1.07) ** -1.06 (0.85) -0.10 (1.66)
countryPOL 0.82 (1.89) -0.58 (1.55) 0.37 (2.97)
countrySLO -1.57 (0.99) -1.54 (0.79) -2.25 (1.66)
countrySUI -1.98 (0.91) * -2.36 (0.71) *** 1.12 (1.47)
countrySVK 2.94 (0.87) *** 0.81 (0.67) -0.70 (1.50)
countrySWE 0.75 (0.81) 1.24 (0.65) 1.37 (1.33)
countryUKR -1.37 (1.01) -1.77 (0.80) * -3.71 (1.66) *
countryUSA 0.76 (0.78) -0.08 (0.62) 2.58 (1.26) *
R 2 0.09 0.10 0.24
Adj. R 2 0.07 0.09 0.20
Num. obs. 1094 1824 401
RMSE 5.08 5.08 4.87
*** p < 0.001, ** p < 0.01, * p < 0.05

Раздельное моделирование показывает, что в когортах 1964-1996 годов рождения, средний рост хоккеистов, участвовавших в чемпионатах мира в 2001-2016 годах, увеличивался со скоростью 0.4 см за десятиление для защитников, 0.7 см - для нападающих и (!) 2.4 см - для вратарей. За три десятиления средний рост вратарей увеличился на 7 см!


Пришло время сравнить эти изменения со средними значениями для населения.

Сравнение с населением

Результаты регрессионного анализа фиксируют значительные межстрановые различия. Поэтому сравнивать имеет смысл по странам: хоккеистов определенной страны с мужским населением этой же страны.


Для сравнения роста хоккеистов со средними показателями мужского населения я использовал данные из релевантной научной статьи (PDF). Данные я скопировал из статьи (использовав замечательную программку tabula) и тоже разместил в открытом доступе .


R code. Загрузка данных Hatton, T. J., & Bray, B. E. (2010) и подготовка к анализу

# download the data from Hatton, T. J., & Bray, B. E. (2010). # Long run trends in the heights of European men, 19th–20th centuries. # Economics & Human Biology, 8(3), 405–413. # http://doi.org/10.1016/j.ehb.2010.03.001 # stable URL, copied data (https://dx.doi.org/10.6084/m9.figshare.3394795.v1) df_hb <- read.csv("https://ndownloader.figshare.com/files/5303878") df_hb <- df_hb %>% gather("country","h_pop",2:16) %>% mutate(period=paste(period)) %>% separate(period,c("t1","t2"),sep = "/")%>% transmute(cohort=(as.numeric(t1)+as.numeric(t2))/2,country,h_pop) # calculate hockey players" cohort height averages for each country df_hoc <- dfu %>% group_by(country,cohort) %>% summarise(h_hp=mean(av.height)) %>% ungroup()


К сожалению, данные о динамике роста населения пересекаются лишь с 8 странами из моего хоккейного датасета: Австрия, Дания, Финляндия, Франция, Германия, Италия, Норвегия, Швеция.


R code. Пересекающиеся данные

# countries in both data sets both_cnt <- levels(factor(df_hb$country)) both_cnt




R code. Рисунок 6. Сравнение динамики увеличения роста мужского населения и хоккеистов. Примечание: зеленый цвет - мужское население; коричневый цвет - хоккеисты.

gg_hoc_vs_pop <- ggplot()+ geom_path(data = df_hb %>% filter(country %in% both_cnt), aes(x=cohort,y=h_pop), color=brbg11,size=1)+ geom_point(data = df_hb %>% filter(country %in% both_cnt), aes(x=cohort,y=h_pop), color=brbg11,size=2)+ geom_point(data = df_hb %>% filter(country %in% both_cnt), aes(x=cohort,y=h_pop), color="white",size=1.5)+ geom_point(data = df_hoc %>% filter(country %in% both_cnt), aes(x=cohort,y=h_hp), color=brbg11,size=2,pch=18)+ stat_smooth(data = df_hoc %>% filter(country %in% both_cnt), aes(x=cohort,y=h_hp), method="lm",se=F,color=brbg11,size=1)+ facet_wrap(~country,ncol=2)+ ylab("height, cm")+ xlab("birth cohort")+ theme_few(base_size = 15)+ theme(panel.grid=element_line(colour = "grey75",size=.25))


Во всех проанализировнных странах хоккеисты выше стеднестатистических мужчин на 2-5 см. Но это не удивительно - в спорте значительная селекция.
Примечательно другое. В развитых странах мира особенно бурное увеличение роста мужского населения происходило в первой середине 20 века. В когортах примерно 1960-х годов рождения рост мужчин приблизился к плато и пеерстал бурно увеличиваться. Тренд среднего роста хоккеистов во всех странах (кроме почему-то Дании) как будто бы продолжил приостановившийся многолетний тренд всего мужского населения.
Для когорт европейцев, родившихся в первой половине 20 века, темпы увеличения среднего роста варьировались от 1.18 до 1.74 см за десятилетие в зависимости от страны (рисунок 7). Начиная с 1960-х годов этот показатель опустился до уровня 0.15-0.80 за 10 лет.




На днях завершился очередной чемпионат мира по хоккею.


За просмотром матчей родилась идея. Когда в перерывах телевизионная камера показывает уходящих в раздевалку игроков, трудно не заметить, насколько они огромные. На фоне тренеров, функционеров команд, сотрудников ледовой арены, журналистов или просто фанатов они, как правило, выглядят очень внушительно.



И я задался вопросами. Действительно ли хоккеисты выше обычных людей? Как изменяется рост хоккеистов со временем в сравнении с обычными людьми? Есть ли устойчивые межстрановые различия?

Данные

IIHF, организация, проводящая чемпионаты мира по хоккею, каждый год публикует составы участвующих команд с информацией о росте и весе каждого игрока. Архив этих данных .


Я собрал вместе данные всех чемпионатов мира с 2001 по 2016 годы. От года к году формат предоставления данных слегка меняется, что требует некоторых усилий по их очистке. Не представляя, как грамотно автоматизировать процесс, все данные копировал вручную, что заняло чуть больше 3 часов. Объединенный датасет выложил в открытый доступ .


# load required packages require(dplyr) # data manipulation require(lubridate) # easy manipulations with dates require(ggplot2) # visualization require(ggthemes) # themes for ggplot2 require(cowplot) # nice alignment of the ggplots require(RColorBrewer) # generate color palettes require(texreg) # easy export of regression tables require(xtable) # export a data frame into an html table # download the IIHF data set; if there are some problems, you can download manually # using the stable URL (https://dx.doi.org/10.6084/m9.figshare.3394735.v2) df <- read.csv("https://ndownloader.figshare.com/files/5303173") # color palette brbg11 <- brewer.pal(11,"BrBG")

Растут ли хоккеисты? Грубое (периодное) сравнение

Для начала сравним средний рост игроков на всех 16 чемпионатах мира.



R code. Рисунок 1. Изменение среднего роста хоккеистов на чемпионатах мира, 2001-2016 гг.

# mean height by championship df_per <- df %>% group_by(year) %>% summarise(height=mean(height)) gg_period_mean <- ggplot(df_per, aes(x=year,y=height))+ geom_point(size=3,color=brbg11)+ stat_smooth(method="lm",size=1,color=brbg11)+ ylab("height, cm")+ xlab("year of competition")+ scale_x_continuous(breaks=seq(2005,2015,5),labels=seq(2005,2015,5))+ theme_few(base_size = 15)+ theme(panel.grid=element_line(colour = "grey75",size=.25)) gg_period_jitter <- ggplot(df, aes(x=year,y=height))+ geom_jitter(size=2,color=brbg11,alpha=.25,width = .75)+ stat_smooth(method="lm",size=1,se=F,color=brbg11)+ ylab("height, cm")+ xlab("year of competition")+ scale_x_continuous(breaks=seq(2005,2015,5),labels=seq(2005,2015,5))+ theme_few(base_size = 15)+ theme(panel.grid=element_line(colour = "grey75",size=.25)) gg_period <- plot_grid(gg_period_mean,gg_period_jitter)


Положительный тренд очевиден. За полтора десятилетия средний рост хоккеиста на чемпионате мира увеличился почти на 2 сантиметра (левая панель). Как будто бы незначительный прирост на фоне довольно большой вариации (правая панель). Много это или мало? Чтобы ответить на вопрос, надо корректно сравнить с населением (но об этом ближе к концу статьи).

Когортный анализ

Более корректный способ изучения изменения в росте подразумевает сравнение по когортам рождения. Тут мы сталкиваемся с любопытным нюансом - некоторые хоккеисты участвовали не в одном чемпионате мира. Вопрос: вычищать ли повторные записи для одних и тех же людей? Если нам интересен средний рост хоккеиста на чемпионате (как на картинке выше), пожалуй, не имеет смысла зачищать. Но если мы хотим проследить изменение роста хоккеистов как таковое, на мой взгляд, было бы неправильно присваивать больший вес тем игрокам, которые регулярнее попадали на чемпионаты мира. Поэтому для дальнейшего анализа я очистил данные от повторных записей одних и тех же игроков.


R code. Подготовка данных к когортному анализу

# remove double counts dfu_h <- df %>% select(year,name,country,position,birth,cohort,height) %>% spread(year,height) dfu_h$av.height <- apply(dfu_h[,6:21],1,mean,na.rm=T) dfu_h$times_participated <- apply(!is.na(dfu_h[,6:21]),1,sum) dfu_w <- df %>% select(year,name,country,position,birth,cohort,weight) %>% spread(year,weight) dfu_w$av.weight <- apply(dfu_w[,6:21],1,mean,na.rm=T) dfu <- left_join(dfu_h %>% select(name,country,position,birth,cohort,av.height,times_participated), dfu_w %>% select(name,country,position,birth,cohort,av.weight), by = c("name","country","position","birth","cohort")) %>% mutate(bmi = av.weight/(av.height/100)^2)


Общее количество наблюдений сократилось с 6292 до 3333. Если хоккеист участвовал более чем в одном чемпионате мира, данные о росте и весе я усреднял, поскольку рост и (в особенности) вес отдельно взятого хоккеиста мог меняться со временем. Сколько же раз хоккеисты удостаиваются чести сыграть за национальные сборные на чемпионатах мира? В среднем чуть менее 2 раз.



R code. Рисунок 2. Гистограмма распределения хоккеистов по количеству участий в ЧМ

# frequencies of participation in world championships mean(dfu$times_participated) df_part <- as.data.frame(table(dfu$times_participated)) gg_times_part <- ggplot(df_part,aes(y=Freq,x=Var1))+ geom_bar(stat="identity",fill=brbg11)+ ylab("# of players")+ xlab("times participated (out of 16 possible)")+ theme_few(base_size = 15)


Но есть и уникумы. Посмотрим, кто из игроков принял участие как минимум в 10 чемпионатах мира. Таких игроков оказалось 14.


R code. Таблица 1. Лидеры участия в чемпионатах мира

# the leaders of participation in world championships # save the table to html leaders <- dfu %>% filter(times_participated > 9) View(leaders) print(xtable(leaders), type="html", file="table_leaders.html")


name country position birth cohort av.height times_participated av.weight bmi
1 ovechkin alexander RUS F 1985-09-17 1985 188.45 11 98.36 27.70
2 nielsen daniel DEN D 1980-10-31 1980 182.27 11 79.73 24.00
3 staal kim DEN F 1978-03-10 1978 182.00 10 87.80 26.51
4 green morten DEN F 1981-03-19 1981 183.00 12 85.83 25.63
5 masalskis edgars LAT G 1980-03-31 1980 176.00 12 79.17 25.56
6 ambuhl andres SUI F 1983-09-14 1983 176.80 10 83.70 26.78
7 granak dominik SVK D 1983-06-11 1983 182.00 10 79.50 24.00
8 madsen morten DEN F 1987-01-16 1987 189.82 11 86.00 23.87
9 redlihs mikelis LAT F 1984-07-01 1984 180.00 10 80.40 24.81
10 cipulis martins LAT F 1980-11-29 1980 180.70 10 82.10 25.14
11 holos jonas NOR D 1987-08-27 1987 180.18 11 91.36 28.14
12 bastiansen anders NOR F 1980-10-31 1980 190.00 11 93.64 25.94
13 ask morten NOR F 1980-05-14 1980 185.00 10 88.30 25.80
14 forsberg kristian NOR F 1986-05-05 1986 184.50 10 87.50 25.70

Александр Овечкин, 11 раз! Но тут надо отметить, что не для всех хоккеистов в принципе возможно было поучаствовать во всех 16 чемпионатах: зависит когорты рождения (насколько игровая карьера пересеклась именно с этим периодом наблюдения), от того, участвовала ли сборная игрока во всех чемпионатах мира (см. рисунок 3) и попадал ли игрок стабильно в сборную; наконец есть еще НХЛ, стабильно отвлекающий лучших из лучших от участия в чемпионатах мира.



R code. Рисунок 3. Участие сборных в чемпионатах мира по хоккею в 2001-2016 гг.

# countries times participated df_cnt_part <- df %>% select(year,country,no) %>% mutate(country=factor(paste(country))) %>% group_by(country,year) %>% summarise(value=sum(as.numeric(no))) %>% mutate(value=1) %>% ungroup() %>% mutate(country=factor(country, levels = rev(levels(country))), year=factor(year)) d_cnt_n <- df_cnt_part %>% group_by(country) %>% summarise(n=sum(value)) gg_cnt_part <- ggplot(data = df_cnt_part, aes(x=year,y=country))+ geom_point(color=brbg11,size=7)+ geom_text(data=d_cnt_n,aes(y=country,x=17.5,label=n,color=n),size=7,fontface=2)+ geom_text(data=d_cnt_n,aes(y=country,x=18.5,label=" "),size=7)+ scale_color_gradientn(colours = brbg11)+ xlab(NULL)+ ylab(NULL)+ theme_bw(base_size = 25)+ theme(legend.position="none", axis.text.x = element_text(angle = 90, hjust = 1,vjust=0.5))

Растут ли хоккеисты? Регрессионный анализ

Регрессионный анализ позволяет более корректно ответить на вопрос об изменении роста игроков. В данном случаем с помощью мультиноминальной линейной регрессии предсказыватся рост хоккеиста в зависимость от когорты рождения. Включая в спецификацию регресиионной модели различные дополнительные (контрольные) переменные, мы получаем значение наиболее интересующего нас коэффициента "при прочих равных". Например, добавляя к объясняющим переменным помимо когорты рождения позицию игрока на поле, мы получаем взаимосвязь роста и когорты, очищенную от эффекта различий в зависимости от позиции; добавляя в контрольны переменные страны, получаем результат, очищенный от межстрановых различий. Разумеется, если контрольные переменные сами оказываются значимыми, на это тоже стоит обратить внимание.
Регрессионные модели (особенно линейные регрессии) очень чувствительны к выбросам (см., например, ). Не вдаваясь глубоко в эту обширную тему, я лишь убрал из анализа когорты, для которых мы имеем слишком небольшое количество представителей.


R code. Убираем маленькие когорты

# remove small cohorts table(dfu$cohort) dfuc <- dfu %>% filter(cohort<1997,cohort>1963)


Не желая резать данные сильно, я убрал только когорты 1963, 1997 и 1998 годов рождения, для которых у нас есть менее 10 игроков.


Итак, результаты рагрессионного анализа. В каждой следующей модели я добавляю одну переменную.
Зависимая переменная : рост хоккеиста.
Объясняющие перемеенные : 1) когорта рождения; 2) + позиция на поле (сравнение с защитниками); 3) + страна (сравнение с Россией).


R code. Таблица 2. Результаты регрессионного анализа

# relevel counrty variable to compare with Russia dfuc$country <- relevel(dfuc$country,ref = "RUS") # regression models m1 <- lm(data = dfuc,av.height~cohort) m2 <- lm(data = dfuc,av.height~cohort+position) m3 <- lm(data = dfuc,av.height~cohort+position+country) # export the models to html htmlreg(list(m1,m2,m3),file = "models_height.html",single.row = T)


Statistical models
Model 1 Model 2 Model 3
(Intercept) -10.17 (27.67) -18.64 (27.01) 32.59 (27.00)
cohort 0.10 (0.01) *** 0.10 (0.01) *** 0.08 (0.01) ***
positionF -2.59 (0.20) *** -2.59 (0.20) ***
positionG -1.96 (0.31) *** -1.93 (0.30) ***
countryAUT -0.94 (0.55)
countryBLR -0.95 (0.53)
countryCAN 1.13 (0.46) *
countryCZE 0.56 (0.49)
countryDEN -0.10 (0.56)
countryFIN 0.20 (0.50)
countryFRA -2.19 (0.69) **
countryGER -0.61 (0.51)
countryHUN -0.61 (0.86)
countryITA -3.58 (0.61) ***
countryJPN -5.24 (0.71) ***
countryKAZ -1.16 (0.57) *
countryLAT -1.38 (0.55) *
countryNOR -1.61 (0.62) **
countryPOL 0.06 (1.12)
countrySLO -1.55 (0.58) **
countrySUI -1.80 (0.53) ***
countrySVK 1.44 (0.50) **
countrySWE 1.18 (0.48) *
countryUKR -1.82 (0.59) **
countryUSA 0.54 (0.45)
R 2 0.01 0.06 0.13
Adj. R 2 0.01 0.06 0.12
Num. obs. 3319 3319 3319
RMSE 5.40 5.27 5.10
*** p < 0.001, ** p < 0.01, * p < 0.05

Интерпретация моделей

Модель 1 . Увеличение когорты на один год соответсвует увеличению роста хоккеистов на 0.1 см. Коэффициент статистически значим, но при этом модель объясняет лишь 1% вариации зависимой переменной. В принципе это не проблема, поскольку моделирование носит объясняющий характер, задача предсказания не ставится. Тем не менее, низкий коэффициент детерминации показывает, что должны быть другие переменные, гораздо лучше объясняющие различия между хоккеистами в росте.


Модель 2 . Защитники - самые высокие игроки в хоккее. Вратари ниже на 2 см, нападающие - на 2.6 см. Все коэффициенты статистически значимы. Объясненная вариация зависимой переменной возрастает до 6%. При этом коэффициент при переменной когорта рождения не изменяется.


Модель 3 . Добавление контрольных переменных для стран любопытно по двум причинам. Во-первых, некоторые различия статистически значимы и интересны сами по себе. Так, например, шведы, словаки и канадцы статистически значимо выше наших игроков. Большинство же наций значительно ниже нас, японцы аж на 5.2 см, итальянцы - на 3.6 см, французы - на 2.2 см (см. также рисунок 4). Во-вторых, введение контрольных переменных для стран значительно уменьшает коэффициент при переменной когорта рождения - до 0.08. Это значит, что межстрановые различия объясняют часть различий по когортам рождения. Коэффициент детерминации модели возрастает до 13%.


R code. Рисунок 4. Рост хоккеистов по странам


# players" height by country gg_av.h_country <- ggplot(dfuc ,aes(x=factor(cohort),y=av.height))+ geom_point(color="grey50",alpha=.25)+ stat_summary(aes(group=country),geom="line",fun.y = mean,size=.5,color="grey50")+ stat_smooth(aes(group=country,color=country),geom="line",size=1)+ #geom_hline(yintercept = mean(height),color="red",size=.5)+ facet_wrap(~country,ncol=4)+ coord_cartesian(ylim = c(170,195))+ scale_x_discrete(labels=paste(seq(1965,1995,10)),breaks=paste(seq(1965,1995,10)))+ theme_few(base_size = 15)+ theme(legend.position="none", panel.grid=element_line(colour = "grey75",size=.25))


Наиболее полная модель показывает, что увеличение роста хоккеистов происходит со скоростью 0.08 см в год. Это означает прирост 0.8 см за десятилетие или на 2.56 см за 32 года с 1964 по 1996. Обратите внимание, что при учете контрольных переменных скорость увеличения роста хоккеистов оказывается примерно в полтора раза ниже, чем при более грубом анализе средних значений (рисунок 1): 0.8 см за десятилетие против примерно 1.2 см.


Прежде чем мы, наконец, постараемся понять, насколько значительным оказывается увеличение роста, хочу обратить внимание еще на один любопытный момент. Введение контрольных переменных подразумевает фиксацию различий между категориями при едином наклоне регрессионной линии (единый коэффициент при главной объясняющей переменной). Это не всегда хорошо и может замаскировать значительные различия в тесноте связи между исследуемыми переменными в подвыборках. Так, например, раздельное моделирование зависимости роста игроков от амплуа (рисунок 5) показывает, что взаимосвязь наиболее ярко выражена для вратарей и наименее заметна для защитников.




R code. Рисунок 5. Корреляция между ростом и когортой раздельно для защитников, форвардов и вратарей

dfuc_pos <- dfuc levels(dfuc_pos$position) <- c("Defenders","Forwards","Goalkeeprs") gg_pos <- ggplot(dfuc_pos ,aes(x=cohort,y=av.height))+ geom_jitter(aes(color=position),alpha=.5)+ stat_smooth(method = "lm", se = T,color=brbg11,size=1)+ scale_x_continuous(labels=seq(1965,1995,5),breaks=seq(1965,1995,5))+ scale_color_manual(values = brbg11)+ facet_wrap(~position,ncol=3)+ xlab("birth cohort")+ ylab("height, cm")+ theme_few(base_size = 20)+ theme(legend.position="none", panel.grid=element_line(colour = "grey75",size=.25))


R code. Таблица 3. Модель 3 раздельно для подвыборок защитников, форвардов и вратарей

# separate models for positions m3d <- lm(data = dfuc %>% filter(position=="D"),av.height~cohort+country) m3f <- lm(data = dfuc %>% filter(position=="F"),av.height~cohort+country) m3g <- lm(data = dfuc %>% filter(position=="G"),av.height~cohort+country) htmlreg(list(m3d,m3f,m3g),file = "2016/160500 Hockey players/models_height_pos.html",single.row = T, custom.model.names = c("Model 3 D","Model 3 F","Model 3 G"))


Statistical models
Model 3 D Model 3 F Model 3 G
(Intercept) 108.45 (46.46) * 49.32 (36.73) -295.76 (74.61) ***
cohort 0.04 (0.02) 0.07 (0.02) *** 0.24 (0.04) ***
countryAUT 0.14 (0.96) -2.01 (0.75) ** 0.47 (1.47)
countryBLR 0.30 (0.87) -1.53 (0.73) * -2.73 (1.55)
countryCAN 1.55 (0.78) * 0.39 (0.62) 3.45 (1.26) **
countryCZE 0.87 (0.84) 0.30 (0.67) 0.63 (1.36)
countryDEN -0.60 (0.95) 0.10 (0.75) -0.19 (1.62)
countryFIN -0.55 (0.89) -0.04 (0.67) 2.40 (1.32)
countryFRA -3.34 (1.15) ** -2.06 (0.93) * 1.39 (2.07)
countryGER 0.48 (0.85) -1.40 (0.72) -0.65 (1.33)
countryHUN -1.32 (1.47) -0.70 (1.16) 0.65 (2.39)
countryITA -2.08 (1.08) -4.78 (0.82) *** -2.02 (1.62)
countryJPN -4.13 (1.26) ** -6.52 (0.94) *** -2.27 (1.98)
countryKAZ -1.23 (0.95) -1.82 (0.79) * 1.79 (1.58)
countryLAT -0.73 (0.95) -1.39 (0.75) -3.42 (1.49) *
countryNOR -3.25 (1.07) ** -1.06 (0.85) -0.10 (1.66)
countryPOL 0.82 (1.89) -0.58 (1.55) 0.37 (2.97)
countrySLO -1.57 (0.99) -1.54 (0.79) -2.25 (1.66)
countrySUI -1.98 (0.91) * -2.36 (0.71) *** 1.12 (1.47)
countrySVK 2.94 (0.87) *** 0.81 (0.67) -0.70 (1.50)
countrySWE 0.75 (0.81) 1.24 (0.65) 1.37 (1.33)
countryUKR -1.37 (1.01) -1.77 (0.80) * -3.71 (1.66) *
countryUSA 0.76 (0.78) -0.08 (0.62) 2.58 (1.26) *
R 2 0.09 0.10 0.24
Adj. R 2 0.07 0.09 0.20
Num. obs. 1094 1824 401
RMSE 5.08 5.08 4.87
*** p < 0.001, ** p < 0.01, * p < 0.05

Раздельное моделирование показывает, что в когортах 1964-1996 годов рождения, средний рост хоккеистов, участвовавших в чемпионатах мира в 2001-2016 годах, увеличивался со скоростью 0.4 см за десятиление для защитников, 0.7 см - для нападающих и (!) 2.4 см - для вратарей. За три десятиления средний рост вратарей увеличился на 7 см!


Пришло время сравнить эти изменения со средними значениями для населения.

Сравнение с населением

Результаты регрессионного анализа фиксируют значительные межстрановые различия. Поэтому сравнивать имеет смысл по странам: хоккеистов определенной страны с мужским населением этой же страны.


Для сравнения роста хоккеистов со средними показателями мужского населения я использовал данные из релевантной научной статьи (PDF). Данные я скопировал из статьи (использовав замечательную программку tabula) и тоже разместил в открытом доступе .


R code. Загрузка данных Hatton, T. J., & Bray, B. E. (2010) и подготовка к анализу

# download the data from Hatton, T. J., & Bray, B. E. (2010). # Long run trends in the heights of European men, 19th–20th centuries. # Economics & Human Biology, 8(3), 405–413. # http://doi.org/10.1016/j.ehb.2010.03.001 # stable URL, copied data (https://dx.doi.org/10.6084/m9.figshare.3394795.v1) df_hb <- read.csv("https://ndownloader.figshare.com/files/5303878") df_hb <- df_hb %>% gather("country","h_pop",2:16) %>% mutate(period=paste(period)) %>% separate(period,c("t1","t2"),sep = "/")%>% transmute(cohort=(as.numeric(t1)+as.numeric(t2))/2,country,h_pop) # calculate hockey players" cohort height averages for each country df_hoc <- dfu %>% group_by(country,cohort) %>% summarise(h_hp=mean(av.height)) %>% ungroup()


К сожалению, данные о динамике роста населения пересекаются лишь с 8 странами из моего хоккейного датасета: Австрия, Дания, Финляндия, Франция, Германия, Италия, Норвегия, Швеция.


R code. Пересекающиеся данные

# countries in both data sets both_cnt <- levels(factor(df_hb$country)) both_cnt




R code. Рисунок 6. Сравнение динамики увеличения роста мужского населения и хоккеистов. Примечание: зеленый цвет - мужское население; коричневый цвет - хоккеисты.

gg_hoc_vs_pop <- ggplot()+ geom_path(data = df_hb %>% filter(country %in% both_cnt), aes(x=cohort,y=h_pop), color=brbg11,size=1)+ geom_point(data = df_hb %>% filter(country %in% both_cnt), aes(x=cohort,y=h_pop), color=brbg11,size=2)+ geom_point(data = df_hb %>% filter(country %in% both_cnt), aes(x=cohort,y=h_pop), color="white",size=1.5)+ geom_point(data = df_hoc %>% filter(country %in% both_cnt), aes(x=cohort,y=h_hp), color=brbg11,size=2,pch=18)+ stat_smooth(data = df_hoc %>% filter(country %in% both_cnt), aes(x=cohort,y=h_hp), method="lm",se=F,color=brbg11,size=1)+ facet_wrap(~country,ncol=2)+ ylab("height, cm")+ xlab("birth cohort")+ theme_few(base_size = 15)+ theme(panel.grid=element_line(colour = "grey75",size=.25))


Во всех проанализировнных странах хоккеисты выше стеднестатистических мужчин на 2-5 см. Но это не удивительно - в спорте значительная селекция.
Примечательно другое. В развитых странах мира особенно бурное увеличение роста мужского населения происходило в первой середине 20 века. В когортах примерно 1960-х годов рождения рост мужчин приблизился к плато и пеерстал бурно увеличиваться. Тренд среднего роста хоккеистов во всех странах (кроме почему-то Дании) как будто бы продолжил приостановившийся многолетний тренд всего мужского населения.
Для когорт европейцев, родившихся в первой половине 20 века, темпы увеличения среднего роста варьировались от 1.18 до 1.74 см за десятилетие в зависимости от страны (рисунок 7). Начиная с 1960-х годов этот показатель опустился до уровня 0.15-0.80 за 10 лет.

Бывший напарник Адама Дэдмарша и Тасманский дьявол, бостонская «крыса» и российский Пол Кария, Золушка из «Тампа-Бэй» и гномы из «Баффало» – сайт, рассказав о самых низких хоккеистах КХЛ, добрался до малышей, выступающих в Национальной хоккейной лиге.

9 – , «Баффало» – 165 см

Его брату Джо повезло с ростом чуть больше (170 см), но попасть в НХЛ или хотя бы на драфт Гербе-старшему не удалось. До локаута скауты игнорировали молодежь ниже 180, полагая, что заиграть при существовавших в эпоху Эрика Линдроса правилах им все равно не удастся. Коротышку Нэтана, наверняка, ждала бы участь Джо, если бы не революционные изменения в лиге, которые заметно облегчили жизнь легким и техничным хоккеистам. После впечатляющего сезона-2007/08 в NCAA, по итогам которого Гербе стал лучшим бомбардиром команды Бостонского колледжа, о нем вспомнили в «Баффало», а уже через год форвард дебютировал в НХЛ, став самым низким из ныне действующих игроков. «Могу дать маленьким игрокам только один совет – никогда не сдавайтесь.

Рост – ваш главный недостаток, но делайте все, чтобы это был единственный минус. Работайте над своими сильными сторонами», – подарил надежду невысоким парням Гербе, получивший от болельщиков прозвище «Тасманский дьявол». Главным козырем форварда «Сэйбрс» стала вовсе не взрывная скорость, позволяющая ему отрываться от защитников на втором шаге, не резкий бросок и даже не техника, а зверский характер. Даже провокатор Патрик Калета не ведет себя также агрессивно и дерзко, как это делает Гербе, которому едва ли знакомо слово «страх». В качестве доказательства – вот этот эпизод из матча с «Бостоном», где Нэтан повздорил с громилой Здено Харой .

8 – , «Баффало» – 175 см

На драфте 2008-го «клинки» выбирали в первом раунде дважды, но если выбор двухметрового Тайлера Майерса, который добавил мощи обороне команды, ни кем не оспаривался, то приобретение прав на щуплого центра «Медисин Хэт Тайгерс», стало сюрпризом. В таланте забивного нападающего сомневаться не приходилось, но в атаке «Баффало» и без него хватало низкорослых технарей. Доказывать неправоту скептиков Эннис принялся с первых же матчей. Он отличился в дебютной игре в НХЛ, забив в ворота атлетичной «Филадельфии», а в концовке сезона заменил вечно травмированного Тима Коннолли, набрав 8 очков в 9 матчах регулярки и еще 4 – в 5 кубковых встречах.

Следующей осенью справедливость появления Энниса в основе команды уже ни кем не обсуждалась. Быстрые ноги и отменное катание помогают Тайлеру сократить количество встреч с плечами грубиянов, а выбить шайбу с крюка его клюшки без фола не так уж просто. «В юности я брал пример с Мартена Сен-Луи, а мой любимый игрок – Дэниэл Бриэр», – признался как-то Тайлер, забивший в первом полноценном сезоне более 20 голов. Бриэр раскрылся в лиге только к 25 годам, а Эннис может стать звездой уже в 22.

7 – , «Бостон» – 175 см

Если бы рейтинг самых ненавистных игроков НХЛ составляли болельщики «Ванкувера», то вслед за Тимом Томасом там расположился бы Mad Brad. Какими только проклятьями не осыпали агитатора «Брюинс» по ходу финальной серии, сравнивая его то с надоедливым комаром или кусачей блохой, то со снующей по углам крысой. Кто-то разглядел в Брэде следующего Кена Лайнзмена, прославившегося не только важными голами в плей-офф, но и въедливым поведением на льду, которое сводило с ума его соперников.

«Я стараюсь успевать везде, чтобы Рэкки и Бержерон чаще получали шайбу. Моя задача – залезть под кожу своим оппонентам, чтобы они и думать не могли об игре», – вкратце рассказал о своих функциях Маршанд, перемахнувший по ходу дебютного сезона из четвертого звена во второе. В плей-офф бостонский «крысеныш» забил 11 голов и привез в Массачусетс долгожданный Кубок Стэнли. Лайнзмену для выигрыша чемпионского перстня пришлось в свое время перейти в «Эдмонтон».

6 – , без команды – 173 см

Перед драфтом 1997-го генменеджер «Айлендерс» Майк Милбери осек коллег, восхищавшихся игрой юного россиянина за «Детройт Вайперс», сказав, что ИХЛ – это лига для джентльменов, и в матчах с мужиками негабаритного Самсонова задавят и быстро отучат от зрелищных финтов. Будущему хоккейному эксперту напомнили о Поле Карие, выделявшегося на площадке скоростью и умом, а не размазыванием соперников по бортам или толкотней на пятаке, но «Шаркс», «Кинс», «Флэймс» и «Лайтнинг», тем не менее, прошли мимо московского армейца, ставшего за полгода до драфта лучшим снайпером молодежного чемпионата мира. Самсонов достался «Бостону», который в последствии нисколько не пожалел о приобретении прав на 18-летнего форварда.

«Мне с пяти лет говорили, что для профессионального хоккея я слишком мал», – вспоминал Сергей, выигравший «Колдер Трофи» в дебютном сезоне. «Знаете, что я сделал? Просто перестал их слушать». В 888 матчах, проведенных в НХЛ, россиянин забил 235 голов и набрал 571 очко, однажды остановившись в одной победе от Кубка Стэнли. Вот и верь после этого Милбери.

5 – , «Питтсбург» – 173 см

Закрепиться в НХЛ в середине 90-х – начале 2000-х с небольшим ростом было сложно, а уж с таким весом, как у Стива Салливана, эта мечта казалась утопичной. 70-килограммовый форвард, тем не менее, своего добился. После 113 очкового сезона в лиге Онтарио мимо Салливана не могли пройти на драфте, но выбор в конце 9-го раунда как бы намекал ему, что в лиге таким, как он, не место. «Хорошо», – подумал хоккеист, после чего два года подряд забивал более 30 голов в фарм-клубе «Девилс». Быстрый, несколько прямолинейный, но довольно результативный игрок неплохо смотрелся и в «Торонто», куда его обменяли в 1997-м, но по-настоящему Салливан раскрылся в «БлэкХокс», которые подобрали его с драфта отказов.

«Понимаете, хоккей в НХЛ – это игра для высоких парней, а нам, малышам, дают один шанс, который нельзя не использовать», – сетовал нападающий, дважды становившийся лучшим снайпером «Чикаго». Если бы не тяжелая травма спины, Салливан давно бы преодолел отметку в 1000 матчей, 300 голов и 700 очков в НХЛ, но набрать недостающие до красивых отметок цифры он сможет в «Питтсбурге».

4 – , «Монреаль» – 175 см

Карьеру лидера «Канадиенс» можно поделить на две части – до локаута и все, что было после него. До него Майк считался перспективным нападающим, которому явно не хватает габаритов для игры в ведущих звеньях «Кингс». Соперники без проблем справлялись с канадцем, подавляя его мощью, плюс ко всему талантливому забивале «Кингс» мешали различные болячки. После годичного перерыва НХЛ узнала нового Каммаллери, опаснейшего снайпера с редким голевым чутьем и завидным кистевым броском. «Чтобы заиграть на таком уровне, нужно выбросить из головы мысли о твоем росте или других недостатках. Когда я выхожу на лед, то забывают о том, что ниже соперников», – говорит он. За шесть последних сезонов форвард трижды забивал по 30 и более голов, хотя регулярные травмы то и дело выбивают его из игры.

3 – , «Баффало» – 175 см

Самый талантливый из всех гномов, собранных Дарси Региром в «Сэйбрс». В «Китченере» (ОХЛ) Рой забивал по 40 голов и набирал по 100 штрафных минут за сезон, поэтому «клинки» и решили взять не подходившего под формат центрального нападающего под высоким 32-м номером. К основе «Баффало» Дерека подпустили не сразу – всплеск в игре хоккеиста наступил опять таки после локаута. Как и большинство невысоких парней, пробившихся в НХЛ, на площадке Рой не щадит ни соперников, ни себя, смело бросается под шайбу в меньшинстве, не уворачивается от силовых приемов и лезет на пятачок. 15 очков форварда помогли команде Линди Раффа дойти до полуфинала плей-офф в 2006-м, а спустя год он стал лучшим бомбардиром «Сэйбрс», набрав рекордные в карьере 81 очко. Эта отметка могла быть превзойдена в прошлом сезоне, но из-за травмы лидер «клинков» пропустил большую часть чемпионата.

2 – , «Монреаль» – 170 см

Говорят, что мама Брайана впервые привела сына на каток, чтобы оттащить его от экрана телевизора, и она представить себе не могла, что ее чадо влюбится в хоккей на первом же свидании. Единственным, что отвлекало Джионту от игры, были разговоры о его росте. Ярлык «коротышка» приклеился к Брайану еще в школе, и если бы не поддержка его тренера Криса Хикса, карьера шустрого нападающего могла и не состояться. Хикс даже нашел семье Джионты учебное заведение, который был готов предоставить молодому игроку стипендию, а вскоре успешная игра Брайана в Бостонском колледже заинтересовала Лу Ламорелло.

«Девилс», закрыв глаза на цифры в графе «Height», пошли на размен драфт-пиками, чтобы заполучить паренька, забившего 123 гола в 164 матчах NCAA. Риск оказался оправданным. В своем четвертом по счету сезоне форвард, удививший всех своей настырностью и бесстрашием, принес команде 48 голов, став любимчиком местных болельщиков. В «Монреале», где Джионта оказался в 2009-м, за характер и эмоциональную игру его прозвали Анти-Ковалевым, и, глядя на неугомонного нападающего, никогда не скажешь, что он чуть выше своей клюшки.

В спорте для настоящих мужчин, чтобы стать первым, необязательно иметь двухметровый рост или широченные плечи. сайт рассказывает о хоккеистах, которые заметны в КХЛ, несмотря на свой скромный рост.

9 – , «Витязь» – 172 см

В конце 2000-х в связи с запретом на безразмерную амуницию из клубов НХЛ стали постепенно исчезать голкиперы-«недоросли» (в прошлом сезоне ниже 180 см был только Крис Осгуд из «Детройта»), но именно тогда в составе «Трактора» появился Данила Алистратов. На сегодняшний день он самый низкорослый вратарь и, пожалуй, самый легкий игрок КХЛ (всего 73 кг). Если Кошечкину и другим гигантам, занимающих собою около 90% всей площади ворот, в большинстве случаев для сэйва хватает грамотно выбранной позиции, то юному челябинцу приходится чаще полагаться на свою реакцию и технику. Пока высокие авансы Алистратов отрабатывать не спешит, но к 20 годам за его плечами уже более 100 матчей на уровне Pro, а вратари, как известно, расцветают позже полевых игроков.

Звание самого низкого игрока «Трактора» после ухода Алистратова перешло к Антону Глинкину – те же 172 сантиметра.

8 – , «Югра» – 174 см

Нападение ханты-мансийского клуба – одно из самых низкорослых во всей лиге. Рост технаря Магогина всего 172 сантиметра, у Ситникова и Бардина – 174, а ведь есть еще невысокие Евгений Федоров, чех Булик, Муратов и Скороходов. Среди прочих не выделяется и Иван Хлынцев, лучший бомбардир югорчан в сезоне-2010/11. Большую часть карьеры 30-летний форвард провел во второй и третьей лигах, поиграв даже в Белоруссии, но, как показал прошлый год и на уровне КХЛ он смотрится очень достойно. «С моим телосложением и ростом я все-таки считаюсь более техничным, поэтому, видимо, и создан отдавать и забивать. А для драк есть парни побольше и пошире», – замечает Хлынцев, набравший солидные для дебютанта 30 (11+19) очков. Если и в систематичной «Югре» и есть незаменимые игроки, то бывший нападающий «Салавата» – один из них.

7 – , «Автомобилист» – 173 см

Самый маленький защитник КХЛ, что не мешает ему вот уже более 15 лет выступать на высшем уровне. Лучшие годы Соколова прошли в «Нефтехимике», где он играл в первой паре и выходил на реализацию большинства, но в его домашней коллекции есть пара серебряных медалей, завоеванных с «Ак Барсом» и «Локомотивом». В атаке от защитника «Автомобилиста» можно ждать чего угодно. Он может мощно приложиться к шайбе от синей линии, но не удивляйтесь, если увидите его проходы за чужими воротами. Если на внутренней арене спрос на миниатюрного игрока находился всегда, то проявить себя в сборной уральцу не удалось.

«Я не раз и не два призы лучшего защитника на чемпионатах получал, но в юношескую сборную даже в качестве кандидата не вызывали… Было обидно. Тренеру виднее – с него спрос за результат. Считал, значит, что с канадцами, например, при таких данных сложно будет справиться», – рассказывал Денис в интервью «Областной газете». Всего в чемпионатах России он провел 870 матчей, в которых набрал 272 (76+196) очков. Орел, Соколов!

6 – , «Нефтехимик» – 168 см

На протяжении долгого времени считался самым грозным «малышом» суперлиги, хотя в юности Симакове многие тренеры ставили крест, приговаривая «ну куда ему с таким ростом». Дверь в высший свет быстроногому нападающему открыл Владимир Крикунов, с которым Алексей работал в Екатеринбурге и Нижнекамске. В 2005-м Симакова пригласили в сборную России, а еще через 3 года он лихо зажигал в тройке с Епанчинцевым и Сапрыкиным, набрав рекордные в карьере 43 очка за ЦСКА. «Рост и вес сейчас ничего не решают. Только ум и владение собственным телом с техникой катания определяют, какую нишу займет спортсмен. Маленький хоккеист, если он юркий, – головная боль для соперника», – объяснял форвард в одном из интервью. Остановить набравшего скорость Симакова без фола действительно очень сложно.

5 – , «Торпедо» – 172 см

С такими данными шансов заиграть в НХЛ у Веске было мало изначально. Примеры Сен-Луи и Флери, конечно, добавляют уверенности в завтрашнем дне невысоким форвардам, мечтающим о лучшей лиге мира, но закрепиться надолго там удается немногим. Но уроки североамериканского хоккея не прошли для нападающего «Торпедо» бесследно. Он без труда нашел работу в Европе, где ему и платят лучше, и дают играть в первом, а не четвертом звене, как это было в «Шаркс». В дебютном сезоне в КХЛ Веске набрал 48 (25+23) очков, быстро став любимцем нижегородских фанатов.

4 – , «Северсталь» – 171 см

По закону природы, если где-то убыло, значит где-то должно прибыть. В случае с лидером «Северстали» Алексеем Цветковым это «что-то» добавилось к его хоккейному интеллекту. В КХЛ найдется в лучшем случае с десяток хоккеистов хитрее его, а в умении сделать тонкий пас или обыграть соперника один в один с ним сравнятся лишь избранные. Раскрыть свой диспетчерский талант полностью Цветкову удалось в ХК МВД, где он провел несколько отличных сезонов, и остается удивляться решению руководства «Динамо», не ставшего цепляться за игрока всеми силами. «Он был лидером нашего звена, и с его уходом что-то пропало из игры. Алексей это хороший центральный нападающий и тот человек, который может повести за собой», – сетовал Денис Угаров, игра которого после ухода напарника в «Северсталь» заметно потускнела.

В каждом из шести последних сезонах техничный Цветков делал не менее 20 голевых передач.

3 – , СКА – 174 см

Российский Тео Флери в хорошем понимании этого слова. Такому мальцу пальчик в рот не клади – откусит вместе с рукой, да еще бросит на борт так, что ребра будут трещать. Боевое крещение воспитанник спартаковской школы прошел в североамериканской ОХЛ, где не только забивал по 30-35 голов, но и дрался. Полученный опыт пригодился Рыбину в России, где его колючих силовых приемов и крепких кулаков побаиваются даже высокорослые хоккеисты. «Максим – игрок небольшого роста, но с огромным сердцем», – отметил как-то Дарюс Каспарайтис (179 см), которому в свое время также пришлось доказывать, что размер в НХЛ не самое главное. На сегодняшний день на счету Рыбина более 500 матчей в чемпионатах России, две сотни очков, почти 600 штрафных минут и несколько запоминающихся драк. В одной из них он легко завалил более рослого канадца Джеффа Улмера.

2 – , «Авангард» – 174 см

Встретив игрока омичей на улице, вы никогда не скажете, что перед вами профессиональный хоккеист, да еще и защитник, которым по роду профессии приходится много толкаться и отнимать шайбу. На фоне коллег из «Ак Барса» образца 2008/09 человеку несведущему Первышин мог показаться инородным звеном, ведь оборонцев ниже 183-185 сантиметров в команде Билялетдинова, кроме Андрея и не было. Впрочем, все это касается жизни вне площадки. На льду сравниться с Первышиным могут немногие, а недостаток роста он с лихвой компенсирует грамотным видением игры, классным первым пасом и верблюжьей выносливостью. Если кто-то и мог решить исходы двух затяжных овертаймов в серии «Авангарда» с «Магниткой», то это был Первышин, которому скромные габариты не помешали 4 раза стать чемпионом России. Правда, в сборную России его, как и Соколова, пока не вызывали.

Интересно, что одним из любимых защитников Первышина в юности был богатырь Карел Рахунек, который почти на 15 сантиметров выше его.

1 – , «Салават Юлаев» – 174 см

Вполне возможно, что путь к национальной команде для Первышина был бы короче, если бы в детстве он не сменил амплуа и остался нападающим. Результативным малышам в российском хоккее живется неплохо, а самым настойчивым и пробивным даже очень сладко. Один из первых тренеров Сушинского едва не забраковал субтильного пацана из-за его телосложения, но после перехода в группу Александра Балаева карьера будущей звезды «Авангарда» и СКА стала налаживаться. «В одной из первых игр шайба попала Максиму в лицо: кровь, зуб выбит... Так он приложил комок снега и уже через десять минут вышел на площадку, да еще и гол забил! Бойцовский характер у него с детства!» – рассказывал воспитавший хоккеиста специалист «Советскому спорту».

Помимо характера, игровой арсенал Сушинского состоит из классного дриблинга, голевого чутья, меткого кистевого, филигранного катания и скорости, которой, несмотря на возраст, на внутренней и европейской арене все еще хватает. Звезда сегодняшнего «Авангарда» Антон Курьянов тоже далеко не дядя Степа. Он выше СУ-33 всего на сантиметр.

    10. Лео Бойвин

    Рожденный в 32 году в Онтарио Бойвин стал одним из символов послевоенной НХЛ. Несмотря на скромные габариты (170 см, 80 кг), Лео вошел в число легенд НХЛ благодаря своему жесткому стилю. Любимый прием Бойвина – «бросок через бедро» – в своей книге описывал Бобби Орр :

    «Пожалуй, самым эффектным является бросок соперника через бедро, поскольку соперник после этого обычно совершает тройное сальто-мортале, прежде чем грохнется на лед. Лео Бойвин, крепкий коренастый защитник, был большим мастером таких приемов, пока не закончил играть несколько лет назад. Лео обычно низко приседал и подкатывался сзади или сбоку к ничего не подозревающему игроку с шайбой, ловил его на бедро и подбрасывал в воздух».

    Одним из самых известных силовых приемов Бойвина считают его хит против Фрэнка Маховлича, случившийся во времена выступления Лео за «Бостон». Слово великому канадскому комментатору Фостеру Хьюитту :

    «Маховлич убегает в отрыв, он на синей линии «Бостона», только Бойвин между ним и воротами. Большой Фрэнк убирает шайбу влево, затем вправо и пытается объехать защитника «Брюинс». БЭМ! Ой-ой! Бойвин мощно принял двадцать седьмого номера на бедро. Маховлич дал колеса. Теперь шайба у Бойвина…»

    8. Эрик Линдрос

    В начале девяностых крупногабаритный канадец по праву считался будущей звездой лиги и поначалу оправдывал надежды специалистов и руководства «Филадельфии», отдавшей в 1992 году за Эрика, отказавшегося играть в задрафтовавшем его «Квебеке», колоссальную компенсацию – 6 игроков (в том числе Питера Форсберга), два права выбора в первых раундах драфта и колоссальную денежную компенсацию. Но многочисленные сотрясения мозга свели на нет все попытки Линдроса выйти на прежний уровень. Сезон-2006/07 в составе «Далласа» стал последним в НХЛ для обладателя «Харт Трофи»-95.

    7. Здено Хара

    Словацкий гренадер, обладатель самого мощного броска в НХЛ, литеры «С» в «Бостоне» и Кубка Стэнли-2011, был бы просто не понят если бы при таких выдающихся габаритах не играл в жесткий и контактный хоккей.

    6. Александр Овечкин

    Один из лучших хоккеистов современности вряд ли нуждается в представлениях . Его силовой стиль и спортивная наглость стали такой же визитной карточкой Александра Великого как и голы, которых за шесть лет в НХЛ набралось уже больше 300.

    5. Дарюс Каспарайтис

    До локаута родившийся в Литве коренастый защитник был настоящим кошмаром для своих соперников. Дарюса по праву считают последним защитником советской школы, умевшим жестко играть в тело без нарушения правил. Два его силовых приема стали легендарными: в первом случае он поймал на плечо опустившего голову Эрика Линдроса, а во втором в блестящеми стиле вывел из игры нападающего сборной Канады Симона Ганье.

    4. Кэм Нили

    Задрафтованный под общим 9-м номером «Ванкувер Кэнакс» стал настоящей легендой «Бостона», проведя в составе «Брюинс» 10 сезонов. В 1996 году его номер был изъят из обращения – ни один игрок медведей с той поры не носил восьмерку на спине. Также стоит отметить, что участник нашего рейтинга стал одним из четырех хоккеистов, сумевших повторить рекорд Уэйна Гретцки, забив 50 голов в 44 первых матчах регулярного сезона.

    3. Дени Потвен

    Великий защитник, всю карьеру проведший в «Нью-Йорк Айлендерс» был одним из тех, кто великолепно играл как в обороне, так и в атаке. Перечислять его регалии бессмысленно, говорить о головокружительной для защитника статистике тоже. Выдающийся бомбардир, великий капитан и настоящий лидер открывает тройку рейтинга самых жестких хоккеистов НХЛ.

    2. Дион Фанюф

    Первый выбор «Калгари Флэймс» на драфте 2003 года несмотря на свою не самую плохую статистику считается одним из самых переоцененных игроков в современной НХЛ. Однако в умении вести силовую борьбу канадскому капитану «Торонто» отказать невозможно.

    1. Скотт Стивенс

    Седьмой по количеству сыгранных в НХЛ матчей защитник стал настоящим символом побед «Нью-Джерси» на стыке веков. Жесткий, неуступчивый Стивенс по праву считался олицетворением того хоккея «Девилс», который принес им два Кубка Стэнли за четыре года.



effenergy.ru - Тренировки, питание, экипировка