Jak je vidět, Columbus střílel méně často, když vedl. To je poměrně typický trend.
Pomocí logistické regrese můžeme vyhodnotit vliv střel a kvality střel na šance vedoucího týmu na inkasování dalšího gólu. Model, který jsem sestavil, stejně jako Garryho model, rozkládá zápas na posloupnost herních stavů. Hra začíná za stavu 0:0 a po každém vstřeleném gólu začíná nový úsek herního stavu. Můj model bere jako vstupy počet střel, které vedoucí tým vyslal, a průměrnou kvalitu těchto střel (pomocí modelu očekávaných gólů na webu) během segmentu. Poté vypočítá pravděpodobnost, že tento tým dá další gól.
Obecně platí, že týmy, které více střílejí, mají menší pravděpodobnost, že dají další gól v zápase. U týmů, které lépe střílejí, je také menší pravděpodobnost, že inkasují další gól. Pokud zahrneme pouze situace, kdy tým vede o jeden gól, platí stejné výsledky. Pokud se však podíváme pouze na časové úseky ke konci zápasů a na situace, kdy týmy vedou o jeden gól – situace, kdy by bylo vhodné zaparkovat autobus -, situace se změní.
Pro zkoumání problému tímto způsobem jsem sestavil samostatné modely s použitím dat filtrovaných podle toho, kdy jednotlivé úseky začínají. Data jsem takto filtroval, protože doufám, že se mi podaří odpovědět na otázku, kdy by měl tým začít přecházet do obranné ulity. Domnívám se, že použití času začátku segmentu je pro tento účel dobrým, i když ne dokonalým ukazatelem. Chceme-li tedy například zjistit, zda je zaparkování autobusu dobrou taktikou až při gólu po 70. minutě, je model sestaven na základě údajů ze segmentů utkání, které začínají v 70. minutě nebo po ní. Všimněte si, že pro zajímavost jsem do modelu zahrnul jako proměnnou také to, zda je vedoucí tým doma nebo venku.
Následující graf ukazuje, podle jaké minutáže jsem filtroval, a zda má každá ze tří proměnných pro vedoucí tým – střely, kvalita střel a místo konání (doma nebo venku) – statisticky významný vliv na to, zda tento tým dá gól.