基于预期进球差的定位球表现评分体系SPER介绍-原创手记-慕课网

今年我打算深入研究定位球。我知道我已经多次提到过这一点，这也是我今年的目标之一——但生活总是会打乱所有的计划。如今，我已经做了很多关于指标开发的工作，在年底之前，我想和大家分享最后一个与定位球相关的指标开发/方法论。

我在一些任意球上做了点事情：

但是，我想做一个更深入的，基于个体头球评级（IHR）思路的最终尝试。我单独分析了球员在头球方面的潜力贡献，但球队在定位球中的表现如何评估呢？这就是我通过引入SPER来说明的。SPER是一种衡量球队在定位球中预期进球差异的评级方法。

为什么选择这个指标来分析定位球？

这个特定的指标其实并不是特别必要。其中一个原因是我想试着根据预期进球来制定一个定位球的排名。不过，有了这个洞察，我们可以创建一种评估球队在定位球的预期进球表现的方法，并据此判断是否应该依赖它们。

换句话说，通过这个指标，我们可以得出团队在定位球xG方面的表现如何的结论。这可以让我们得出一些结论，说明为什么团队需要依赖他们的定位球战术，或者需要改进他们的非定位球进攻，以提高他们的获胜机会。

角球控球率：评估球队在角球进攻后的控球情况。最近一年来，我越来越多地关注与定位球相关的数据，特别是角球。它……marclamberts.medium.com

通过这个指标，我们可以把它和每个人的头球表现评分结合起来，从而在个人和团队层面获得更深入的分析结果。

数据收集与呈现

这个项目用到的数据来自Opta/Statsperform，收集日期为2024年12月18日。所有的数据均为原始事件数据，从中开发出了XY坐标数据。基于这些数据，我们开发并绘制了各种指标，并进行了相应的计算和处理。

数据来自2024-2025赛季的荷甲，既包含比赛级别的数据，也包含赛季级别的数据。没有对数据进行任何过滤处理，但这是在下一次更新时可以实现的功能，我将在文章后面详细解释。

这关注的是团队的表现，因此定位球产生的预期进球（xG）是为每个团队生成的，而不是为个人球员。我们可以为球员拆分这些数据，但这将不再如实地反映情况。当我们从团队层面来看，定位球产生的预期进球通常是由于一次好的传球配合造成的，如果从个人角度来看，这样的贡献就不会被体现出来。

市面上有许多提供XY数据的供应商，但我还是使用Opta的数据。因为我之前所有关于事件数据的研究都是基于Opta数据的，这样可以保持工作的连续性并增强可信度，使其与我的先前研究保持一致。

可操作分析：个体头部评分（IHR）决定防守者与进攻者的抉择在2024–2025新赛季中，我想尝试一些新事物。我一直尝试创新（比如创建新的…… 什么是定位球？

这可能看起来是一个简单的问题，但我们还是得聊聊。在数据里，我们的xG有各种不同的筛选条件（注：xG为技术术语）。

所以，我们需要区分不同的戏剧或比赛。我们将重点放在定位球上，但，如你所见，可以看到，有各种不同的因素。

任意球配合：来自交叉球的射门
角球：来自角球的射门
直接任意球射门：来自直接任意球的射门
界外球配合：来自掷界球的射门

这些定义来自Tom，详情请见https://github.com/tomh05/football-scores/blob/master/data/reference/opta-qualifiers.csv。

我将不考虑这次罚球。尽管这确实是一个角球，但这次单独的情况对预期进球的影响很大，因此我决定不考虑这次情况。这并不能反映比赛的实际水平，而是反映了射门技巧的质量。

研究方法

在从我原始数据中获取SPER之前，我需要完成几个步骤。第一步是将我现有的射门转换为带有预期进球值的射门。这里指的是哪些射门？

偏出或越出球门的射门: 任何射正但偏出或越出球门的射门
门柱: 球击中门柱或球门柱
射门被扑出: 记录射门球员的被扑出射门
进球: 所有进球

我们将这4个事件转化为具有附加值的射门，通过使用我自己的预期进球（xG）模型处理它们，该模型是基于荷甲（即埃因霍温联赛）中40万次射门训练的。然后我们会得到一个Excel/CSV文件。

这是我们正在处理的核心，但下一步是计算并生成每场比赛对每一方的具体影响。这不仅会增加xG值，还会计算出每一方的胜率（百分比）和基于预期进球的预期得分。

所以，我有了两个构成我方法论和计算基础的Excel文件。接下来，我将专注于创建一个新的评分标准：SPER（）。

那得用Python来做，因为Python就是我常用的编程语言，还需要准备一些东西。

此分析结合比赛结果和预期进球（xG）数据来评估球队表现，通过Glicko-2评级系统动态评估。比赛结果是根据主队和客队的xG值来决定的。根据xG值来判定胜、平或负。

此外，例如“角球”和“任意球”这种特定类型的进攻，其xG数据会被筛选出来并计算每个队伍的平均值。

缩放因子（0.1）确保调整按比例进行，使结果保持在0到1的范围内。

Glicko-2系统在每场比赛后根据调整后的比赛结果S更新队伍的等级。每个队伍都有一个等级(R)、等级偏差(RD)和波动性σ。更新基于对手的等级和RD，并结合调整后的比赛结果S来进行。系统会根据这些参数计算新的等级。

这显然是为你们这些技术数学家准备的，这是通过Python代码完成的计算。通过转换为Python代码，我们得到了可以直接用于分析的Excel。

用网络分析量化足球中的无球贡献：无球影响力评分……这可能是我迄今为止最棒也是最吓人的项目。吓人是因为它可能充满了缺陷，但同时也是最好的，因为……marclamberts.medium.com 解析:

有了Excel文件中的数据，我现在有了每个球队在2024-2025赛季的上半段的每个比赛日的评分情况。这显示了每个球队的表现以及他们在赛季初期的进步。

在上面的条形图中，你可以看到荷甲的最终评分，包括平均值。条形图中还包含了每个球队的先前评分。费耶诺德、特温特、AZ、PSV和阿贾克斯在团队表现评价体系（SPER）评分中表现最佳。福图纳·西特哈德、PEC Zwolle、NAC布雷达和瓦尔维克在SPER评分中表现最差。

在上面的折线图中，你可以看到前五名埃迪迪斯球队的SPER评分在整个赛季中是如何变化的。正如我们所见，费耶诺德稳步变好，而PSV的轨迹则更为引人注目，一开始很高，之后再次上升。阿贾克斯在最后几周确实下滑了。

最后的感想

Glicko-2评分系统提供了一种清晰的方式来根据比赛结果和平均预期进球数（xG）来排名荷甲球队。该系统动态调整评分，同时考虑了球队状态和对手强度，而xG则通过反映进球机会提供了更多的背景信息。这种方法比传统的排名更能准确地反映球队的真正表现。然而，其准确性依赖于准确且可靠的xG数据以及用于调整的缩放因子。总体而言，该系统适用于追踪球队的进步和比较实力，为球迷和分析师提供了宝贵的见解。