覆盖

越来越多的当代足球分析文章对数据统计的使用越来越频繁，并使用不同的指标来突出一支球队或球员的优势、劣势或模式。很多指标我们都非常熟悉，有些指标可能会有一些冷门的解释。今天我们尝试介绍一些最常见的足球指标以及如何使用它们。我们将其分为两部分。今天就来分享一下。我们现在开始：

“PER 90”指标

在足球分析中引入指标时，这是一个重要的基点。在球员和球队层面，简单地使用汇总指标可能会产生误导，因为它没有考虑达到这个数字所花费的时间。

背景是分析的关键。我们需要找到一种公平的方法来比较球员或球队的表现，即在整场比赛（每场90分钟）的背景下看待这些数字。

自2019-20赛季开始以来，利物浦的马内已在英超联赛中打进29球，而亚伯拉罕则为切尔西打进21球。

乍一看，马内在门前似乎是一个更有说服力的球员，但额外的背景是，马内在此期间踢了超过2000分钟的比赛。当我们观察90分钟的平均进球数时，我们看到亚伯拉罕的进球率为每90分钟0.58个进球。事实上，每90分钟进球数比马内高0.47个。鉴于他们在前锋线上的不同角色，这更有意义。

让我们仔细看看2020/21赛季的最佳射手名单。按照平均每场比赛90分钟的时间计算，这将会非常有趣。如果只考虑英超出场时间超过900分钟的球员，进球率最高的是贝尔租借。尽管贝尔积累的上场时间可能没有其他球员多，但他在 90 分钟内打进了不止一粒进球。当他在场上的时候，这是一个非常高的回报。

图1-场均90分钟

预期进球（XG）

XG的这个指标对于很多人来说并不陌生。简单来说，XG是衡量射门进球可能性的一种方法。

并非所有的拍摄质量都是一样的。一枪可能是在 40 码处射击，也可能是在两码处射击。因此，XG会在球员射门前衡量每次射门的质量，需要考虑很多因素，包括：射门角度与球门的距离，是头球，还是弱脚还是惯用脚。短传中是否有很多防守球员。

XG 值是介于 0（没有进球机会）和 1（一定进球）之间的值。例如，下面的场景是费尔南德斯对阵南阿普里隆的镜头。 XG值为0.3，这意味着考虑到他现在的情况，这次射门的可能进球数是3/10或者30/100。

图2-进球的可能性

XG值是通过使用之前数千个类似情况以及其中有多少得分来计算的。

上面的例子用单拍来简单概述一下XG指标的含义，但如果我们要一张一张地拍XG，往往是不准确的。我们要做的就是积累球员或球队在一场比赛、一段时间或一个赛季中的XG，并根据他们的射门质量，我们知道他们应该有多少个进球。

当然，当我们拥有更大的样本时，这些信息得出的结论在更长的时间内更加可靠。当我们这样做时，我们可以使用 XG 来探索球员或球队在球门前的表现是否不足或过高。

返回预期目标（XGOT）

在XG的基础上，我们可以更深地挖掘射门得分的可能性。 XG提供玩家射击前的数值，XGOT提供玩家射击后目标的修正值。

呈现的数值与XG相同，也是0到1之间的数字。不过，它进一步增加了背景，将射门与球门正中射门区分开来。正如你想象的那样，这个 XGOT 模型只计算目标的数值，所以至少要取决于球员让守门员做出相应的动作——当然，如果射门偏离了目标，你进球的机会就是零（除非不可能，不可能Bounce）。

下面我们来看看凯恩上赛季的例子。在他禁区外射门之前，他的XG是0.03，这是一个非常低价值的机会。预计100次射门中只有3次会成为进球。

图3-坐姿预计得分

不过，凯恩的射门质量非常好，因为飞入了上角。射门之后，这次机会的XGOT值现在已经跃升至0.54，这意味着在54%的情况下，这次射门的位置会导致进球。最后，这确实是一个高质量的镜头。

图4-高质量拍摄

XGOT提供的主要内容是对玩家的投篮有更清晰的概念。如果一名球员的 XGOT 值持续高于其 XG，这告诉我们他们的投篮命中率优于他们获得的机会。

值得注意的是，这些数据只包括积极投篮，不包括盖帽。因此，有些玩家可能会认为自己运气不好。他们打出了完美的射门，但防守队员挡住了他们的射门。

然后我们可以使用OPTA的“投篮增加”指标来计算球员的XG和XGOT之间的差异。下面，你可以看到热刺队的孙兴慜上赛季的射门增加了最大的价值。他通过这些射门增加了 3.8 个进球的机会。

图5-修改后的值

反观莱斯特城的瓦尔迪，机会和执行机会差距最大。他的表现是3.4球，因为他的射门技术太差了。

图6-Valdi修正值

同样，我们可以将XGOT视为衡量守门员表现的好方法。这可以更准确地反映守门员的表现，因为它可以根据守门员的质量来预测他们会丢多少球。

然后我们可以用这个数据来衡量“停止进球”的数量。该数据比较了守门员人数和失球数以及预期进球数。进球数越高，守门员的拦截性能越好。

上赛季，最佳盖帽来自热刺队的洛里斯，他整个赛季盖帽5.1个，超出预期。

图7-Loris的堵塞

非罚球进球

这个指标几乎不需要解释，但重要的是为什么考虑进球数往往是通过进球总数中的点球得分来评估的。判罚本身并不能体现球员为自己创造机会的能力。当然，你可以有一个既能进球又能罚球的球员，但通常情况下，即使你不参与犯规，罚点球的人也会是主罚。

手球规则的改变以及VAR的引入也意味着上赛季点球判罚数量创下历史新高。共有125个点球，平均每场1个点球。

那些罚点球的人可以从不可持续的进球中显着增加他们的进球数据。看看上赛季英超的顶级射手，曼联的费尔南德斯和莱斯特城的瓦尔迪都转身进球了。如果没有如此高价值的进球机会，他们就无法排名前十。

图8-无处罚排名

考虑到这一点，通过观察比赛过程中的非点球进球或非点球XG来评估得分机会会更加可靠。这样的话，就可以提供更加公平的竞争环境来探索球队或者球员。得分机会。

预期助攻数 (XA)

助攻本身并不能很好地体现球员的创造力。一名球员可以向队友进行简单的传球并将球射入球门，而另一名球员可能距离很远。当着队友的面把蛋糕送给队友，让队友得分，这两种情况几乎可以相提并论。另外，为了获得助攻，乘客需要依靠接球的队友来完成得分机会，但这种情况并不总是发生。

因此，预期目标框架的另一次扩展是预期的（XA）。与XG大致相同，但与先传球后击球的球员略有不同。

简单来说，XA衡量的是助攻射门的预期进球值，也是用0（没有机会助攻）和1（一定助攻）之间的数字来表示。

XA可以为那些有创造力的球员提供信用，并给出一个更清晰的概念，即考虑到他们的进攻输出质量，球员应该有多少助攻。我们还可以添加所有的值来探索球员是否创造了非常有价值的机会，或者是否为了不丢球而传球。

回顾上赛季，曼城的德布劳恩成为最具创造力的球员并不奇怪。考虑到比利时人因伤缺席相当多的比赛，在场上90分的基础上，他再次凸显了自己在球队中的能力。平均而言，他每三场比赛就能提供超过一名助攻（场均90分钟，平均90分钟，0.37xa）。

图9-预期助攻

当然，就像点球可以夸大球员的进球数一样。作为任意球，点球也可以增加球员的创造性输出，因为他们有更多机会在没有对手的情况下将球送到危险区域。让更多的球员进攻球。因此，上赛季所有球员在比赛中的表现都略有不同，值得一看。这边，费尔南德斯几乎顶住了德罗内，奥多伊、马克斯曼等球员也展现出了创造力，能够在比赛中传球寻找处于危险位置的队友。