籃球數據權重統計法初步比較分析

劉文亮

摘 要：隨著現代籃球的飛速發展，籃球數據的統計也已經越來越豐富，統計的設備、人員數量、統計方法都已經變得更完善。文章試著比較分析目前美國籃球職業聯賽中美國數據統計專家的幾種權重統計方法，以找出更適合現代籃球發展趨勢的統計方法，從而更好地發現比賽中出現的問題，以便在平時的訓練中更有針對性地進行訓練，進而提高籃球水平。

關鍵詞：籃球數據;權重統計法;比較分析

中圖分類號：G841

文獻標識碼：A

在本文中，我們將討論幾種用于評價NBA球員的線性權重方法。這三種方法分別是NBA效率值、約翰·霍林格PER和比賽得分率、貝里·施密特和布魯克的BBS（勝利值）。

美國職業男籃的效率評分由戴夫赫倫發明，它的計算公式如下：每場比賽效率=得分+籃板球+助攻+搶斷+蓋帽-失誤-投失數-罰球投失數。這個公式本質上說所有好的數據價值+1而所有不好的數據的價值是-1。這有點說不通，舉個例子，一個球員的三分球是18中5，他得了15分并且投失了13個球，這個球員的三分球出手的效率值就是15-13，即2個有效值。如果他出手36中10，他的三分球出手的效率值就是30-26，即4個效率值，任何一個球員的三分球投成這樣，那么別人肯定會告訴他不要投三分了。相同的，如果一個球員的二分球命中率是36.4%（11中4），他11投得了8分，投失了7個球，那么他的效率值就是8-7，即1個效率值，如果他22投8中（聯盟10%平均值）他的投籃效率值是2（16-14）。

雖然NBA效率值的計算比較簡單，但是無法體現出數據的真實性，在近年來已經很少被采用了。由約翰·霍林格提出的PER已經得到越來越多專家的認可，但是這個計算的方法在國內很少被提及。這個計算方法是由NBA專家約翰·霍林格提出的球員價值評估數據體系，利用PER值，可以將每個球員的數據統計進行加權繼承計算，進而對不同位置和不同球隊的隊員進行評估和比較。其計算公式為PER=[（得分數+助攻數+總籃板數+搶斷數+蓋帽數）-（投籃出手數-投籃命中數）-（罰球出手數-罰球命中數）-失誤數]/球員的比賽場次。但是也有不同的學者提出了不一樣的觀點，美國評論員巴里說，一個隊員的二分球命中率超過30.4%，那么他更多的出手次數會增加他的效率值。同樣的，一個隊員的三分球命中率超過21.4%，那么更多的出手次數也會增加他的效率值（但是很少有外線球員的三分球命中率這么差）。霍林格的效率值暗示了即便你是聯盟比較糟糕的投手，通過更多的投籃，你也能幫助你的球隊獲勝。我們同樣可以看到，霍林格不正確的權重加成同樣體現在他的Game Score公式中。Game score=（得分×1）+（投失數×0.4）+ [出手數×（-0.7）]+（出手數-投失數）× （-0.4）+（進攻籃板×0.7）+（防守籃板數×0.3）+（搶斷數×1）+（助攻數×0.7）+（蓋帽數×0.7）+[個人犯規×（-0.4）]+[失誤×（-1）]一個球員的三分命中率超過20.4%，多投三分會增加他的game score得分，一個球員的二分命中率超過29.2%，同樣可以通過增加投籃次數來提高game score分數。

勝利得分（win scores）和勝利創造能力（wins produced）是由貝里·施密特和布魯克（簡稱BSB）研究的看似簡單但是卻很復雜的公式。BSB的公式是win score=得分+籃板+搶斷+0.5助攻+0.5蓋帽-出手數-失誤數-0.5罰球數-0.5犯規數。和NBA效率、霍林格PER不同，win score的線性權重公式看起來更加直觀。舉個例子來說，一個球員如果想增加投籃數值，他需要超過50%的二分球命中率和33.33%的三分球命中率。同樣的公式里給了失誤和籃板一樣的權重。因為一個籃板球可以得到球權，而失誤會失去球權。用一個復雜的方法，BSB把win scores轉換成為wins produced。對于wins produced來說，一個隊的所有隊員的數值相加正好和球隊的賽季獲勝場次相同。

我認為BSB的勝利值是一個比較好的線性權重評價公式。唯一的問題是數據的統計是表格形式呈現的，所以球員的數值主要體現在他們在場上的表現所得到的數據。但是有些數據在統計表上是無法體現出來的，例如，制造一次帶球撞人，擋人后讓隊友搶到籃板，傳球后幫助隊友助攻，為隊友掩護后創造投籃機會。所有這些情況都會幫助到球隊，但是不會體現在統計表上。

所以我們分析了三個不同的權重統計公式來更好地了解球員在場上的表現情況，BSB的統計方法更能體現真實的情況，但是在了解球員的能力和水平時，也要看球員在場上的作用來全方面地考察隊員的能力。

參考文獻：

[1]楊振興，楊 軍，白 潔.基于大數據技術對美國職業男籃聯賽的研究[J].中國體育科技，2016（1）.

[2]黃欣榮.大數據對科學認識論的發展[J].自然辯證法研究，2014（9）.