覆盖

在越来越多的当代足球分析文章中，使用不同的指标来突出团队或球员的优势，劣势或模式，越来越频繁地使用数据统计数据。我们已经对许多指标非常熟悉，而其他指标可能有一些不受欢迎的解释。今天，我们正在尝试介绍一些最常见的足球指标以及如何使用它们。我们将其分为两个部分。今天我们分享上半场。 ，现在开始：

“ PER 90”度量

在足球分析中引入指标时，这是一个重要的基础，在球员和团队级别上，仅使用摘要指标可能会产生误导，因为它没有考虑到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团队的性能，也就是说，在整个游戏的背景下（每场90分钟）查看这些数字。

自2019-20赛季开始以来，利物浦的鬃毛在英超联赛中攻入29球，而亚伯拉罕仅为切尔西打进21球。

乍一看，Mane似乎在进球前是一个更具说服力的球员，但额外的背景是，在此期间，Mane的比赛比亚伯拉罕多了2,000分钟。当我们看一下每场90分钟的进球时，我们看到亚伯拉罕的进球率为每90分钟0.58个进球，实际上，鉴于他们在前锋线上的角色不同，这实际上高于Mane的0.47进球，这更有意义。

我们将仔细研究下面2020/21赛季的最高得分手名单，这将根据平均每场90分钟而有趣。如果仅考虑在英超联赛中打超过900分钟的球员，那么贝尔（Bale）得分最高的球员。尽管他可能没有像其他球员那样积累的比赛时间，但贝尔在每场90分钟内平均取得了超过一个进球，这是他在球场上的很高回报。

图1平均90分钟

预期目标（XG）

XG指标对许多人来说并不陌生。简而言之，XG是衡量射击成为目标的可能性的一种方式。

并非所有镜头都具有相同的质量。射门可能是40码的射门，也可以是2码的射门。因此，XG将在玩家射击前测量每次射击的质量，并且需要考虑许多因素，包括：射击角度和目标之间的距离，无论是标头，脚弱还是习惯的脚，射门来自十字架，穿透，还是短票前有多个防守者？

XG值是0（无机会得分）和1（一个目标）之间的值。例如，以下场景是费尔南德斯（Fernandez）对南安普敦（Southampton）的射击，XG值为0.3，这意味着，鉴于他所处的情况，这张镜头具有3/10或30/100的可能目标。

图2-目标的可能性

XG值是通过以前在类似情况下使用数千张镜头来计算的，并查看其中有多少次。

上面的示例使用单个镜头简要概述了XG指示器的含义，但是如果我们想一个一一研究XG，通常是不准确的。我们要做的是在游戏，一段时间或一个赛季中从玩家或球队中积累XG，并根据他们的投篮质量，以更清楚地了解他们应该拥有多少个目标。

当然，当我们有更大的样本时，从该信息中得出的结论在较长时间内更可靠。当我们这样做时，与他们的期望相比，我们可以使用XG探索球员或团队在目标面前表现不足还是过高。

射击预期目标（XGOT）

基于XG，我们可以更深入地研究射击成为目标的可能性。 XG在播放器射门之前提供了值，而XGOT在玩家的射门后为玩家的击球目标提供了更正值。

提出的值与XG相同，也是0到1之间的数字。但是它进一步增加了背景，将镜头从目标的上角区分开，从射击到目标的中间。可以想象，此XGOT模型仅计算命中目标的值，因此取决于球员至少让守门员做出相应的动作 - 当然，如果射击与目标偏离，那么得分的机会为零（除非不可能）。反弹）。

让我们看一下上赛季凯恩的以下例子。在他在罚球区之外开枪之前，他的XG为0.03，这是一个非常低的机会，预计100杆中只有3次是目标。

图3-预计射门得分

但是，凯恩（Kane）的射击质量非常出色，因为它飞向上角。射门后，这个机会的XGOT价值现在跃升至0.54，这意味着在54％的时间内，罢工位置将导致目标，这确实是最终的高质量射击。

图4-高质量射击

XGOT提供的主要内容是对玩家的射击执行更清晰的概念。如果玩家的XGOT值继续高于其XG，它告诉我们，他们的投篮百分比优于他们获得的机会的质量。

值得注意的是，这些数据仅包括针对而不是阻止的镜头。因此，可能有些球员会认为自己不幸，他们执行了完美的射门，但防守者阻止了他们的射门。

然后，我们可以使用OPTA的“射击添加值”度量标准来计算玩家的XG和XGOT之间的差异。在下面，您可以看到马刺的太阳敏敏（Sun Xingmin）上赛季为他的投篮增添了最大的价值，并且他从这些投篮中提高了3.8个进球的机会。

图5-校正值

另一方面，莱斯特城的瓦尔迪（Vardy）在机会和处决之间的差距最大，由于他达到目标的技巧不佳，他的表现不佳。

图6- Vardy的更正值

同样，我们可以将XGOT视为衡量守门员性能的好方法。这可以更准确地反映守门员的性能，因为它可以预测守门员将根据面对射击的质量承认多少个目标。

然后，我们可以使用此数据来衡量“阻止目标”的数量，该数据将守门员承认的实际目标数与预期的目标数量进行比较。进球数量越高，守门员的拦截表现就越好。

上个赛季，最好的盖帽表现来自托特纳姆热刺的洛里斯，他在整个赛季中封锁了预期的5.1个进球。

图7-洛里斯的封锁

非预期目标

该指标几乎不需要解释，但是重要的是要考虑为什么通常通过从目标总数中扣除惩罚来评估目标的原因。处罚本身并不能很好地反映出玩家为自己创造机会的能力。当然，您可以有一个可以进球和码头得分的球员，但是即使他不参与导致犯规的那一刻，通常会受到罚球的人也会受到惩罚。

手球规则的变化以及VAR的引入也意味着上赛季授予的罚球数量达到了历史最高水平，总共罚球125次，平均每三场罚球。

那些罚球踢的人可以大大提高目标统计数据，从不可持续的目标中提高。看上赛季的英超联赛得分手，曼联的费尔南德斯（Fernandez）和莱斯特城（Leicester City）的瓦尔迪（Valdy）的进球都翻了一番。没有这样的高价值目标机会，他们远非排名第一。 10人。

图8-非季节排名

考虑到这一点，通过观察游戏中的非赛车目标或非赛车XG来评估得分机会将更加可靠，在这种情况下，它可以提供更高的竞争环境来探索球队或球员的得分机会。

预期助攻（XA）

辅助本身并不能很好地反映出球员的创造力。一个球员可以简单地将球传给他的队友，然后将球击中进球，而另一个球员可能会长距离距离并将蛋糕送给队友。 ，让他的队友得分，这两种情况几乎是无与伦比的。此外，为了获得协助，传球手需要依靠接收队友来完成得分机会，但这并不总是发生。

因此，预期的目标框架的另一个扩展是助攻（XA）。它的工作方式与XG大致相同，但是在给球之前传递球的球员的分数略有不同。

简而言之，XA测量了辅助投篮的预期目标值，并且也表示为0（没有助攻的机会）和1（必须有助攻）。

XA可以为这些创意参与者提供信用，并更清楚地概念，即一名球员应该给予其攻击输出质量的助攻。我们还可以添加所有值，以探索玩家是在创造非常宝贵的机会还是传球，以免失去球。

回顾上赛季，曼城的德布鲁因是最具创造力的球员也就不足为奇了。考虑到比利时因受伤而错过了很多比赛，他再次以平均90分突出了他在球队中的能力，平均每三场比赛平均有一个以上的助攻（平均每场90分钟90分钟，0.37 xa）。

图9-预期协助

当然，就像罚球可以夸大球员的进球数一样，任意球选手也可以增加球员的创造力，因为他们有更多机会将球传给没有对手的危险区域，让更多的球员攻击球。因此，上个赛季游戏中的所有玩家的XA表现都略有不同，这值得一看。在这里，费尔南德斯（Fernandez）在德布鲁伊（De Bruy）之前几乎处于榜首，诸如Odoi和Maximan之类的球员表现出了自己的创造力，可以通过球来找到队友在比赛中处于危险位置。