xG 係乜？
點解咁重要？

2023-24 英超賽季，曼城以 96 個實際入球領跑，但佢哋嘅 xG 數據卻高達 102.5，呢個差距背後究竟隱藏咗啲乜嘢秘密？原來，xG（Expected Goals），即係預期入球，係一種先進嘅足球數據指標，佢透過統計模型去評估每次射門嘅入球機會率。呢個模型會考慮多種因素，例如射門位置、角度、助攻類型、防守球員阻擋、甚至係射門球員嘅慣用腳等等，然後計出一個介乎 0 到 1 之間嘅數值，數值越高代表入球機會越大。

xG 數據點樣計出嚟？有咩主要影響因素？

xG 數據嘅計算並唔係單一公式，而係基於大量歷史比賽數據同機器學習模型嚟建立嘅。主要影響因素包括：

• 射門位置同距離：越近龍門、角度越正中嘅射門，xG 值通常越高。例如，十二碼嘅 xG 值通常穩定喺 0.76 左右。
• 射門角度：偏離球門中軸線越遠，入球難度越大，xG 值越低。
• 助攻類型：透過直傳、傳中、死球等方式產生嘅射門，其 xG 值都會有差異。例如，單刀直入嘅 xG 通常高於禁區外嘅遠射。
• 防守壓力：射門時防守球員嘅數量同位置，會顯著影響 xG 值。防守越嚴密，xG 值越低。
• 身體部位：頭槌同腳射嘅入球機會率亦有分別。

舉個例，一個喺禁區中央、無人阻擋嘅單刀射門，其 xG 值可能高達 0.5 或以上；而一個喺禁區外圍、多人圍堵下嘅遠射，xG 值可能只得 0.05 甚至更低。根據 StatsBomb 嘅研究，佢哋嘅 xG 模型考慮超過 20 個變量，精準度喺業界數一數二。

xG 對於球隊戰術分析有咩幫助？

xG 數據不單止可以評估球員嘅射門效率，對於球隊嘅整體戰術分析亦有莫大幫助。佢可以幫助教練同分析師：

• 評估進攻效率：如果球隊嘅實際入球數（Goals）遠低於 xG 值，可能代表球員把握機會能力不足，或者運氣唔好。相反，如果實際入球數高於 xG 值，可能係球員射術精湛，或者球隊創造嘅射門機會質素高。
• 分析防守表現：對手嘅 xG 值可以反映我方防線畀咗對方幾多優質射門機會。如果對手 xG 值高，即使佢哋冇入波，都可能係我方防守有漏洞。
• 識別關鍵球員：透過比較球員嘅 xG 同實際入球，可以識別出「機會終結者」（實際入球遠高於 xG）同「機會浪費者」（實際入球遠低於 xG）。

例如，喺 2022-23 賽季，紐卡素嘅實際入球數係 68 個，但佢哋嘅 xG 只有 58.5。呢個數據顯示佢哋嘅前鋒把握能力超強，往往能夠將低質素機會轉化為入球。呢種深入嘅運動數據分析，正正係我哋 運動數據分析 平台致力提供嘅資訊。

xG 數據係咪完美無瑕？有咩局限性？

雖然 xG 數據非常有用，但佢並非完美無瑕，都有佢嘅局限性。主要挑戰包括：

• 未考慮守門員表現：xG 模型主要評估射門質素，但未能完全考慮守門員嘅反應同撲救能力。一個世界級門將可能會將高 xG 嘅射門撲出，導致實際入球低於預期。
• 未能捕捉球員個人技術：梅西或者C朗呢類頂級球員，佢哋嘅射門技術可能遠超一般模型嘅預期，令佢哋嘅實際入球經常高於 xG。
• 數據模型差異：不同數據供應商（例如 Opta、StatsBomb、Understat）採用嘅 xG 模型同數據來源可能唔同，導致計算結果有輕微差異。

儘管有呢啲局限，xG 仍然係目前最客觀、最科學嘅足球數據指標之一。佢為我哋提供一個全新嘅視角去理解比賽，超越咗單純嘅入球數字。根據 BBC Sport 嘅數據分析，愈來愈多頂級球會都將 xG 納入佢哋嘅日常分析流程，證明咗佢嘅實用價值。