新式数据“接杀形成率” 破解守备能力迷思
https://udn.com/news/story/6999/2370861
2017-03-29 07:00
千禧年过后，进阶棒球统计－赛伯计量学（Sabermetrics）－的触角逐渐深入美国职棒，
并且扎根。直到今天，大联盟30支球队都已经有专职的进阶数据部门，导入科学化思维的
经营模式，已成为当今大联盟的主流。这波从打击项目开始的数据革命，经过10几年的快
速发展，打击、投球等两个主要项目，都已拥有一套堪称完整、准确的数据系统，然而，
在“防守”这个环节上，似乎瓶颈不断、难有突破。
由于防守这个项目，不像有固定模式、球员位移较小的打击、投球，那样好记录、好追踪
，所以直到两、三年前，棒球界都找不出最好的评估方法。
虽然有赛伯计量学家利用逐球的击球强度、防守结果资料，整理并算出每个防守球员制造
出局数的次数，创造DRS（Defensive Runs Saved）、UZR（Ultimate Zone Rating）等进
阶守备数据，试图避掉传统“失误”（Error）数据没有考量到球员反应能力跟守备范围
的缺失，但这些数据终究还是以“防守结果”作为基础，无法考量到很多结果发生之前的
变因，还有选手在防守过程中的判断力、移动力等，因此数据的信度颇令人质疑，经常出
现某一名选手逐年防守数据变动极大的情形。
为了解决这些问题，并更进一步探究最好的防守评估方法，大联盟官方过去几年投入极大
的资源在更新雷达科技、追踪系统上，终于在两年前的2015年，正式于全联盟30座球场启
用，能够精准追踪纪录棒球走向，以及球员移动的Statcast系统。
Statcast可说是打开多年防守谜团的一把关键钥匙，因为这是棒球史上第一次，能够借由
科技的力量，完整且精确地将人跟球的移动轨迹、速度记录起来。过去我们无法量化的“
过程中变因”，如今总算都能以数字呈现，让我们不必再仰赖“结果”、很武断地以成败
论英雄。
Statcast的雷达系统精准纪录了许多很有参考价值的数据，像是去年球季最快的球...
Statcast的雷达系统精准纪录了许多很有参考价值的数据，像是去年球季最快的球速等等
。 撷图自大联盟官网
大联盟的数据分析师派崔洛（Mike Petriello）、叹戈（Tom Tango）、威尔曼（Daren W
illman）等人，自Statcast系统启用后，就不断分析、整理、归纳所有收集到的数据跟资
料。
如今两年过去，他们总算在获取足够样本数的情况下，开发出一套让一般普通球迷都能轻
松理解的防守评估方法，并且在今年三月中于亚利桑那凤凰城举行的美国棒球研究学会研
讨会（SABR Analytics Conference）上，进行发表。
这个新开发的防守数据叫做“接杀形成率”（Catch Probability），可以明确指出一个
被打出去的球，防守难度有多高，藉以评估一个防守球员的真正守备实力（目前只适用于
外野飞球，日后会增加到内野滚地球等其他项目）。
至于背后的运算机制为何？简单来说，就是整合Statcast追踪的每一颗被击中球的资料，
以及球员的反应时间、跑动轨迹和距离，算出每一个场内球的“被接杀机率”。为了让球
迷更直观的理解“被接杀机率”所代表的意义，叹戈等数据分析师依据不同的被接杀难度
，将每一颗场内球进行“分级”，接杀形成率在零到25%的，被归类在“五星级”（代表
最难被接杀，守备难度极高）；26%到50%的，被归类为“四星级”；51%到75%的，被归类
为“三星级”；76%到90%的，被归类为“二星级”；至于90%到95%的，则被划分为“一星
级”（代表非常容易被夹杀，没有什么守备难度）（96%到100%的因为难度太低，所以不
值得被予以“星级”）。
有了这一套评估系统，球迷就能立刻知道，某一颗被打出去的球，在一般情况下有多大的
机率会被处理掉、形成出局数，也就是所谓的“难度”有多高。
接着再看场上真正在面对这球的防守球员，是否有顺利地抓到出局数、过程中是否很吃力
，还是十分轻松，并且综合所有因子，以客观的方式评断该防守球员的守备表现。
举例来说，如果一名防守球员，他在外野以飞扑的方式接到一颗飞球，在没有“接杀形成
率”的数据辅助、单靠视觉画面的情况下，我们通常会认为这是一个很棒的美技。但有了
“接杀形成率”后，假如我们发现事实上那颗飞球根据过去的统计，有高达85%的“接杀
形成率”，代表那颗飞球的实际难度只有两星，那么该名防守球员的美技，可能就不是那
么的“美”，反而有很大的误导球迷认知的效果。他之所以会接得惊险，完全是因为判断
、起步不好，或是跑动过程中绕了远路，造成效率不佳的防守路径。
去年四月五日，当时人还在圣地牙哥教士的右外野手坎普（Matt Kemp）就做出了一个“
看似美技、实则普通”的外野接杀。面对透纳（Justin Turner）击出的外野飞球，坎普
在右外野的警戒区前彻底延展身体，做出飞扑接杀，获得球迷和队友立即的肯定回馈。
但事实上，根据Statcast的追踪，该飞球的落点距离坎普原来的站位只有大约20公尺，一
般来说野手只需要4.3秒就能跑到，这两个因子加总起来，该飞球的“接杀形成率”为75%
，代表只是一颗难度介于二星到三星之间的球，由此可见，即便结果是好的，但坎普的防
守过程并没有处理得很好，让自己陷于必须以风险较高的方式获得出局数，长期下来，肯
定弊大于利。
相反的，如果一名外野手，用看起来稀松平常的跑动和接捕方式，处理掉一颗根据Statca
st系统难度有四星的飞球，那我们就可以说这名球员的判断力和移动效率佳。一直以来，
我们经常忽略这一类球员、这一类情况的表现价值，因为在画面上，并没有任何特别突出
之处。
如果长期下来，这种球员能够处理非常多类似的高难度来球，那就代表他整体的防守能力
相当优质。
在真实的大联盟赛场上，这种球员的最佳典范大概就是辛辛那提红人的外野手汉米尔顿（
Billy Hamilton）以及坦帕湾光芒的外野手基尔迈尔（Kevin Kiermaier）。
他们两人都可以把难度很高的飞球，接得轻松写意，所以除了我们看得到的许多精彩守备
镜头，他们还有很多凭借极佳判断力、极高跑动效率所制造的接杀，因为画面冲击性不大
，而被大多数人忽视。
Statcast系统和接杀形成率的影响，除了让我们得以用更聪明地方式评估防守，还佐证了
很多过去进阶防守数据的结果，以及大家一般公认防守能力优异的球员，实力真的不假。
根据去年的数据，完成最多五星级接杀的球员是现在转队到华盛顿国民的伊顿（Adam Eat
on）与亚特兰大勇士的英席亚提（Ender Inciarte），分别都制造多达10个五星级接杀，
而他们也都是进阶数据派和传统球探认为防守能力极优的选手。
勇士中外野手英席亚提在防守时移动速度飞快，去年球季他就有大联盟最多的十个五星
勇士中外野手英席亚提在防守时移动速度飞快，去年球季他就有大联盟最多的十
棒球数据和科学化的革命，在导入Statcast的系统后，可说是迈入了全新的纪元，而“接
杀形成率”还有其他相关衍生数据的发明及创造，则将继续替我们打破过去我们对防守、
甚至其他项目的误解与迷思。
也许再过不久，我们就能彻底挥别“基特（Derek Jeter）的防守能力到底是好是坏”、
“琼斯（Adam Jones）的防守范围到底有没有那么大”等无解争论，以更客观、更聪明、
更有趣地方式来探讨棒球，并从以往不存在的面相，获取更多元的棒球知识。
……
反观，还在杀猪公

中职就钓虾阿很多球都接的很普通

好猛 反观日本还在杀猪公

以MLB来说这都很先进吧

很多扑接美技的确是判断错误造成的结果

水啦，终于不用再吵翻天了

强，不断地在研发

钓虾散步接球 vs 花花扑球美技的感觉

日本杀猪光阿台北还没发现火吗 厂厂

跟尚书认真就输了

这个是全场装雷达去搜集球速度落点等资料吗?

Jim Edmonds表示还我已经退休了

我猜是用影像辨识+建模，画出整个球场判断落点

中职就是没有进阶守备数据 所以很难评估

现在电脑实在太可怕了 球员在场上一举一动都抓住以后可能连在场上抓几次鸟都能统计了 (东哥表示:...)

好文推一个！

反观西瓜

第一步判断很重要 好厉害的科学判断啊

运动科学本来就是新兴学门 这种研究放眼各国都很新啊

统计落点的话是连中职都有的技术....

赛巴计量学

剩下要把所有球员每球站位的大数据拿去跑

富邦应该大扣分吧

又在大数据了

https://goo.gl/B5jUzg 文中提到的

内野守备数据加进来，还能叫“接杀形成率”吗？改“接球出局率”或许好一点

Matt kemp哈哈

蓝眼人表示....

满酷的 能量化守备数据

内野有内野的算法吧 这里讲的应该是外野手的部份一直以来 外野手的守备就很难被量化了

我想扣分的只有那些印象派防守很好的球员吧

这个主要能改善因为shift造成UZR的变因这几年因为大量布阵 使得UZR等进阶数据变的不甚精确

推 中职有些判断差的很常"制造"美技

在中职钓虾就是最好的例子

防守很好或很差的原本就看得出来 这数据能分辨在中间的

接杀的不怎么好看,但其实是难度很高的飞球

海贼王的行程效率据说屌炸

上太空的分析

超级好文

想看虾数据XD

既然是使用statcast侦测所提供的data，表示2015年以前都无法分析了吧～所以基特还是无解啊

这也不只统计落点 还包括仰角 击球速度 守备员站位statcast可以做到这些

过去的资料不一定还留存，因为会滤掉

https://goo.gl/mr6Va2 随便贴一个statcast的例子

MLB一场捞的数据应该不小，通常只会留下有用的

这个真的要很多资料才行阿

https://goo.gl/4CQs5j 这个有接球的

中职很多看似美技但其实就是判断错误造成惊险接杀的画面..

因为它是建立在大联盟选手的相对能力上

中文翻"接杀率"就可以了,不然接杀还不出局的吗..

其他层级就算布署完雷达系统，也要靠自己建参考的模型

所以台湾应该还要慢慢等

所以内野咧

所费不赀没办法，总不能人家上太空，我们永远杀猪公吧...

中职可能还要考虑场地因素 XD 草皮太烂跑不快

内野的问题是还有平飞球和滚地，所以比外野飞球难

基特那个 之后出来会不会又有人崩溃

不知何时才能引进台湾

...台湾连好球带都科科

没啥好崩溃的，基特不是靠手套在MLB打滚

切区域以落点判断好处理与否是以前没这项技术的时候

运动是场秀 当然要扑接杀才有看头

这个数据我爱

货真价实的大数据以前听过一朗会故意放慢速度用比较精彩的动作接球

台湾10年后看有没有

钓虾接球真的是艺术

这套系统大概只有美国独有 日本过几年还不见得会引进

所以Eaton当初真的放错位置了

推推，中职不引进吗？

日本连电视辅助判决都没有，守旧联盟

钓虾的日常至少三颗星起跳

日职球团有在做进阶数据吧 网络上找的到statcast也要看有没有钱装

应该要看有没有效益吧

台湾球员这么少不需要这套系统也知道谁好谁坏

基特要抓紧裤子了

不过欢乐中职就是要看秀 滑起来才有看头

计算落点跟秒数 比较球员距离不就好了

周思齐表示:我看现场太紧张了 滑一下缓和气氛 (喂 XD

哦唷～

cool

不能只看距离 球的飞行速度和角度也要考虑啊

想看我虾的

那周董的形成率 会是怎样呢

花花的传守还能当国手

好猛喔这系统

可以从集中球时球员位置与落球点距离+飞行时间简单计算出来难度 当然这个系统更复杂多了

豆城有人用影像模拟做的研究啊 以前就有了 难在怎样取得够大量的影响数据

不晓得能不能用这系统来判断我们中职是几A的守备?

不止防守 攻击也用同一套系统可以更精确推断球员的成绩

中职守备......不用鉴定吧！

外野也有shift只因范围太大而不像内野那么明显

MLB这套系统不是在每一个球场都架了好几架高速摄影机吗？目前应该也只有MLB有财力能这样子作吧

有了这系统就知道谁姿势100却没穿裤子的 一清二楚

这真不错!中职大概还要十年才看到吧

楼上太看得起中职了

赞喔

这篇写得真好

大数据三个字不是这样用的

这系统没钱还弄不出来，推推

基特也是脚步判断太慢被迫空中扭腰长传美技守备，掩饰其守备范围小的事实

有趣～

其实运动科学早就已经脱离运动科班的范畴了只是国内打棒球的人 总觉得还跟得上人家~~~更别说一堆猪公流或是高辈份棒球人 听你科学分析指导

MLB本来就很细腻了，还在日本……

讲白话点就是很多“没收安打”的NP，根本不是安打

好文

这数据的准确度恐怕很难拉到多高 现代棒球站位很难分辨是教练下的指示 或球员自行做的判断 中外野手站位偏左结果球往右跑 这样的判断错误是要算谁的 恐怕得一球一

这数据的准确度可以拉到很高 因为他是直接跟踪球员的

球跟教练球员确认才有可能 问题这根本办不到

反应 站位偏左但球偏右的话 就跑的距离要远一点反应时间短一点啊- -现在statcast可以做出first jump的时间 守备员的速度跑动距离 还有跑动方向的路径效率值这些东西总跟一开始的站位无关而跟防守功力有关了吧

问题防守者的站位如果是出于自己的判断与经验 这也得算

打出去的球不长眼睛的

在球员的守备能力内啊身体素质好但守备判断差的选手也不少啊

守备判断差这点就会在first jump时间和跑动路径效率反映了不是吗同样外野飞球 有人直直跑到定位 有人先乱跑好几步后才找对方向 这不就判断能力差异?

先确认一下 first jump指的应该是球击出后的球员瞬间反应 而不是球员就打击位置后 防守者的站位吧

球又不长眼睛 哪有那种站哪就往哪打的

First jump是球被打中到守备员启动的时间

投手用什么球种 打者打算怎么打 这要读心术了

这就是有些球员的价值所在啊 他们会自己做功课打者是谁该往哪边站位 这在移防观念不普及的时候 很多球员会自己做站位的调整 这能不算是守备能力的一环吗

你把站位这回事看得太重要了......ball in play的路径是没办法说掌握就掌握的这也就是那种极端shift收到的效果比想像中差的原因

如果不承认站位的重要 岂不是否定现在的移防战术吗

因为大部分的球会变成安打与否其实跟shift无关喔 这种谈论shift的效果的文章很多唷目前看起来收到的效果就真的是不如预期

我看到的不太一样 shift出来的数据其实有较低 但低的不不多 所以有人说不如预期 但是如果考量到数据的差异 2成9打击率的打者跟3成1的打者 差异也不大啊 尤其是1/9的棒次来看 我个人还是认为shift效果差 但还是有效果所以现在才会成为主流

应该说 SHIFT的效果和能快速判断落点以及移位的能力相比后者重要很多,所以先解决后者再去考量前者吧!

我同意 所以我觉得有这个系统辅助判断防守能力是好事但准确率能拉到多高我存疑

这个确实解决了过去用纯粹的防守数据来评断球员的不足但还是会有例外 比如灯光 场地溼滑 应该就无法判断

反观台湾