Je suis tombé sur un article très intéressant du département des sports et de la performances de l’université de Masaryk en République Tchèque qui tente de répondre à cette question.
Liens vers la source : https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0309085
𝗠𝗲́𝘁𝗵𝗼𝗱𝗼𝗹𝗼𝗴𝗶𝗲 :
Pour cela, ils utilisent la méthode MANOVA : Analyse de variance multivariée. Ce type d’analyse permet de comparer plusieurs groupes de variable par rapport à un résultat.
On a les variables dépendantes qui correspondent au résultat de ce qu’on va observer par le prisme des variables indépendantes qu’on va analyser.
Indépendantes = ce qui influence
Dépendante = ce qui est influencé
Dans le cas présent, les variables indépendantes sont les suivantes :
👉 Données Anthropometric (soit caractéristiques physiques) : âges, taille et poids
👉 Statistique sur le service et le retour :
👉 1st Serve Points Won
👉 2nd Serve Points Won
👉 Break Points Saved
👉 Service Games Won
👉 Total Service Points Won
Variable dépendante : groupe de classement soit top 100, top 300, top 500.
𝗔𝗻𝗮𝗹𝘆𝘀𝗲 𝗱𝗲𝘀 𝗿𝗲́𝘀𝘂𝗹𝘁𝗮𝘁𝘀 :
Dans le tableau ci-dessous, vous avez la colonne « value » avec la statistique du test multivarié (ici Pillai’s Trace) utilisé pour juger de la différence entre groupes.
Cette valeur entre 0 et 1 montre la différence globale entre les groupes.
On regarde aussi l’indicateur η²ₚ soit l’effet de taille. Il représente, combien de la variance totale est expliquée par la variable indépendante.
𝗥𝗲́𝘀𝘂𝗹𝘁𝗮𝘁𝘀 :
🥇 Le facteur le plus discriminant est le service
Plus le joueur est bien classé, plus son taux de points gagnés sur le service est élevé.
🥈 Le second facteur est la qualité de retours de service
🥉 Enfin on voit que les joueurs du top 100 sont en moyenne plus âgés et plus grands que ceux des rangs inférieurs.