FEATURE

xG 比對手高卻輸球?預期進球算的是射門機會,不是誰該贏

每一腳射門都有一個進球機率,加起來看得出機會,判不了輸贏
重點速答

xG 把每次射門的估計進球機率相加,得到一隊這些機會的預期進球數。總值較高不保證贏球,也不能單靠它判斷每腳機會有多好。

xG 比對手高卻輸球?預期進球算的是射門機會,不是誰該贏|封面

假設紅隊 xG 1.8、藍隊 0.6,1 比 0 贏球的是藍隊

以下的比賽與數字都是教學假設。

紅隊整場射門 14 次,xG 加起來 1.8,一球沒進。藍隊只射門 4 次,四腳的 xG 分別是 0.3、0.1、0.1、0.1,加起來 0.6。藍隊唯一的進球,來自其中一腳 0.1 的射門。

轉播畫面停在 1.8 對 0.6,很多人的第一個反應,是數字出錯了,或者紅隊倒楣得離譜。兩種說法都不必成立。

每一腳射門只有進或不進,沒有「進 0.13 球」這種結果。藍隊那一腳 0.1 並不是不可能進,進了球也不與這個估計矛盾。要看懂這組數字,先得知道 1.8 是怎麼加出來的。

一腳 0.1 的射門,是說十次相似的機會平均進一次

Opta 2023 年的 xG 說明把做法講得很直接:拿近百萬次歷史射門當參照,替每次機會算一個 0 到 1 的數字。數字越大,模型估計的進球機率越高。從中線附近射門,進球機率很低;從禁區裡射門,高得多。假設禁區內那一腳的 xG 是 0.1,意思就是同樣情境下,球員平均每十腳進一球。

這個數字是估計出來的機率,不是對這一腳的預言。一腳 0.1 的射門進了,或一腳 0.9 的射門射偏,都不能單憑這一球就判定模型估錯。

整場的 xG,就是把一隊所有射門的機率加起來。假設一隊本場射了四腳,機率分別是 0.1、0.1、0.3、0.5,加起來 1.0,代表這隊按這四次機會,預期進 1 球。

這隊本場的 xG 是每次射門機率的加總示意圖:四次射門,進球機率分別是 0.1、0.1、0.3、0.5,加總是 1.0,就是這隊本場的 xG。圖中的數字只是示意,不是真實比賽數據。 示意,非真實數據 每次射門各有一個進球機率(0 到 1) 射門 1 0.1 射門 2 0.1 射門 3 0.3 射門 4 0.5 加總 1.0 把每次射門的機率加起來,就是這隊本場的 xG
示意圖:數字為虛構,只用來說明每次射門有一個機率,加總就是這隊本場的 xG。

加起來可以超過 1,因為它數的是預期進球數,不是「至少進一球」的機率。紅隊的 1.8 讀成 180%,沒有意義。名稱裡的「預期」來自數學的期望值,Opta 的說法是,這不是在預告進球會剛好等於這個數。

總和一樣,射門的樣子也可以差很多。假設甲隊射門 10 次,每腳都是 0.1;乙隊射門 2 次,每腳都是 0.5。兩隊的 xG 都是 1.0,但乙隊每腳的估計機率,都比甲隊高。

紅隊與藍隊也是這樣。紅隊 14 腳,平均每腳約 0.13;藍隊 4 腳,平均每腳 0.15。紅隊的總和比較高,是因為射得多,不是因為每一腳都比較好。Hudl StatsBomb 把這個平均叫 xG/shot,拿來看球員常射出好機會,還是壞機會。

同一腳射門,模型或資料不同,數字也可能不同

模型看什麼,各家不同。Hudl StatsBomb 的說明說,傳統上大多數模型的輸入有四項:離球門的距離、射門角度、用身體哪個部位射門,以及助攻類型或前一個動作,例如直傳、傳中、定位球、盤球。它也歸納,同樣距離,腳射比頭球容易進;傳中造成的機會,一般比地面傳球、直傳或盤球之後的射門難轉換。

模型也可以看更多。Opta 2023 年的說明列出超過 20 個變數,包括守門員的位置、射手面對球門時被其他球員擋住的程度,以及防守者施加的壓力。Hudl StatsBomb 說,自家模型另外納入守門員的位置與狀態、畫面內所有攻守球員的位置,還有擊球高度。它舉的例子是:只看那四項輸入的標準模型,可能給一腳射門 0.30;知道守門員站錯位置之後,同一腳可能變成 0.65。

建模方法相同,採用的資料也可能不同。比利時魯汶大學(KU Leuven)的研究團隊在 2020 年做過比較:用同一類建模方法,分別拿兩家資料商的射門資料訓練模型,再比較 2018/19 賽季的同場比賽。兩家沒有具名,只稱 A 和 B。

團隊挑了一場英超,把兩隊所有射門的 xG 加總:依 A 的資料,主隊的威脅比較大;依 B 的資料,客隊比較大。團隊說這場是特意挑的,但不是孤例:2018/19 賽季五大聯賽有 238 場,占 13%,兩家的結論相反。這個比例屬於那項研究的兩家資料商與那個球季,不是今天所有資料商的失誤率。

差異出在資料本身。射門位置由人工即時標記,兩家記錄的位置可以差幾公尺,近距離射門受的影響最大。什麼算一次射門,兩家的定義也不同,例如球在射手腳邊就被擋下,有的算射門,有的不算。

所以兩個網站對同一腳射門給的數字不同,不一定有人算錯。不同網站的 xG 不要直接相減;要比,就在同一個來源裡比。

xGOT、xA、npxG:縮寫像 xG,問的是另一件事

xGOT(expected goals on target) 問的是:射正之後,這腳進球的機率多高。Opta 的 xGOT 說明把原本的 xG,加上射門在球門內的落點,一起估。射偏或被封阻的射門,不會得到正值。

這類射門之後才算的模型,Hudl StatsBomb 叫 PSxG(post-shot xG,射後 xG),說它通常看落點,有的另外納入守門員位置或射門速度。名字相近,各家射後模型的輸入未必相同。

xA(expected assists) 問的是:這腳傳球變成助攻的機率多高。Stats Perform 的 xA 說明替每一次完成的傳球估一個值,依據是傳球類型、進攻形態、出球與接球的位置,以及傳球距離。接球的人有沒有射門都算。假設一腳穿透球送到前鋒腳下,他卻選擇回傳:沒有射門,也沒有助攻,這腳傳球在 Stats Perform 的 xA 裡仍然有值。

另一種做法,是拿關鍵傳球之後那次射門的 xG 當傳球的價值,要等接球的人真的射門才算得出來。兩者量的是不同的事,看到 xA 先確認是哪一種。

npxG(non-penalty xG) 是拿掉十二碼的 xG。十二碼的條件幾乎每次一樣,Hudl StatsBomb 說,大多數模型給它一個固定值,分析球員與球隊時也經常把十二碼移出總數。拿掉的只有十二碼,角球、自由球造成的射門仍在裡面。網站上標的 xG 有沒有先拿掉十二碼,要看那個網站自己的定義。

這場沒進的球,下一場不會自動補回

Opta 用擲硬幣說明。連續十次擲出正面之後,下一次仍然是正反各半,那十次已經發生了。Opta 說,如果一名球員賽季初已經比 xG 多進五球,他到賽季結束,仍可能多出那五球。超額的球已經入帳,不用靠往後少進來還;Opta 預期的是,之後的射門會回到與 xG 相符的水準。

反過來也成立。紅隊這場比 xG 少進的球,不會在下一場自動補回;下一場每一腳射門,仍然照各自的機率算。

但說紅隊只是倒楣,又講得太快。StatsBomb 2018 年的文章指出兩種可能:一隊 xG 很高卻沒進球,可能真的錯過了一堆好機會,也可能手上的機會比模型估的更難。模型給一腳射門的數字,來自過去相似射門的平均,單一機會可以和平均差很遠。單場總和分不出是哪一種。

多場累積能看趨勢,模型是否有系統偏差則是另一個問題。如果模型對某一類機會一直估得太高或太低,場次再多,這個偏差也不會自己消失。

這不表示單場的 xG 沒用。StatsBomb 那篇文章說,xG 射門圖包含的資訊,比大多數一眼看完的賽後摘要都多。射門從哪裡出腳、離球門多遠、是不是頭球,畫面上就看得到,也涵蓋傳統模型的部分主要輸入。

xG 原本的設計,照 StatsBomb 的說法,是把成千上萬次射門綜合起來,估計一支球隊接下來大致會進、失多少球。Hudl StatsBomb 也說,博彩公司與職業賭客把 xG 模型當成預測未來賽果的基石之一。多場累積的 xG 能幫忙預測,不保證命中;單靠一場的總和,確定不了下一場誰贏。

回到紅隊。1.8 對 0.6 說的是:照模型估,紅隊這組射門累計的預期進球比藍隊多。它沒說紅隊該贏;Opta 的說法是,xG 只衡量機會品質,不是比賽的預期結果。它也看不出射了幾腳,14 腳對 4 腳是這個假設另外給的。

比總和更有資訊的,是那張射門圖:14 腳從哪裡出腳,有幾腳是頭球。射門圖之外,球權分配可接著讀控球率;傳球是否完成,可讀傳球成功率。把這些數字接回球在哪裡、怎麼被送過去,才比較看得出球隊怎麼進攻。


資料來源

  • Opta Analyst,〈What Is Expected Goals (xG)?〉,2023-08-08:原文
  • Hudl StatsBomb,〈What are Expected Goals (xG)?〉(頁面未標發布日期,文內提到 2022 年的模型更新):原文
  • Opta Analyst,〈What Are Expected Goals on Target (xGOT)?〉,2021-06-23:原文
  • Opta Analyst,〈What Are Expected Assists (xA)?〉,2021-03-24:原文
  • KU Leuven DTAI Sports Analytics Lab,〈How data quality affects xG〉,2020-07-01:原文
  • StatsBomb 部落格存檔,〈The Dual Life of Expected Goals〉Part 1,2018-05-16:原文

範圍與版本:Opta 的模型細節是 2023 年的說明,StatsBomb 文章是 2018 年的討論,KU Leuven 是 2020 年的研究,各自描述當時的做法,不代表今天各家的現行模型。文中的紅隊、藍隊、甲隊、乙隊及其射門數字是教學假設。2026-10-30 文字修訂並重讀上列來源,原發表日期 2026-09-25 不變。

常見問題

xG 是什麼意思?

xG 是 expected goals,預期進球。它替每一腳射門估一個 0 到 1 的進球機率;一隊所有射門的機率加起來,是這隊按射門機會預期的進球數,不是進球機率,也不是勝率。見「一腳 0.1 的射門」一節。

xG 高卻輸球,代表什麼?

代表這組射門按模型累計的預期進球較高,不代表應該贏。可能是好機會真的浪費了,也可能是機會比模型估的更難,單場總和分不出是哪一種。見最後一節。

不同網站的 xG 為什麼不一樣?

模型看的因素、資料標記的位置、什麼算一次射門,都可能不同。KU Leuven 的研究裡,兩家資料商在 2018/19 賽季五大聯賽 13% 的場次,得出相反的優勢方。要比,就在同一個來源裡比。

一支球隊進球一直超過 xG,之後就一定會低於 xG 嗎?

不一定。已經多進的球不用靠往後少進來還,Opta 稱「補回來」的想法是賭徒謬誤。Opta 預期的是之後的射門回到與 xG 相符的水準,不是把前面的超額扣掉。

xG 可以預測下一場誰會贏嗎?

多場累積的 xG 可以當預測模型的輸入,但不保證命中;單靠一場的總和,確定不了下一場勝負。


Tags:xG, 預期進球, 足球數據, 足球新手村, 進階數據, Opta

👉 立場帳本——我們的預測,與對錯的公開紀錄
本站為非官方球迷資訊站,與 FIFA/國際足總無任何關聯或授權;賽程與比分資料整理自公開來源。
Unofficial fan-made site · Not affiliated with, endorsed by, or sponsored by FIFA.