预期进球(xG)详解:这个数字到底意味着什么
一支球队射门18次却0比1输球,下周只射3次却2比1赢了。只看比分,第一场表现糟糕,第二场把握机会能力出色。预期进球(xG)却可能给出相反的结论:第一支球队其实踢得不错,只是运气差;第二支球队很可能只是逃过一劫。它是现代足球分析中最有用的数字,也是最常被误解的数字之一。
xG到底是什么
每一次射门都会得到一个0到1之间的值:类似射门在历史上转化为进球的概率。点球的xG约为0.76–0.79,具体取决于数据商——Opta用0.79,StatsBomb用0.76(2022年上调至0.78)——因为大约四分之三的点球会被罚进。角球头球约为0.06,25码外的远射约为0.03,六码区中央的推射约为0.40–0.50。
把一支球队全场所有射门的xG加起来,就是它的本场xG:一支普通球队用这些机会平均能进多少球。一支球队2比1赢了,xG却是0.6比1.8,那它创造的机会更差,很可能只是运气好。这就是xG的全部思想——把机会质量和进球的随机性分开。
简史
“预期进球”这个词最早出现在1993年Vic Bennett和Sarah Hilditch的一篇学术论文中,但现代xG诞生于2012年4月,当时Opta分析师Sam Green发表了一篇评估英超射手的博客。Green问了一个简单的问题:两名前锋进球数相同,但一人需要的射门是另一人的两倍,谁是更好的终结者,谁只是得到了更好的机会?他用Opta的射门数据建立了一个模型,按射门位置、角度、身体部位和创造机会的传球类型给每一次射门估值。
2011–12赛季,达伦·本特43次射门累计xG为9.9,而阿德尔·塔拉布特73次射门只有3.0——同一联赛,机会质量天差地别。Green还指出路易斯·苏亚雷斯在2011–12赛季只进11个联赛进球是“格外倒霉”;随后苏亚雷斯一个赛季进23球,再下一个赛季进31球。机会一直都在,进球追上来了。
又过了五年xG才进入主流:BBC的Match of the Day从2017–18赛季开始展示xG,如今它出现在每一张转播图表和数据表上。
模型如何构建
xG模型是一个分类算法——通常是逻辑回归或梯度提升树——用数十万次历史射门训练,每一次射门标注进球或未进球。Opta的现行模型用2018–19至2021–22赛季40项赛事近一百万次射门训练,变量超过20个。
输入按重要性大致排序:
- 距离与角度。决定性因素。价值随距离增大和向边线靠近而急剧下降,因为射门角度变窄。
- 身体部位。禁区点球点位置的头球,价值远低于同一位置的脚下射门。
- 助攻类型与进攻阶段。直塞、传中、补射、反击和定位球在同一位置的转化率各不相同。
- 防守球员与门将。高级模型使用定格画面数据:射手与球门之间有几名防守球员,门将站在哪里。面前有两名防守球员的射门,价值低于视野开阔的同一脚射门。
不同数据商用不同数据、不同输入训练,所以同一脚射门得到的数值略有不同——Opta可能给0.25,StatsBomb给0.21。把任何xG数字都当作估计值,而不是精确到小数点后两位的测量值。
怎样读它——以及怎样不读错
整个赛季,相信它。xG的最佳用法是看一支球队的xG得失差。整个赛季下来,它比联赛排名更能预测未来成绩,因为排名被xG剔除的运气污染了。一支排名中游、xG得失差却排前六的球队,通常是要往上爬的球队。
单场比赛,别过度解读。一场比赛总共约25次射门,几脚0.10的射门进与不进带来的随机性会淹没信号。2.4比0.8的xG胜利有意义,1.1比0.9的平局几乎说明不了什么。
它不评价射手。标准xG问的是普通球员面对这个机会会怎样。它不奖励跑赢模型的优秀终结者,也不惩罚错失良机的糟糕射手——进球数减xG这个差值本身就是终结能力的度量,而除了最大样本下最好和最差的终结者,这个差值大多是噪音。
它忽略比赛状态。1比0领先的球队在尾声常常不再进攻,落后的球队则会仓促起脚;xG对这些机会一视同仁。
xG与我们的预测器有何关联
GoalMath的比赛预测器在球队层面建立在同一思想之上:λ(拉姆达)就是一支球队本场比赛的预期进球数,由攻防强度相对于联赛平均值得出,再输入Dixon-Coles模型,得到胜平负、大小球和双方进球概率。xG回看一支球队创造的机会质量,λ前瞻它应该创造的机会质量。两者问的是同一个问题——机会有多好?——只是方向不同。
这样用,xG是诚实球迷最好的朋友:它告诉你,比分说你输了的那个夜晚,你的球队是不是其实踢得不错;也告诉你,一波连胜是建立在真实的东西上,还是建立在门将度过了一生中最好的一个月上。比分告诉你发生了什么,xG告诉你这样的机会通常会发生什么——而整个赛季下来,“通常”会赢。
相关阅读: Dixon-Coles 模型如何预测足球比分 · 如何读懂我们的比赛预测