1. 서론
본 보고서는 모이라의 게임 승률에 영향을 미치는 주요 스탯을 통계적으로 검증하여, 플레이어가 승률 향상을 위해 중점적으로 개선해야 할 지표를 제시하는 것을 목적으로 한다.
Overwatch와 같은 팀 기반 게임에서는 개별 플레이어의 스탯이 승률에 미치는 영향이 복합적이며, 단순한 상관관계만으로는 인과관계를 파악하기 어렵다. 따라서 본 분석에서는 상관관계 분석과 구조방정식 모델링 (SEM)을 통해 다중 변수 간의 관계를 동시에 고려하여 승률에 대한 실제 영향력을 검증하였다.
2. 분석 방법론
2.1 표본 및 필터링 조건
- 전체 데이터: 27,633명
- 필터링 후 데이터: 3,671명
- 필터링 조건: 게임_치른 게임 ≥ 5게임
- 분석 변수 수: 22개
- 데이터 수집일: 20260205
본 분석은 충분한 게임 경험이 있는 플레이어만을 대상으로 하여, 일시적 변동이나 초보자 특성으로 인한 노이즈를 최소화하였다.
2.2 분석 절차
- 상관관계 분석: 게임 승률과 각 스탯 간의 피어슨 상관계수를 계산하고, 유의수준(p < 0.05) 및 상관계수 절댓값(|r| ≥ 0.3) 기준으로 유의한 변수를 선별하였다.
- SEM 분석: 원변수 기반 다중회귀분석을 수행하여, 다중공선성(VIF > 10)을 제거한 후 각 변수가 승률에 미치는 독립적 영향을 검증하였다. 모든 변수는 표준화(StandardScaler)되어 계수는 "1 표준편차 증가 시 승률 변화량"으로 해석된다.
인과관계를 설명하기 크게 어려운 상관관계 분석과 달리, SEM 분석은 다른 변수들을 통제한 상태에서 각 변수의 변화가 승률에 어떻게 기여하는지를 파악하므로, 상관관계 분석의 한계를 어느 정도 보완한다.
- 시각화: 상관관계 막대그래프와 SEM 유의변수 계수 그래프를 생성하여 결과를 직관적으로 제시하였다.
3. 주요 분석 결과
3.1 상관관계 분석 결과
상관관계 분석 결과, 총 8개의 변수가 게임 승률과 유의한 상관관계를 보였다(p < 0.05, |r| ≥ 0.3).
상위 긍정적 상관관계 변수 (상위 5개):
- 평균_처치 - 10분당 평균: r = 0.503 (p < 0.001)
- 평균_목숨당 처치: r = 0.500 (p < 0.001)
- 영웅별_융화로 처치 - 10분당 평균: r = 0.365 (p < 0.001)
- 평균_결정타 - 10분당 평균: r = 0.343 (p < 0.001)
- 평균_임무 기여 처치 - 10분당 평균: r = 0.339 (p < 0.001)
스탯이 높아서 승률이 높은 것일 수 있고, 승률이 높아서 스탯도 높은 것일 수 있습니다.
각 스탯과 승률의 인과관계를 설명하긴 어려우니, 참고만 해주세요.
3.2 SEM 분석 결과
SEM 분석은 10개의 후보 변수 중 9개를 최종 모델에 포함시켰으며, 다중공선성 문제로 0개 변수를 제거하였다.
모델 적합도:
- R² = 0.281 (설명력 28.1%)
- Adj.R² = 0.279
- AIC = -3975.05
- BIC = -3912.97
모델은 승률 변동의 약 28.1%를 설명하며, 보통 수준의 설명력을 보이며, 게임 데이터 분석에서 참고할 만한 수준이다.
유의한 변수 (p < 0.05) 및 영향력:
[이미지:https://ow-radar-chart-data.s3.ap-northeast-1.amazonaws.com/board_data/tips_board/모이라/SEM_에고/SEM_에고_유의변수_계수.png]| 변수 | 계수(표준화X) | 평균(μ) | 1표준편차(σ) | 해석 |
|---|---|---|---|---|
| 지원_방어형 지원 - 10분당 평균 | +0.0760 | 15.88 | 3.98 | (3.98) 증가 → 승률 +7.60%p 향상 |
| 평균_결정타 - 10분당 평균 | +0.0359 | 4.88 | 2.06 | (2.06) 증가 → 승률 +3.59%p 향상 |
| 영웅별_자가 치유 - 10분당 평균 | +0.0206 | 1,671.33 | 450.77 | (450.77) 증가 → 승률 +2.06%p 향상 |
| 영웅별_생체 구슬로 처치 - 10분당 평균 | +0.0197 | 7.70 | 3.09 | (3.09) 증가 → 승률 +1.97%p 향상 |
| 영웅별_융화로 처치 - 10분당 평균 | +0.0178 | 3.40 | 1.18 | (1.18) 증가 → 승률 +1.78%p 향상 |
기존 퍼포먼스에서 다른 조건이 동일하다고 가정할 때, 해당 스탯이 향상되었을 때 모델이 추정하는 승률 변화 폭입니다.
3.3 종합 해석
상관관계 분석과 SEM 분석 결과를 종합하면, 모이라의 승률에 가장 큰 영향을 미치는 스탯은 다음과 같이 요약할 수 있다:
- 가장 중요한 긍정 요인: 지원_방어형 지원 - 10분당 평균 (상관계수 r = 0.338, SEM 계수 = +0.0760)
- 두 번째로 중요한 긍정 요인: 평균_결정타 - 10분당 평균 (상관계수 r = 0.343, SEM 계수 = +0.0359)
이러한 결과는 모이라이 힐 영웅으로서, 지원 능력 능력이 승률에 직접적으로 기여함을 시사한다.
흥미로운 점은 평균_치유량 - 10분당 평균이(가) 부정적 계수를 보인다는 것이다. 이는 해당 스탯이 높을수록 오히려 승률이 낮아지는 경향을 의미하는데, 이는 자가 치유와도 연관된다. 평균 치유량은 승률에 악영향을 주지만, 자가치유는 긍정적인 영향을 끼친다는 점. 그리고 기타 다른 공격적인 스탯의 긍정적인 영향은.. 일반적인 힐 베이스의 모이라보단, 킬캐치 및 공격적인 영향력을 가져가는 플레이스타일이 승률에 도움이 될 수 있음을 시사한다.
4. 분석의 한계 및 의의
4.1 분석의 한계
본 분석은 다음과 같은 한계를 가진다:
- 관찰 연구의 한계: 본 분석은 기존 게임 데이터를 기반으로 한 관찰 연구이므로, 변수 간 인과관계를 완전히 입증하기는 어렵다. 상관관계가 인과관계를 의미하지 않을 수 있으며, 숨겨진 제3의 변수(confounding variable)가 존재할 가능성이 있다.
- 설명력의 한계: SEM 모델의 R²가 0.281로, 승률 변동의 약 28.1%만을 설명한다. 나머지 71.9%는 팀 구성, 상대팀 실력, 맵 특성, 운 등 모델에 포함되지 않은 요인들에 의해 설명된다.
- 표본의 특성: 본 분석은 3,671명의 플레이어 데이터를 기반으로 하며, 특정 시기나 지역의 데이터일 수 있어 일반화에 제한이 있을 수 있다.
- 변수 선택의 한계: 분석에 포함된 변수는 게임 내에서 수집 가능한 스탯에 한정되며, 플레이어의 의사결정, 포지셔닝, 팀워크 등 정성적 요소는 반영되지 않았다.
4.2 분석의 의의
그럼에도 불구하고 본 분석은 다음과 같은 의의를 가진다:
- 통계적 검증: 단순한 직관이나 경험적 판단이 아닌, 통계적으로 검증된 데이터 기반의 인사이트를 제공한다. 상관관계 분석과 다중회귀분석을 통해 각 스탯의 독립적 영향을 분리하여 검증하였다.
- 실용적 가치: 플레이어가 승률 향상을 위해 우선적으로 개선해야 할 스탯을 명확히 제시한다. 예를 들어, 지원_방어형 지원 - 10분당 평균을 1 표준편차만큼 향상시키면 승률이 약 +7.60%p 개선될 것으로 예측된다.
- 영웅별 특성 이해: 모이라의 승률에 기여하는 핵심 스탯을 파악함으로써, 해당 영웅의 플레이 스타일과 강점을 데이터 기반으로 이해할 수 있다.
- 재현 가능한 분석 프레임워크: 본 분석 방법론은 다른 영웅들에게도 동일하게 적용 가능하여, 각 영웅별로 최적화된 플레이 가이드를 제공할 수 있는 기반을 마련한다.
5. 결론
본 분석을 통해 모이라의 게임 승률에 영향을 미치는 주요 스탯을 통계적으로 검증하였다. 상관관계 분석과 SEM 분석 결과를 종합하면, 지원_방어형 지원 - 10분당 평균과 평균_결정타 - 10분당 평균이 승률에 가장 큰 긍정적 영향을 미치는 것으로 나타났다.