相对于其他球技，“捕手接球能力”显然是比赛中最难以察觉、最不容易被感受到的技术
。长打者能用一支接一支的全垒打，向对手展现自己的惊人炮瓦；飞毛腿能利用光速不断
的盗垒、扰乱敌方投捕搭档；金手套得主也能随时来一手精彩扑接，使球迷赞叹其骇人的
防守范围；打击技巧好的打者能每晚贡献球队至少一到两支安打，有时候他会是球队当晚
的关键时刻英雄。就连戴着面具的捕手，也能争取到属于他们的戏份 — 精彩的挡球，让
投手失控的变化球没酿成大错、凶狠的长传臂力，也能替其上演一次血脉贲张的阻杀秀。
唯独“捕手接球能力”— 英文普遍称作framing — 难以在比赛中瞬间被量化、甚至难以
被察觉。你能在一场比赛赛后，得知Giancarlo Stanton打了几支全垒打、Billy
Hamilton盗了多少垒、Jose Altuve打了多少安打；但我们无法计算捕手的接球，到底帮
了投手多少忙。但即便如此，“捕手接球能力”仍是一项能影响比赛战局的球技之一。接
球技术越好的捕手，能把坏球接的像好球、诱使裁判做出有利己方的判决；接球技术不好
的捕手，非但可能没有将坏球接的像好球的能力，还可能将好球的接得摇摇欲坠、使裁判
犹豫是否要给好球判决。
(注：图档、表格好读版可点下列此网址，不过点进去是有稿费的，所以若只对内文有兴
趣可以直接读下去：goo.gl/SvpJmq)


这样讲太抽象？那我们来看一点图档。以下三张GIF清楚显示，接捕技术优秀的捕手，的
确有能力将许多可能被判坏球的边角球，“拉”进好球带、让它看起来就像个好球。只要
裁判尚未改成电子化的一天，好坏球判决就可能受到捕手接球的动作、位移影响：
https://streamable.com/89i90
https://streamable.com/cqzfm
https://streamable.com/j3j9p
就如前面所提，好的捕手有能耐将坏球接得像好球；坏的捕手非但可能没这个能力，甚至
还会将有机会被判好球、通过好球带的投球，接得像是明显的坏球：


那么，我们该如何量化捕手的接球能力？今天我们将用一些统计数据，粗估每一支球队在
“好球带战争”上拿下、或失去了多少城池。算法在以前的文章已有提过，不过这边会再
写一次计算法：
===========================
1.首先，我们必须要收集几项团队投球数据，包括Zone% (投手将球投进好球带的机率)、
O-Swing%(打者追打坏球的机率)、以及团队投手的总投球数。
2.再来，我们得算出投手总共将多少球投进好球带；因此我们必须将Zone%乘上团队投手
的总投球数，即能算出投手将多少球投进好球带。
3.算出投手将多少球投进好球带后，我们也能知道投手有多少球“没投进好球带”。算式
很简单：总投球数 - 投进好球带内的球数 = 没投进好球带内的球数。
4.打者若出棒追打坏球，无论结果如何都会被计上一个好球数。因此，我们必须将投手没
投进好球带的球数、乘上打者追打坏球的机率(O-Swing%)；如此一来，即可算出投手总共
被追打了多少坏球。
5.最后，将投手投进好球带的球数、和打者追打的球数加总，即能得到“团队投手的预期
好球数”。
==========================


举今年的纽约洋基做为计算实例。洋基投手群本季团队总投球数为16049球、Zone%为
45.9%、O-Swing%则是33.6%；将16049球乘上45.9%，可算出洋基投手今年有7366.5颗投球
通过好球带。剩余8625.5颗没有通过好球带的球，有33.6%让打者追打 — 两者相乘后，
洋基投手能再从这边拿走2917.3颗好球。把两边拿到的好球数加总，洋基本季的团队预期
好球数为10283.8颗；而他们投手群今年实拿的好球数为10328颗好球。这表示，今年洋基
投手群“实拿”的好球数，比“预期会得到”的好球数多出44.2颗；那这又代表什么意思
？我们知道实拿的好球比预期多是好事，但有多好？
根据数据网站硬球时报在2015年的文章计算，一颗好球比一颗坏球的价值多出0.14分 —
换言之，每比预期多拿一颗好球，球队的净获利约为0.14分。将洋基本季多拿到的44.2颗
好球、乘上每颗好球的0.14分价值，我们大约能说洋基投手本季在“好球带争夺战”上，
大约替球队省下了6.18分。按照这个算法，以下我将会列出一个大表格，放上每支球队的
投手群预期会拿下的好球数、实际拿下的好球数、实际拿下与预期拿下的好球数之间的差
距、以及球队在这方面省下或失去的分数。表现越好的球队会在表格的越上方：
球队 预期好球数 实际好球数 两者差距 省下/失去的分数
金莺 10331 10581 +250 +35.0
道奇 10047 10270 +223 +31.2
勇士 10014 10175 +161 +22.5
响尾蛇 9933 10081 +148 +20.7
天使 9936 9988 +52 +7.3
印地安人 9895 9945 +50 +7.0
双城 9954 10003 +49 +6.9
洋基 10284 10328 +44 +6.2
蓝鸟 10387 10429 +42 +5.9
酿酒人 10616 10647 +31 +4.3
太空人 10348 10374 +26 +3.6
海盗 10194 10212 +18 +2.5
小熊 10152 10164 +12 +1.7
教士 9975 9985 +10 +1.3
光芒 10443 10451 +8 +1.2
大都会 10622 10625 +3 +0.4
红雀 10273 10260 -13 -1.9
红袜 11137 11110 -27 -3.8
游骑兵 10094 10045 -49 -6.9
马林鱼 10064 10012 -52 -7.3
白袜 10108 10054 -54 -7.5
运动家 10357 10296 -61 -8.6
巨人 10584 10492 -92 -12.9
国民 10433 10338 -95 -13.3
水手 10377 10270 -107 -15.0
皇家 10337 10220 -117 -16.4
红人 10364 10231 -133 -18.7
费城人 10277 10111 -166 -23.2
落矶 10368 10180 -188 -26.3
老虎 10473 10176 -297 -41.5
根据这套统计模型，金莺队投手群拿到的实际好球数比预期多出350颗、冠霸全联盟；换
算成分数的话，等同他们凭著比联盟其他29队还要友善的好球带，球季还没打完就已经省
下了多达35分。我们也能看到，联盟前四强和其他球队间有个巨大的鸿沟 — 在响尾蛇后
，没有球队省下的分数超过10分；但包括他们在内的前四名球队，都靠着比别人友善的好
球带，省下超过20分。除了金莺外，道奇在这方面也是本季联盟表现最好的球队之一；而
这或许不让人意外 — 根据我过去两年、以及其他国外作家近几年的追踪，道奇一直是这
方面的佼佼者球队。


另一方面，我们也能看到某些球队在这方面表现差劲，而且似乎都是很熟悉的名字。根据
这套模型，老虎、国民、运动家、费城人、落矶、皇家等队，在过去几年都是联盟中表现
最不好的球队，本季似乎也不例外；其中今年又以费城人、落矶和老虎最惨。这三支球队
的投手群，本季所面对的好球带相较于其他球队是最不友善的；这可能跟投手群的控球能
力有关(投手控球越好、越能让捕手预测到球的进垒点，并做出较为流畅的接补动作)，但
一般来说如此惨烈的数据，捕手不可能不需要负任何责任。特别是老虎队，长年以来许多
人对他们的印象就是牛棚很烂、防守不好；先发和打击则是强项。
但对我来说，老虎近几年总是得面对联盟中最不友善的好球带，累积下来已让他们少赢了
很多球赛。从近几年的资料能发现，老虎似乎是最不重视接球技术的球队之一；该队经常
使用的捕手如Alex Avila、James McCann，都是很糟糕的接球者，但他们却都能轮流稳坐
先发。以捕手的打击标准来看，他们都算是不赖的进攻者；但接捕功夫不是他们的强项，
而这些损失的好球，近年让球队无形间损失不少胜场。对于红人、费城人这种重建队伍来
说，捕手不会接球或许不是什么太让人难过的事；但对于落矶、国民、皇家这几支季后赛
竞争者，相较于其他强权，他们在这方面就会居于劣势。


去年和今年相比衰退最多的大概是海盗队 — 他们的主战捕手Francisco Cervelli在近两
年遭遇各种大小伤势后，原属联盟顶级的接捕功夫似乎因此显著退化。根据Baseball
Prospectus网站的接捕数据，他今年的接捕让海盗比平均多丢了5.2分；不仅未能重拾昔
日联盟顶尖的身手，如今连达到平均都显得困难。根据上述的接捕数据，本季联盟表现最
好的捕手为Tyler Flowers，而他所属的勇士队，也排在本文榜单中的第三；道奇的
Yasmani Grandal则已经连续好几年，扮演着全联盟最顶尖的偷好球高手。响尾蛇去年不
续约Wellington Castillo、改签防守第一的Jeff Mathis，也确实收到显著效果。
最让人摸不著头绪的，或许是排名极差的巨人队、和领先群雄的金莺队。巨人主战捕手
Buster Posey是过去几年大联盟最顶尖的偷好球高手之一，与同分区世仇Yasmani
Grandal在这方面堪称一时瑜亮；过去几年巨人都在此榜排行高居联盟前几名、甚至压着
表现同样强势的道奇打。但这季他在这方面的表现却显著衰退 — 根据StatCorner网站的
接捕数据，去年靠着接球比平均替巨人多守下26.8分、高居全联盟捕手之冠的Posey，今
年竟退化到仅有 -0.1分、沦落至仅有联盟平均附近的水准。为何会有如此突然的巨幅衰
退，实在难以理解。
他今年曾因脑震荡进过7天伤兵名单，但已是四月初的事情、而且也就躺过这么一次伤兵
。我们也很难想像，因为这次的脑震荡伤兵，就能使他从一个接捕实力联盟顶级的捕手、
衰退至平均值附近。如果说他的衰退期已经到来、或身体有隐伤，那我们还得解释为何他
今年能在这样的情况下，缴出和生涯平均差不多的攻击成绩(生涯136wRC+、本季139wRC+)
。也可能是因为今年巨人投手群的表现太不给力、控球太难为捕手 — 但从该队本季联盟
第七低的每九局保送数，要成立这个理论也会备受质疑。到底是Posey退化、还是他身体
有伤、或是巨人投手群这季无法把球投进边边角角的位置，导致Posey的接捕数据严重下
滑？没人能确定。


金莺会出现在第一名的位置，也非常让人讶异。该队的主战捕手Castillo，是过去几年联
盟中接捕表现最差劲的捕手之一；但根据Baseball Prospectus的数据，他这季表现大有
进步。过去几年动辄下探 -10分、甚至更惨的Castillo，今年缴出了联盟平均左右的接捕
数据；而该队的替补捕手Caleb Joseph即便未能挣取够多的上场时间，但根据BP网站的统
计，他本季的接捕数据却排在全美职前五。或许Castillo的接捕功夫真的有进步、或许
Joseph真的是联盟中最会偷好球的捕手之一；但就跟巨人队的案例一样，我们难以完全解
释原因。
Castillo真的能在长年缴出悲惨的接捕数据后、突然来个华丽转身吗？Joseph一直以来都
被认为是个不错的接捕者，但他会是联盟最顶级的那个吗？这些数字有多少是来自运气？
这都是不好回答的问题。但可以确定的是，无论是受惠于什么原因、不管是运气好还是捕
手技术提升，至少到目前为止，金莺投手确实获得了全联盟最友善的好球带；不过好笑的
或许是，即便有着较友善的好球带帮忙，金莺投手群本季累积的5.1WAR竟只能在联盟排第
25名。若他们未来想重返竞争季后赛的行列，他们得先想办法搞定残破的投手战力。
那么，这些透过接捕省下、失去的分数，又代表什么意义呢？这些分数显然会影响比赛胜
负，但有多大的影响力？根据进阶数据FanGraphs的计算，在本季的MLB平均要赢下一场球
赛，需打下或守住10.1分。换言之，我们能说道奇、金莺这季光靠着比其他球队更友善的
好球带，多赢下3～4场胜利；勇士响尾蛇则是两胜左右。反过来说，巨人、皇家、国民和
水手，都在这方面损失了1～2胜；费城人和落矶则是2～3胜、老虎最惨，他们可能已经因
为最不友善的好球带赔掉4场胜利。我们能发现这些差距并不大，但仍然很有感 — 在现
今自由市场买一胜平均得花近900万的环境下，每场胜利都很珍贵。


一般来说，控球品质越好的投手群，越能让捕手接到比其他人更大(更友善)的好球带；因
此，本文的数据不全然是光靠捕手接球能力所建立。但捕手的接球能力肯定是最重要的一
环，这也是他们的工作 — 球队付钱请他们，有部分就是为了希望他们能替投手多省下一
些分数；而接捕能力越好的捕手，就越有可能让球队的投手群有着更大的好球带。好的捕
手能把投偏的球拉进好球带、坏的捕手也有机会把好球接的像坏球；这就无关投手的控球
能力。按照上面的数据，我们发现接捕的影响力，确实没有轰全垒打、每晚上演精采守备
来的大；但在每一胜都很珍贵的情况下，接捕仍是一项很重要的技术。
举例来说，按照这套模型的计算，响尾蛇在这方面相较于落矶多占了4～5胜的便宜 — 两
队目前战绩相同、有可能会在外卡骤死战碰头。对落矶而言，若他们的接捕能力能再强势
一些，或许能有更高的机会夺下主场优势；对响尾蛇来说，他们肯定很庆幸有着比同区对
手好很多的接捕数据，使球队目前能在战绩上咬住落矶。对于道奇而言，若Grandal强大
的偷好球技术能带进十月，搭配他们那超级骇人的先发轮值，难以想像道奇的投手群会多
么难以被攻克；不过这或许也是个鱼帮水、水帮鱼的概念。


虽然他在教士时期就是个接捕高手，但现在的道奇投手群更有天赋、控球能力更精准。无
论Clayton Kershaw、Alex Wood、Kenley Jansen、前田健太等等，都是想投哪里就能投
哪里的高手；如果达比修状况好的话，他也有能力这么做。Grandal搭配那恐怖的控球大
队，简直就是每个打者的梦靥；而他的存在，正是为何道奇近年能在国联西区横著走路的
主因之一。或许更让人傻眼的是，Grandal还是近年联盟中打击最好的捕手之一：近三年
他的116wRC+，在捕手位置全联盟仅落后Posey；当初拿Grandal来跟道奇换Matt Kemp的教
士队，现在恐怕想哭都哭不出来。
当然，就如前述所提，接捕能力只占一支球队众多环节的一部份，但对于战绩依旧有一定
的影响力。“偷好球”、或者说“接捕能力”、“Framing”，是一项平常我们很难用肉
眼看出来的能力；然而，他能带来的实际影响力，可能大于一般人所能想像。
由衷地希望，我们未来能继续对这项隐形的技巧有更多的认识。


========
图片来源：Google.com
数据来源：FanGraphs.com、Pitch Info

好文大推

好文推

记得Lucroy偷好球能力也蛮好的，不过今年好像退化?

Lucroy今年蹲捕能力大退化,武功全废的那种

推

推!

推。

push

优文推推

怎么感觉之前看过这篇文

我也觉得看过这篇

达比修去LAD第一场投完说捕手都把坏球接成好球,很好投我想他忍很久了吧

这篇是renew版的

达尔今年在条子真的很多好球被接成坏球啊XD

金鸟捕手这么猛结果投手很鸟……

怪怪~某队版之前一直说自家补手场上带领投手能力多好，打击烂没差~~结果倒数XD

谁还敢质疑前说瞎大将Mathis

推

推

推~

有看有推

好文推

推 比较意外的是压低 他是印象中的偷好球大师

好的捕手带你上天堂啊

事实上framing并非看不出来 常在看比赛的话一定会有所察觉

push

推

推好文

不过posey我记得今年棒子算还行的吧

Statcorner显示金鸟的威卡每场接球贡献是负的(超过一半局数都是他蹲)，然而金鸟却省下了比道奇队还要多的分数这其中解释不了的原因，可以合理质疑是立论的根本就错了吗？

好文推!!

红明显 Zone的数据是由那个单位提供的 文中要先列出来Zone的技术&所采的数据须有一定公信力这个问题才能探讨

好文推!!完全符合我看球的经验

这两个系统是不是计算上就存在根本的差异阿或者应该问 如何定义好球带？

为什么要用百分比推算回去??Pitch f/x 没原始资料??Pitch f/x 的好球被判成坏球, 这部分怎么处理??

有趣的题材

好文推

认真看完了推推

教士就脑残啊 哈哈资敌天才不过看Hedges也蛮会偷的

不知道90年代勇士队的数据会多惊人?

Grandal.....

红明显...假说跟模型都不够完整,判好球的是人不是机器

你用2015的好球期望值去算2017的数据 为何不用2017的还有你文章中都有说投手控球能力也很重要了 这就表示投手的控球这个变因对数据的影响并没有细微到可以忽略所以在建立模型时就不能排除掉控球能力的影响而且要证明投手群控球能力的好坏对球队成绩以现在的数据更容易吧 你的假设有能证明可以排除这个变因吗

本篇作者其实也没讲的斩钉截铁 还是保留一点空间就像守备尽量生数据给你 你不信 全部踢翻 那其实没什么好讨论的 接球也是

讲直白点, 这种算法的数字越高代表裁判犯越多错误裁判组自然会想办法压低这种数字

你如果要讨论哪一只球队获得最友善的好球带那就不能这样讨论 应该要把全部球队到今年为止的好球落点分布与你认定可以当作客观标准的Zone直接拿来比对 这样直接就能看出哪一队取得Zone的区域外好球能力最佳 还能作分布图来看好球取得多是在那些位置

每天面对的主审不一样 不代表长期下来就有联盟平均除非每个主审判每个球队的次数是一样的 你才能这样说

基本上如果样本够多 裁判的理由是可以信服的楼上的理由在大样本之下很难成立

半季的样本数不够吧

一年也不够 16年裁判19组 每组会跟球队打完一个系列才换

少说每队也要有取1000场以上的比赛 但又跨赛季了

用系列战3场来看 平均一队遇到一组裁判 2.84次 主审轮流数据根本不大 横跨好几个年度才算大 但是跨年度对此议题根本不符合....更不要提每年的裁判组别又会换过....另外作者说没忽略控球 但模型看不出来有把这边加入计算

如果捕手的影响力大于其他因素，那麻烦解释解释金鸟为什么能省这么多分，是样本不足还是运气太好?

这篇外电文还不错http://www.ptt.cc/bbs/MLB/M.1415985970.A.D13.html

为啥作者这么认真写一篇文章 一堆人嘘成这样？ 连好好讨论都不行？

爽推就推，爽嘘就嘘，有碍到其他人吗？没有嘛对一个没学过统计的人来说，要写这种文还是太早了

就是因为你这模型包含太多东西，所以应该要把投手造成的影响作校正，这样得出的结果才有意义你没有作校正就是忽略了投手控球好坏对最后数字的影响。而且你不能以主观的"我认为"来解释这些变因对于最终数字的影响程度高低吧? 未免太不客观了

会说主审影响力小,你可能没看过球

" target="_blank" rel="nofollow">
“看”的出来Welington的接球还是很差劲，所以那些正分到底是他自己接来的，还是控球好的投手帮他赢来的？然后你，开始看比赛了吗？模型有包含进去不代表具有解释力，因为你没办法处理那些处理变因，而你只是用改绝去猜，时间如果拉的够长，裁判影响力的确会变得够小，但还是没办法解释投手跟捕手到底谁的影响力比较大的问题我那样就是放大招？说事实你也听不进去，呵举ERA+那边，你要不要检查一下啊，国美联能比?新理解

我觉得你贴现有的framing数据不就好了找了一下BP他们做了不少修正试图扣除投手跟裁判影响耶你这算法完全做到这点摆明有点问题吧没

裁判的部分不能用"觉得","似乎"蒙混,像dishomer大已经指出2017单个年度对于裁判轮调实在太少还有, 2017的好球带是缩小的另外,https://goo.gl/8t2UUS看一下,你的数字的%太小,很难说不是误差