賽伯計量學新手入門(三)-FanGraphs網站

文章來源：Getting Started@FanGraphs

Runs and Wins

最後，學會表達得分與勝場對於了解賽伯計量學也是極為重要的。要表達很簡單，但是在之前沒有新的敘述方式時這是爭議不斷的。

• 棒球的目標是要在162場不同的比賽中於九局以內比敵方隊伍得到更多的分數。
• 球季的成敗決定於勝場數。
• 每一場的成敗則決定於得分多寡。

勝場數是整個球季的籌碼，得分則是每場比賽的籌碼。所以球隊會希望自己的得分最大化，並最小化敵對的得分，而且希望一整年都能夠持續做到如此。

賽伯計量學新手入門(二)-FanGraphs網站

文章來源：Getting Started@FanGraphs

Weighted Runs Created Plus (wRC+)

wRC+其實只是對wOBA做調整。如同前面篇幅已討論的原因，它的輸入與wOBA相同，但它另外包含了兩個在賽伯計量學上重要的影響因素：

它有對球場因素(park factor)及聯盟平均值(league average)做調整。

想要了解wRC+，必須先對產出的數字來源背景有所了解。一隻 2000年時在Colorado打的全壘打與一隻2014年時在San Francisco打的全壘打相比起來並不會來的一樣令人印象深刻。直覺上會知道有所差異，但我們必須要用我們衡量成績的方式來描述這個現象。

wRC+在本質上是wOBA，但我們將wOBA對球場做調整，希望平均化那些球員原始的產量數據，因為這些數據受到不同的環境因素所影響。與San Francisco相比，當在Colorado球場比賽時，打者的原始統計曲線會看起來較佳(而投手的則會較差)，但事實上這並不會更讓人印象深刻，因為每個人在Coors(落磯隊主場)都會打得比較好。這就是我們所謂的球場調整(park adjustment)。

賽伯計量學新手入門(一)-FanGraphs網站

翻譯文章來源：Getting Started@FanGraphs

為什麼要用賽伯計量學(Sabermetrics)？

賽伯計量學是用來試著更準確地衡量運動。過去數十年，我們都是用全壘打、打點、打擊率、勝場數及防禦率等數據來評斷棒球員的好壞。但隨著收集、採集及分享這些資訊變得越來越容易，有些棒球隊與分析師開始發展其他統計數據。這些數據在追蹤與宣傳方面比現有的資料來得稍微困難一點，但它們比較能反映出球員的天份或成績。

最明顯的例子是打擊率(AVG, Batting Average)與上壘率(OBP, On-base Percentage)間的差異。保送對打者來說是個正向有益的結果，雖然它的價值比不上一壘安打或二壘安打，但起碼比成為出局數要來好得多。而打擊率卻完全忽略了保送，無法捕捉到打者重要的訊息。除此之外，AVG與OBP皆假定每隻安打和每次上壘的價值都是相等的(但事實上並非如此)。所以我們需要一個方法來評價打者上壘的價值，並計算出各種不同上壘方式其各自的價值。賽伯計量學的核心就在於我們希望確認我們可以盡可能的捕捉到所有資訊。

這只是一兩項統計數據的例子，目標永遠是希望有更好的衡量方式以及使用適當工具來解決手上的問題。賽伯計量學將所有相關的資料做轉換，讓我們能夠解答對於比賽的種種疑問。