■ 一、问题
Edwin Díaz 的四缝线“上飘”(ride/carry)只有 12.7 吋,
全联盟平均约 16 吋,他低到倒数第 7 百分位。
“不会窜”的速球照理较好打,但他的四缝线挥空率 36.3%、名列前茅。
一颗没有上飘的速球,为什么难打?
■ 二、资料与方法
・来源:Baseball Savant (Statcast),MLB 官方公开数据。
・样本:236 位投手,2025+2026 两季合计四缝线各 >=500 颗。
・做法:把每个物理指标“各自”对该球种挥空率算相关系数 r
(单变量逐一看;不放进同一模型,因为这些几何指标彼此共线,
混在一起系数会互抢、难解读)。
■ 三、结果(各指标 vs 四缝线挥空率)
进垒角度 VAA ........ r +0.50 ← 最强
HAVAA(高度校正) .... r +0.42
球速 ............... r +0.40
上飘 IVB ........... r .05 ← 几乎没关系
反直觉的点:大家天天讲的“上飘/carry”跟挥空几乎无关;
真正让四缝线难打的是 VAA(垂直进垒角)——球进垒时越“平”越难打。
(把落点高度校正掉的 HAVAA 仍有 +0.42,代表是“角度本身”有效,
不是单纯把球丢高的假象。)
■ 四、机制:为什么“平”难打
投手丘比本垒高 25 公分(10 吋),出手点又离地约 5~6 呎,
球几乎都是“从高处往下”进好球带,打者本来就预期球会往下掉。
一颗平 VAA 的球掉得比预期少、从锁定的击球点上缘溜过去,
棒子就挥在球的下面——这就是俗称的“窜”(其实是没照预期掉)。
■ 五、案例:Díaz 怎么做到“平”
让 VAA 变平有两条路:靠上飘(高出手),或靠出手位置。
Díaz 走后者:近乎侧投的低出手(臂角 16.6°、全联盟倒数第 3)
+ 大幅延伸(7.25 ft、第 94 百分位)→ 球路天生就平,不必靠上飘。
■ 六、限制
・这些是“跨投手”的相关,不是因果(不代表把某颗球压平就多几%挥空)。
・分析的是“挥空”,不是被打结果(xwOBA);两者不同。
完整图表(VAA 侧视示意图 + 两张对照散点)与方法细节:
https://playcall.tv/lab/diaz-angle
非官方、纯公开数据分析,欢迎指正。

推推

有趣

推 最近这类分析文好多 真好

推 不错的文章

推

可是瑞凡，他的速球在数据面，是偏好打的球种，你这先射箭再画靶的技术不行啊结论就错的，你拿数据硬要掰还掰错方向

可是老哥，VAA平挥空率高是因为越不容易跟打者挥棒路径重叠球掉的比预期少反而是IVB的作用而且VAA本身就是受IVB、出手角度、放球点还有球速啥的影响的数据吧

我也觉得他速球其实很抖欸，不是因为滑球共轨很强吗？

Diaz出手点低有点向上丢趋势，靠球往下掉合力形成较平的VAA，但是他这种出球不敢丢在好球带上缘，一失败会掉进红中变自杀球，只能丢在好球带下半，效果就很差 ，所以他的速球只能靠球速、球种保护效果实际上在三位数里是不好的

红人那个新秀就很极品

出手点跟平常人不同的,有部分是为了藏球,以前纺织弟就很会

Diaz 2026 确实普通，但只有 70 颗 FF、样本太小他的四缝线挥空率第 8、被打 wOBA .257（第 25）谈不上被尻爆。以上数据是 2025~2026 的合并统计结果

他生涯速球丢到很杀的又没几年，偏偏就包含2025，你捡2025说他丢的好不好，本身意义就很薄弱生涯速球wOBA 0.3,在拥有三位数终结者里，绝对称不上好的那边，评价中~中下，我都觉得保守这算难打，标准我就不知道怎么评了

暂且不论没有排除运气成分，说到底wOBA只计算“造成结果”的球，也就是大约会放掉投手75%的投球内容，不能说没有价值但不是衡量球种表现的最佳选择吧？

我自己是比较偏好看球员的高光时刻但若论整个生涯、对比联盟平均，他的四缝线也算中间偏上生涯被打 wOBA .297（联盟约 .34）生涯 RV +22（每百球 +0.6），都优于平均而 2025 单年 RV/100 +1.6，在合格四缝线里约 PR 91所以锁定 2025~2026 没问题；真要算生涯，也谈不上中下补充：RV 是“每一颗球都算”的指标抢好球、逼坏球、挥空、被打击都会算进去每一球按它改变的“得分期望”给分，正值＝替球队省分

难打你不挑顶尖RP ，比什么联盟、不觉得很好笑吗？一堆免洗仔在充数这是你想像中的顶尖？那30队的终结者，从第一个数到最后一个，有几个不符合你难打的定义

楼主的分析主题我觉得还是很有意思的，只是如果要做量化那在数据的选择和解读或许可以再更严谨一些？

选择分析哪些数据是我的自由设定研究范围本来就是分析的前提有意见欢迎拿数据出来讨论

你当然有选择数据的自由，但如果要用数据说服人，首先你采用的数据和分析方式得有说服力，要说为啥因为数据分析就是这么运作的比方stuff那篇你把速差这个相对数据当作最高权重，那会不会导致你的分析结果比起球种本身更偏向一个投手的武器库整体？比方Mo那篇你有没有做过同质性检定或标准化再把跨年度的数据视为同一组样本？比方为什么用wOBA而不是排除掉运气成分的xwOBA？再者明明有RunValue这个数据，你为什么反而偏好用放掉75%样本而且本质是打者用的wOBA来衡量投手的成绩？然后回到这篇，你把这些变量各自做单边量分析然后比较相关系数，但这要如何排除交互作用？就好像分析人口成长率拿新婚人数、人均gdp、生育补助和生育率来当变量，啊废话一定是生育率最重要啊当然很有可能你的结论没有错的，但数据分析不是结果好一切就好你要让数据说话首先那些数据说话要有份量吧？

推个

谢谢你看这么多篇、也回得这么仔细多变量、交互、标准化这些方法我会找时间参考但“生育率→人口成长”这类比不太贴切生育率本来就是人口成长的一部分，VAA 跟挥空率却是两回事进垒角会不会造成挥空并不直观是靠数据才看得出的“发现”，不是“废话”我写的是科普＋介绍球员、给一般球迷本就难完全满足数据派的资深球迷但从推文和后台看，仍有不少人认识了原本不知道的统计数据，这样也不错。谢谢指教

印象派想找数据印证，乱凑一通，Garbage in garbage out有没有人告诉过你成线性相关不代表有因果相关反之r~0也不代表没有因果相关，单纯拿r比来比去，实际上就是在乱凑

我记得我听过 很平 没有如预期往下的趋势 会让打者视觉有上窜效果 再加上他是偏侧投 然后我记得他的出手点非常往前 距离显得短同样类型的投手 日职可以参考翁田大势

推