當前位置: 華文星空 > 體育

為什麽在 NBA 超級巨星中,高比的高階數據相對低下?

2017-02-03體育

謝邀。


大家都在用高比的技術來解釋高階數據……

有沒有想過 高階數據模型 本身的問題?


先從最著名的PER開始。

本賽季。甲球員每場平均33分鐘內25分6籃板3助攻2搶截1封蓋命中率49%三分率40%罰球率90%失誤2。

乙球員每場平均38分鐘內26分8籃板9助攻1搶截1封蓋命中率53%三分率37%罰球率69%失誤4。

怎麽看,都是乙球員更全面是吧?

但甲球員的高階數據PER是27.8。乙球員的高階數據PER是26.3。

即,一個33分鐘內每場平均25分6籃板3助攻的,效率貢獻高過38分鐘內26分8籃板9助攻的。

甲球員是萊納德。乙球員是勒邦。

身為馬刺球迷,如果根據數據,得出本季萊納德已經比勒邦牛叉了,我一定會歡欣雀躍——但稍微理智點,就明白不是如此。


是不是有點感覺了? PER好像有點偏向呢。


1998-99季,皮彭在火箭是全能組織者,每場平均15分7籃板6助攻,PER還不到17。

漢拿錫每場平均12分3籃板4助攻,PER是17.8。

高在哪裏?皮彭真實命中率53%。漢拿錫真實命中率58%。


威少爺本季每場平均31分11籃板10助攻。2014-15季每場平均28分7籃板9助攻。看上去明顯本季要高一截對吧?

然而:本季PER是29.4,2014-15季的PER是29.1——嗯?明明擔負了更多創造了更多,怎麽看上去也就差不多?



眾所周知,PER這個數據是霍林格老師做出來的。

這個數據的公式:uPER = (1 / MP) *

[ 3P

+ (2/3) * AST

+ (2 - factor * (team_AST / team_FG)) * FG

+ (FT *0.5 * (1 + (1 - (team_AST / team_FG)) + (2/3) * (team_AST / team_FG)))

- VOP * TOV

- VOP * DRB% * (FGA - FG)

- VOP * 0.44 * (0.44 + (0.56 * DRB%)) * (FTA - FT)

+ VOP * (1 - DRB%) * (TRB - ORB)

+ VOP * DRB% * ORB

+ VOP * STL

+ VOP * DRB% * BLK

- PF * ((lg_FT / lg_PF) - 0.44 * (lg_FTA / lg_PF) * VOP) ]

您不用看懂。總之,這玩意剛做出來,戴夫-貝利先生就說過, 這數據太偏向高命中率球員。

當然還有其他問題,比如 不考慮陣容、防守端影響沒有體現之類

基本上,PER更偏重於:失誤少、效率高、任何事都做一點、別太犯錯誤的那類球員。

比如,2005-06季,馬利安每場平均22分12籃板,PER高達23.6。但同隊的常規賽MVP拿殊每場平均19分4籃板11助攻,PER只有23.3。拿殊擔負的進攻任務更重,命中率也很可怖(真實命中率65%),但所以輸給馬利安,是因為他的失誤和籃板少了。

比如,1997-98季,打到東岸決賽那支溜馬,米勒只是PER第二,第一是歷克-斯密茨——因為斯密茨的籃板和效率更高。


而PER比較傾向於失誤少、效率高、任何事都做一點、別太犯錯誤的那類球員,高比明顯不屬於這類。


不止高比如此。他那一代持球主攻型搖擺人都這樣。

我舉一個最極端的例子。

2007-08季,麥蒂和姚明輪流帶隊。姚明受傷後,麥蒂帶領火箭完成22連勝。眾所周知,麥蒂最後一個全明星賽季。每場平均22分5籃板6助攻,也算統轄全隊了吧?蘭德裏也是那年出頭,每場平均8分5籃板。

結果,看高階數據:

計算PER時,蘭德裏21.4,麥蒂18.4。

每48分鐘贏球貢獻值WS/48,麥蒂0.115,蘭德裏0.251。

進攻貢獻值OBPM,麥蒂1.7,蘭德裏2.1。

可以說蘭德裏比麥蒂牛叉嗎?未必吧。


同理,勒邦本季的PER低於萊納德,不是他進攻端真比萊納德差,主要也是因為失誤和命中率問題。

我想結論出來了。

各種高階數據模型,都是用來幫助我們更精準地判斷一個球員價值的,而非決定性的——因為各有偏頗。

PER可以衡量一個球員的效率值。但對持球強攻型、策動型球員不算友好。

ORTG和DRTG可以衡量一個球員的攻防效率值,但並沒太考慮到球員配陣問題。

OBPM和DBPM比ORTG和DRTG更能體現球員的個人攻防貢獻,但還是沒考慮到功能的分配。

大多數高階數據模型,都對全面型球員有利,即北卡所謂的「填滿數據欄」;但因為計算公式的不同,各有偏差。所以得出的結論也不太一樣。

基本上,暫時沒有一個高階數據模型,可以完美體現球員的持球攻擊力和牽制能力——而這恰好是高比的特長。


所以各種高階數據的模型都是好的,但都有其傾向,需要不斷完善。 現有高階數據都可以作為參考,但別太迷信。 有時候,數碼本身就足夠了。比如本季哈登以61%的真實命中率每場平均29分,比戈貝爾本季以68%的真實命中率每場平均13分要了不起。這時候,得分數碼本身比高階數據要有說服力——就像,2005-06季,高比每場平均56%的真實命中率得到35分,比庫克每場平均58%的真實命中率命中率得到8分,要偉大得多。