篮球数据权重统计法初步比较分析

刘文亮

摘 要：随着现代篮球的飞速发展，篮球数据的统计也已经越来越丰富，统计的设备、人员数量、统计方法都已经变得更完善。文章试着比较分析目前美国篮球职业联赛中美国数据统计专家的几种权重统计方法，以找出更适合现代篮球发展趋势的统计方法，从而更好地发现比赛中出现的问题，以便在平时的训练中更有针对性地进行训练，进而提高篮球水平。

关键词：篮球数据;权重统计法;比较分析

中图分类号：G841

文献标识码：A

在本文中，我们将讨论几种用于评价NBA球员的线性权重方法。这三种方法分别是NBA效率值、约翰·霍林格PER和比赛得分率、贝里·施密特和布鲁克的BBS（胜利值）。

美国职业男篮的效率评分由戴夫赫伦发明，它的计算公式如下：每场比赛效率=得分+篮板球+助攻+抢断+盖帽-失误-投失数-罚球投失数。这个公式本质上说所有好的数据价值+1而所有不好的数据的价值是-1。这有点说不通，举个例子，一个球员的三分球是18中5，他得了15分并且投失了13个球，这个球员的三分球出手的效率值就是15-13，即2个有效值。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个效率值，任何一个球员的三分球投成这样，那么别人肯定会告诉他不要投三分了。相同的，如果一个球员的二分球命中率是36.4%（11中4），他11投得了8分，投失了7个球，那么他的效率值就是8-7，即1个效率值，如果他22投8中（联盟10%平均值）他的投篮效率值是2（16-14）。

虽然NBA效率值的计算比较简单，但是无法体现出数据的真实性，在近年来已经很少被采用了。由约翰·霍林格提出的PER已经得到越来越多专家的认可，但是这个计算的方法在国内很少被提及。这个计算方法是由NBA专家约翰·霍林格提出的球员价值评估数据体系，利用PER值，可以将每个球员的数据统计进行加权继承计算，进而对不同位置和不同球队的队员进行评估和比较。其计算公式为PER=[（得分数+助攻数+总篮板数+抢断数+盖帽数）-（投篮出手数-投篮命中数）-（罚球出手数-罚球命中数）-失误数]/球员的比赛场次。但是也有不同的学者提出了不一样的观点，美国评论员巴里说，一个队员的二分球命中率超过30.4%，那么他更多的出手次数会增加他的效率值。同样的，一个队员的三分球命中率超过21.4%，那么更多的出手次数也会增加他的效率值（但是很少有外线球员的三分球命中率这么差）。霍林格的效率值暗示了即便你是联盟比较糟糕的投手，通过更多的投篮，你也能帮助你的球队获胜。我们同样可以看到，霍林格不正确的权重加成同样体现在他的Game Score公式中。Game score=（得分×1）+（投失数×0.4）+ [出手数×（-0.7）]+（出手数-投失数）× （-0.4）+（进攻篮板×0.7）+（防守篮板数×0.3）+（抢断数×1）+（助攻数×0.7）+（盖帽数×0.7）+[个人犯规×（-0.4）]+[失误×（-1）]一个球员的三分命中率超过20.4%，多投三分会增加他的game score得分，一个球员的二分命中率超过29.2%，同样可以通过增加投篮次数来提高game score分数。

胜利得分（win scores）和胜利创造能力（wins produced）是由贝里·施密特和布鲁克（简称BSB）研究的看似简单但是却很复杂的公式。BSB的公式是win score=得分+篮板+抢断+0.5助攻+0.5盖帽-出手数-失误数-0.5罚球数-0.5犯规数。和NBA效率、霍林格PER不同，win score的线性权重公式看起来更加直观。举个例子来说，一个球员如果想增加投篮数值，他需要超过50%的二分球命中率和33.33%的三分球命中率。同样的公式里给了失误和篮板一样的权重。因为一个篮板球可以得到球权，而失误会失去球权。用一个复杂的方法，BSB把win scores转换成为wins produced。对于wins produced来说，一个队的所有队员的数值相加正好和球队的赛季获胜场次相同。

我认为BSB的胜利值是一个比较好的线性权重评价公式。唯一的问题是数据的统计是表格形式呈现的，所以球员的数值主要体现在他们在场上的表现所得到的数据。但是有些数据在统计表上是无法体现出来的，例如，制造一次带球撞人，挡人后让队友抢到篮板，传球后帮助队友助攻，为队友掩护后创造投篮机会。所有这些情况都会帮助到球队，但是不会体现在统计表上。

所以我们分析了三个不同的权重统计公式来更好地了解球员在场上的表现情况，BSB的统计方法更能体现真实的情况，但是在了解球员的能力和水平时，也要看球員在场上的作用来全方面地考察队员的能力。

参考文献：

[1]杨振兴，杨 军，白 洁.基于大数据技术对美国职业男篮联赛的研究[J].中国体育科技，2016（1）.

[2]黄欣荣.大数据对科学认识论的发展[J].自然辩证法研究，2014（9）.