Clayton Kershaw  

 

文:Xavier

 

不少人看到進階數據都會習慣性的先跳過,原因不外乎很陌生、看不太懂,不如傳統數據簡單明瞭和平易近人。但屏除先入為主的觀念,其實進階數據並不像很多人想的那麼麻煩,而是看你用什麼心態去面對它。

 

如果一開始就覺得麻煩、排斥,再簡單的東西都會變得複雜。換一種心態去面對,很多東西也會變得不一樣。

 

猶記,4、5年前Xavier剛開始寫作的時候,看到某位朋友的文章出現精闢的Advanced Stats時,欽羨之餘(可惜我那位朋友停筆好多年了),Xavier也是看不太懂。但我選擇的不是去躲這些東西,或是酸葡萄心理去調侃會用進階數據很了不起嗎(有這種心態的人還真不少)?我選擇的是去了解它們,慢慢的從看不懂,變成理解到最後自己也能使用。

 

這陣子,我一直有個想法,想把Advanced Stats用更簡單的方式介紹給更多讀者。專業也許還說不上,這部分寫得比我好的人也多的是,但我想做個基本的討論、交換意見應該還是可以的。

 

現在我們就從投手的進階數據開始介紹起,分成FIP、SIERAtERA (tRA)三個部分來討論,這篇文章我們首先要提的是FIP、因為它很好用、也最普及,所以我特地把它獨立成一篇文章來討論。

 

 Max Scherzer  

 

FIP、xFIP:

要介紹FIP前,我們得先提防禦率這個最基本、也是最常見的投手數據。既然有人發明進階數據,就表示防禦率有缺陷,那防禦率它有到底什麼問題呢?Xavier認為防禦率至少有五大缺陷。

 

後援投手來講,最常見的問題就是”明明投不好自責分卻算在上一任投手身上”。後援投手上場救火時,壘包上往往已經有跑者,但是這些跑者要是回到本壘得分,自責分可都是算給上一任投手。這就會出現一種情況:後援投手A一上來就連挨好幾支安打,讓先發投手留在場上的跑者都回來得分,教練再緊急換上後援投手B接替,並成功踩住煞車不再失分,結果就是這位狀況很差的後援投手A,這次登板的防禦率還是完美的0。

 

先發投手來說,也會有類似的問題,壘包上有跑者時被換下場,好的後援投手會幫你守成、不好的後援投手會繼續失血,讓自責分加到你身上,也就是說先發投手防禦率,除了自己的投球能力外,有時也會受到團隊牛棚戰力的影響。

 

再來就是守備問題,2出局滿壘,同樣一個深遠飛球,守備能力好的隊友會美技接殺,結束這一局。守備較差的隊友,可能就是落地形成長打,對你造成重傷害,一次就多了2分或3分的自責分。處理位置尷尬的內野軟弱滾地球也是類似的道理,內野守備優劣與否對滾地球型的投手影響又特別大。

 

和守備攸關的還有失誤因素,一個投手在發生守備失誤之後,被連續打了好幾支安打掉分,雖然這樣的掉分有非戰之罪的因素在,實際上還是可以看出這位投手的穩定度跟壓制力仍有些問題,但他失誤後的掉分都不算自責分。

 

最後是球場因素,像是有些球場飛球飛行的延伸距離會比較遠,容易形成長打,在這類球場投球的投手就會比較吃虧。沒辦法針對球場差異做校正,這也是傳統防禦率的一大問題。

 

因此,只以防禦率來評斷投手的優劣,是非常不精確的,WHIP稍微好一點,但同樣有守備影響的問題。美國BBWAA有些會員在賽揚獎票選上,喜歡用防禦率來解讀過多的東西,也讓人搖頭。

 

 

Masahiro Tanaka  

 

FIP就可以解決上述大部分的問題

 

FIP是Tom Tango發明的投手進階數據,完整的英文原名叫Fielding  Independent  PitchingFIP特點是它只考慮HR、HBP、BBK這4個數據依據影響程度的差異,給予不同的權重計算,最後加上固定的修正值(通常是3.2)就可以得到,公式如下:

 

FIP = ((13*HR)+(3*(BB+HBP))-(2*K))/IP + constant

 

為什麼只考慮HR、HBP、BB跟K呢?原因很簡單,因為這4個數據剛好都是投手自己能掌控的,比較不會受到守備影響,也不會有防禦率自責分算在誰身上的問題。簡言之,FIP能比較精確的檢視投手自己控制比賽的能力因為原理簡單、公式也不難(有時間自己就可以計算),所以FIP現在還是國外相當盛行、我自己也很喜歡列入參考的投手進階數據。

 

那去年大聯盟FIP最低的先發投手是誰呢?答案是大都會的Matt Harvey,他去年的FIP只有2.00。第二名則是國聯賽揚獎得主Clayton Kershaw,他的FIP為2.39。

 

不過FIP也有個小問題,像是全壘打的部分,投手就可能會受到球場狀況影響,而有所起伏。

 

從FIP衍生出來的是xFIP(Expected Fielding Independent Pitching發明者為Dave Studeman),這兩個數據的計算公式基本上一樣,差別是xFIP在全壘打的部分做了校正,把原本FIP的全壘打改為投手的飛球乘以聯盟平均的HR/FB,能解決球場差異精確度會比較高,可說是進階版的FIP,公式如下:

 

xFIP = ((13*(Flyballs * League-average HR/FB rate))+(3*(BB+HBP))-(2*K))/IP + constant

 

FIP跟xFIP還能用來預測投手的防禦率走向,如果一個投手的FIP跟xFIP高於防禦率,一旦投球時間拉長,他的防禦率會逐漸變高。相對的,如果一個投手的FIP跟xFIP低於防禦率,一段時間過後,他的防禦率也會慢慢往下降。

 

去年大聯盟xFIP最低的先發投手是誰呢?同樣是大都會的Matt Harvey,他去年的xFIP為2.63。

 

如同ERA跟ERA+,xFIP也有個能跟聯盟平均值做比較的xFIP-,xFIP-值100相當於聯盟平均,不過跟ERA+不同的是xFIP-是越低越好。在檢視不同年度的投手時就非常好用了,xFIP-可以看出每年聯盟打擊強弱的差異,做出合理的比較。

 

那FIP跟xFIP系列是最好的投球數據了嗎?也不盡然。下一篇文章我們就來介紹另外兩個進階數據SIERA跟tRA。

 

Xavier棒球進階數據系列:

投球篇:

【Xavier棒球教室】投手進階數據篇(一): FIP、xFIP

【Xavier棒球教室】投手進階數據篇(二): SIERA、tRA

【Xavier棒球教室】投手進階數據篇(三):xERA

打擊篇:

【Xavier棒球教室】打者進階數據篇(一): wOBA、 wRAA

【Xavier棒球教室】打者進階數據篇(二):wRC、wRC+

守備篇:

[Xavier棒球教室] 守備進階數據篇 (一): UZR

[Xavier棒球教室] 守備進階數據篇 (二): Def

 

【Xavier元創主義】FB粉絲團:

美日韓台棒球專家Xavier的精闢解析

真正專業導向的野球資訊站

arrow
arrow

    Xavier 發表在 痞客邦 留言(0) 人氣()