請繼續往下閱讀

2017/10/10

籃球科學化發展,進階數據大解析(一):EFF、GmSc、eFG%、TS%

Kawhi Leonard場均微笑2.1次,微笑幅度20度。 一、前言 又到了秋冬轉換之際,秋風漸冷,彷彿在宣告著"Winter is co...&q...

作者:Dangal冠

ericyang

Dangal大寫得詳盡易懂, 等待後續

Dangal冠

謝謝,這正是我所希望的。我會繼續努力的

bluewalker

http://www.tcsports.com.cn/l..
被對岸整碗端走囉。:(

vantora

Good Job!

 

※請注意,接下來的部分內容含有一些數學成分,先天性數學理解困難症候群患者請小心服用。 

請繼續往下閱讀

 

二、效率指標 

進階數據最主要的目的就是想知道球員表現得好不好,而想要衡量球員在場上的表現,「效率值」絕對是你必須認識的數據之一。現今最主流的「效率值」數據像EFFGmScPERORtgDRtg等等。但PERORtgDrtg的計算過程非常、非常、非常繁雜,因此之後有時間再特別獨立一篇介紹這幾項數據。 

EFF(Efficiency) 

請繼續往下閱讀

EFF算是最基本、也最常見的進階數據了。為什麼呢?我們先一起來看看EFF的公式長什麼樣子: 

EFF = (PTS + TREB + AST + STL + BLK) - (FGA - FGM) - (FTA - FTM) - TO 

公式看起來一長串,其實就只是把五大數據:得分、籃板、助攻、抄截、阻攻相加起來,再扣掉投籃不進與罰球不進,最後扣掉失誤而已 

五大傳統數據是正項,而投籃不進、罰球不進與失誤是負項,計算簡單又方便是其優點,所以說EFF是最常見的進階數據。公式裡沒有用到場均或命中率的數據,而是用一般的累積數據,而且EFF只有單純加減而非比例,所以EFF是個"累積數據" 

請繼續往下閱讀

缺失: 

EFF基本上參考價值並不高,因為這些數據的價值並非完全相等,未經過加權計算,會使EFF的衡量價值失真。例如,球員兩罰不進EFF會扣2,即使搶到進攻籃板重新掌控球權還是會扣1,但發生一次失誤使球權轉換給對方卻只扣1。或者,當你防守使對方投籃不進,沒有蓋火鍋的話EFF不會變動,但是同樣使對方不進,蓋到對方火鍋EFF卻會加1 

此外,EFF是可以靠大量出手權來灌水的。投進一顆兩分球會使EFF2,要隨便投丟兩顆才會歸零。所以你只要每三顆進一顆(只考慮投籃的部分),也就是投籃命中率.333以上,投越多,EFF就會越高!這對於一項"累積數據"來說是個致命傷。拜託!連Rubio上個賽季投籃命中率都有.402耶!一個名為效率值的統計數據,卻可以靠無限開火來累計,顯然非常不合理。 

所以EFF只會應用在單場比賽的box。在一場比賽的小樣本裡頭,球員當天可能會受到狀況、投籃手感等影響,EFF還是可以大致呈現球員該場比賽的效率。或者更正確的來說,是衡量球員單場的產出。 

 

GmSc(Game Score) 

這個數據是由ESPN的專欄作家John Hollinger所設計的。相較於EFFGmSc同樣參考五大傳統數據、投籃和罰球、失誤以外,還多加入了犯規統計,並對各項數據進行加權。 

GmSc = (PTS + 0.7×OREB + 0.3×DREB + 0.7×AST + STL + 0.7×BLK) + 0.4×FGM - 0.7×FGA - 0.4×(FTA-FTM) - TOV - 0.4×PF 

GmSc計算籃板時拆分成進攻與防守籃板,進攻籃板因為較難取得,且能再次取得進攻機會,避免球權被轉換,所以加權分數較防守籃板高,與助攻、阻攻一樣都是0.7分,而防守籃板則只有0.3分。因為抄截等於一次球權轉換,所以加權分數比阻攻高(蓋到火鍋不一定取得球權)。這裡你可能會好奇,為什麼投籃的加權分數也是1呢?原因我們來細看投籃的項目:0.4×FGM - 0.7×FGA 

+0.4×FGM代表每投進一球會加0.4分,但-0.7×FGA代表每出手一次會扣0.7分。也就是說,即使你投進球,在FG的部分還是會使GmSc的分數少0.3分!這就是讓得分加權比其他數據高的原因。事實上,投進一顆兩分只會加1.7分,一顆三分會加2.7分,但只要投丟任何一球都會扣0.7分。 

而投丟一球罰球的加權則是扣0.4分,一次犯規會扣0.4分,失誤一次會導致球權轉換,GmSc直接扣1分。 

缺失: 

相較EFF,多了對各項數據的加權,"看似"能改善EFF的第一個問題:各項數據非等價,不過這些權數是否合理就見仁見智了。 

請繼續往下閱讀

訂閱運動視界電子報

訂閱

追蹤我們