棒球槓桿指數LI怎麼看:gmLI與牛棚調度

目錄
棒球槓桿指數(Leverage Index,簡稱LI)衡量當下局面讓勝率大幅變動的空間,1.0是平均基準。LI高,表示接下來不同結果可能讓勝負走向差很多;它不表示打者更容易敲安打,也不是投手的能力分數。
看牛棚數據時,gmLI則把焦點放在投手「登板時」面對的局面。本文於2026年11月16日核對FanGraphs現行公開定義及Tom Tango的原始說明;以下自編數字僅供解釋算法,不冒充任何球季的實際LI或球員成績。
一、LI的1.0是平均,不是五五波
LI把局面的潛在勝率變動幅度,與平均局面的幅度相比。因此,LI為2.0可理解成約有平均兩倍的槓桿,不能讀成200%勝率,也不能說其中一隊會多贏兩場。
FanGraphs的分組把低槓桿列在約0.85以下,高槓桿列在約2.0以上,中間是中槓桿;這是該資料站的閱讀分組,不是棒球競賽規則。遇到正好在邊界的資料,依平台當下的分組標示判讀,不自行混用其他網站的門檻。
另一個容易混淆的數字是勝率期望值(Win Expectancy,WE)。WE回答「這個時點,某隊的情境勝率是多少」;LI回答「不同後續結果,能讓勝率移動多大」。兩者沒有固定的一對一換算。
二、九局滿壘與三局差7分,關鍵在哪?
先設兩個普通九局制比賽的教學場景,並把出局數、落後方寫清楚:
- 場景甲:九局下半,主隊落後1分,二出局滿壘。若打者出局,比賽結束;若擊出讓兩名跑者得分的安打,主隊就能再見逆轉。這個打席的不同結果,可以直接把勝負分到兩端。
- 場景乙:三局上半,客隊落後7分,無人出局且壘上無人。即使擊出陽春全壘打,也只是把差距縮至6分,比賽仍有多局要打;一次出局或一支安打,通常沒有甲場景那樣直接左右勝負。
這個比較說明為何「晚局、接近的比分、關鍵跑者」會讓LI值得注意,並非查出甲、乙各有某個固定數值。要填正式LI,還需要同一套勝率模型與得分環境,不能只憑「九局滿壘」四個字指定數字。
同樣地,只有「滿壘」仍不夠。差1分和差10分、無人出局和二出局,都會改變後續狀態;也不能看到九局就一律標成高槓桿。
三、手算一個LI:為何要取絕對值再加權?
Tango提出的一種理解方式,是把各種可能結果的勝率變動取絕對值、乘上發生機率,再加總並除以平均基準。正負變動若直接抵消,就會把「兩邊都可能劇烈翻轉」誤當成平靜局面。
下面是編輯自行設定的三分支模型:起點WE為50%,只允許A、B、C三種結果,機率加總為100%;平均絕對變動基準假設為0.06,也就是6個百分點。這些輸入不對應前一節的球場場景,也不是實際聯盟估計。
| 分支 | 機率 | 結束WE | 絕對變動 |
|---|---|---|---|
| A | 40% | 20% | 0.30 |
| B | 40% | 60% | 0.10 |
| C | 20% | 90% | 0.40 |
加權幅度為0.40×0.30+0.40×0.10+0.20×0.40=0.24,所以這個假設模型的LI=0.24÷0.06=4.0。
若保留相同機率、相同起點及相同基準,只把三個終點改為45%、52%、56%,則幅度為0.40×0.05+0.40×0.02+0.20×0.06=0.04,LI便是0.04÷0.06≈0.67。起點都在50%,一個局面卻比另一個敏感得多。
可以再做一次對帳:第一組終點的加權WE是0.40×0.20+0.40×0.60+0.20×0.90=0.50。平均終點等於起點,不代表沒有槓桿;LI保留的正是各分支偏離起點的幅度。
實際棒球有更多結果、跑者推進與後續狀態,不能用這三個分支重建排行榜。尤其不能把本文的0.06當成每年通用的固定常數。
四、gmLI、pLI與inLI:先看從哪裡取樣
以下採FanGraphs Library的欄位定義。它們都和LI有關,但平均時取的時點不同。
| 欄位 | 取樣時點 | 讀牛棚的用途 |
|---|---|---|
| gmLI | 每次登板時 | 被派進什麼局面 |
| pLI | 所有比賽事件 | 實際經歷哪些局面 |
| inLI | 各投球半局入場時 | 跨局續投的情境 |
| exLI | 退場時 | 留下什麼局面 |
假設後援甲有兩次登板,入場LI分別是2.4和0.8;他的gmLI就是(2.4+0.8)÷2=1.6。後援乙三次登板分別為1.2、1.5、1.8,平均也是1.5。這些是假設輸入,甲平均遇到的入場槓桿略高,卻不能據此說甲投得比較好;而且兩人樣本都很少。
再假設某投手登板時LI只有0.7,之後連續保送,下一個打席的LI升到2.5。後來遇到的高槓桿,不會倒過來把這次入場紀錄改成2.5;這也是分析教練派誰救火時,gmLI和全程pLI要分開看的原因。
跨局續投則要多留意inLI。第八局進場和第九局開始續投,是不同取樣時點;中間己隊進攻可能改變比分。查資料時先讀平台定義,別只按英文字母猜欄位。
五、用LI讀換投:把局面、調度與結果分開
閱讀一段牛棚調度,可以依序記錄:
- 換投前:局數、主客隊、分差、壘況及出局數,連同當時LI。
- 入場時:是哪位投手接手,並核對gmLI採樣的起點。
- 投球後:發生哪些事件,再看結果造成的勝率變動。
例如第七局一出局滿壘、只領先1分時派出主要後援,與第九局領先6分、無人在壘時派同一人,不能只憑「哪一次比較晚登板」判斷任務輕重。LI提供比較局面的尺度;要評論實際決策,仍須另外掌握當日可用投手、休息及對戰安排,不能拿一個數字補出當時沒查到的資訊。
事件發生後的勝率增減,則交給WPA與勝率曲線的差值讀法。本篇LI評估事前的變動空間,WPA描述實際走了哪個結果;高LI打席最後仍可能是對進攻方不利的WPA。
若問題是「壘況改變後,這個半局增加多少得分價值」,可接著看得分期望值與RE24的計算。那是以分值衡量攻防,和本篇的相對槓桿尺度不同。
六、常見問題
LI高,代表這名投手比較有抗壓性嗎?
單靠LI不能判定。它描述遇到的局面;若要談該投手處理得如何,還要看實際投球結果與足夠的樣本。高gmLI也不能直接轉成能力排名。
LI為4.0,是勝率增加40%嗎?
不是。第3節的4.0是0.24除以0.06得到的相對倍數,沒有指向某隊的勝率,也沒有記錄這次實際增加幾個百分點。
沒得分,LI也可能改變嗎?
會。出局數或壘況改變,就可能改變後續結果的勝率幅度。例如多取得一個出局,即使比分不變,也已經換成另一個比賽狀態。
為什麼不同資料站的LI對不起來?
先核對模型、得分環境、事件切點與欄位定義。即使都把平均設為1.0,也不表示每個局面的讀值必須完全一樣;比較球員時應先固定資料來源及期間。
七、觀賽時先問:關鍵局面,還是處理結果?
想知道一個打席有多關鍵,先看LI;想知道教練把哪類局面交給誰,先看gmLI及登板紀錄;想回顧球員這次改變多少勝率,再看WPA。把這三個問題分開,才不會把「被交付重任」直接寫成「已成功完成任務」。
數據可用來理解比賽,安排娛樂時仍應保留休息與可負擔的預算,不把單一指標當成下一場結果的保證。
引用資料 References
- FanGraphs Sabermetrics Library:LI — 2026-11-16查核;採用平均1.0、該站槓桿分組、gmLI/pLI/inLI/exLI定義及模型環境差異。本文所有自編數值均非該站實績。
- Tom Tango:Crucial Situations — 2006-05-01原始方法說明;支持以可能勝率變動的絕對值加權、除以平均幅度來理解LI,本文三分支算例另行設計。
- Tom Tango:Crucial Situations, Part 3 — 支持入場、跨局、逐打席與退場取樣的區別,以及投手後續表現會改變所遇局面的解釋;未沿用文中歷史球員成績作當季比較。
本文為資訊整理,不構成任何獲利保證;遊戲規則、賠率與活動條件請以遊戲內說明及本站公告為準。理性娛樂,未滿 18 歲請勿參與。