※ [本文转录自 Sabermetrics 看板]
作者: WillWaiting (Creep) 看板: Sabermetrics
标题: [翻译] 为什么Mario Mendoza很重要？ [6]
时间: Tue Dec 5 13:40:17 2006
考虑这些条件，值得我们来问：如果取代层级的球员是这么好取得的，为什么还是有
球员打的比取代层级来的低？这里有许多的可能性。
◆错误的评估/错的资讯。
我们的取代层级的定义是根据GM从他们已经的资讯来做最好的决定。如果GM的资讯是
错的──不正确的球员年纪、在Scout里测速枪或转换统计数字的错误──他们将会得到
比预期的更烂的球员。
◆不理智的决定
有许多的例子显示，球队会一直让打非常烂的高薪球员上场，即使他们真的该休息了
。球队应该要承认已经无法挽回的事实并且继续向前看，但是他们常常做不到。对许多的
GM及教练来说，承认做错是很困难的。更难的是向老板解释花在球员上的两千万已经没办
法用而且没法取回这投资的这件事。
◆比短期效益更重要的战略思考
有时候球队会把那些“在小联盟没有可练的”新秀叫上来并且让他们上场，即使他们
已经在MLB被压制了一段时间。如果球队不是在竞争队伍中，那么给这些新秀磨练的长期
利益可能多过于短期利益。
◆受伤
球员会因为伤势的困扰或是处在复原中，暂时打的很烂，即使他们在正常的情况下打
的比取代层级来的高很多，而特别是对于那些怕丢掉工作而隐瞒伤势的人。(Painvano?)
◆不正确的取代层级观念
一个还不知道便宜好用的球员是很好取得的GM，将会有好用球员难找的错误观念并且
高估了自己手上的烂货。
◆防守表现
到目前为止，我们主要只讨论在攻击上的取代层级。但是球员的表现也包括防守。一
个优秀的防守球员可能打的比取代层级还烂但是对球队的效益却是好的。最典型的例子是
名人堂游击手Ozzie Smith，在他的早期他是个很烂的打者(在他的前四个完整球季，他在
多于2200个打数里的成绩是 avg 0.231 obp 0.295 slg0.278)但是他的手套帮他保住
了饭碗。
◆样本大小/统计上的干扰
这是所有统计头对那些不符预期的事的最喜欢的理由。在很少的打席样本里里可能会
出现与真实能力差很多的离群值。你不可以光用50个打席来判断一位球员，不管是老鸟或
新秀。在小样本空间里有太多的随机变量会影响结果。
取代层级公式
那么，我们要怎么找出真实的取代层级呢？Baseball Prospecuts的做法是收集那些
替补球员的表现──那些在赛季里才上来充人数的球员──并且比较他们跟该守位平均
表现的差异。在每年里，我们找那些在各个球队跟各个守位打过最多打席的球员的成绩。
例：一个捕手在红袜出赛多于洋基再来是金莺和其他(注：将视为红袜的捕手)；一个在一
垒为红袜、洋基或其他队出赛有最多打席的球员(注：将视为红袜的一垒手)。这些球员将
视为在该守位该球队度过完整球季的球员。其他的球员则依照最常打的位置被分到该位置
。例如：一个在3B打了30场而外野10场的将视为三垒手。把所有替补球员的成绩与联盟该
守位平均做比较。这样的做法在每个位置和每季重复计算。在长时间计算后，先发选手的
打席占了所有的打席的80%，替补则是20%。
把这些结果制成图表(Fig. 5-1.1 http://0rz.tw/442O7 )，一个值得注意的关系出
现了。在各个守位的所有替补的表现的平均成绩大概是平均攻击层级的80%(以RC/27来表示)
。唯一的小小例外是捕手，由于该守位对守备的高度要求，替补的成绩大概是平均的85%
而已；和指定打击，由于不需要守备，所以替补的成绩是平均的75%