棒球分項成績怎麼比較：左右投、主客場與小樣本

棒球分項成績（Splits）是把同一段成績按左右投、主客場等條件拆開，查看不同情境的表現。 比較時先保留各組打席數，再看指標的真正分母；對左投和右投的打擊率都比較高，合計卻比較低，在數學上完全可能。

本文依2026年10月25日查閱的MLB名詞頁、Baseball Savant查詢介面與FanGraphs教材整理。下面的甲、乙和所有演算數據都是自製的虛構教學例，不是真實球員紀錄，也不是單場比賽預測。

一、分項先問條件，再看小數點

分項表回答的是「在選定條件內發生了什麼」。例如打者對左投的成績，篩選的是對方投球的手；不是打者本人是不是左打。

「主場」是球隊在該場比賽的身分，「球場」是比賽地點，查詢時是不同條件。若要比較兩名打者的主場表現，至少要讓球季、例行賽或季後賽、截止日期相同；只寫「今年」不足以讓別人重查。

整理資料時，建議留下「資料來源、擷取日、期間、比賽類型、球員、分項條件」，數據欄位再放PA、AB、H與要比較的指標。這是本文的工作表建議，不是聯盟另訂的紀錄規則。

PA是打席，AB是打數；兩者不相等。MLB定義的打擊率為H ÷ AB，所以PA用來交代打擊機會，AVG合計則必須用AB加權。縮寫與其他公式可對照〈棒球術語與數據：打席、打數及打擊三圍〉，本文聚焦在如何比較分組。

二、左右投都領先，合計為什麼反而落後？

設定甲、乙各有222個打席、200個打數，其餘22個打席都假設為四壞球保送。兩人每個打席只歸入左投或右投其中一組，沒有漏算或重複。

先分開看：兩組都是甲領先

下表的H／AB依序是「安打數／打數」，不是安打除以打席。

對左投，甲的.400高於乙的.350；對右投，甲的.250也高於乙的.200。可是甲只有20個對左投打數，乙卻有180個，兩人的機會分布不同。

再合計：把安打與打數各自相加

甲的計算為（8＋45）÷（20＋180）＝53 ÷ 200＝.265。

乙的計算為（63＋4）÷（180＋20）＝67 ÷ 200＝.335。

合計變成乙領先，原因在於分組權重不同。 在這個假設例中，兩人對左投的打擊率都比較高，而乙有較多打數落在該組；甲的打數則集中在兩人打擊率都較低的右投組。這不代表左投普遍比較好打，只是這份虛構資料的設定。

用加權方式看，甲是.400 × 10%＋.250 × 90%＝.265；乙是.350 × 90%＋.200 × 10%＝.335。10%與90%來自各組AB占總AB的比例。

若直接把兩組AVG相加除以2，甲會得到.325、乙得到.275。這回答的是「假設兩組各占一半，且沿用各組既有比率時，算式會得到多少」，不是兩人的實際合計，也不能當成未來成績。原表中的20個打數，更不會因為被放大權重就變得可靠。

三、主客場比較也要保留分母，避免重複加總

同樣的算法適用主客場。另設一名虛構打者：主場110 PA、100 AB、30 H，客場330 PA、300 AB、60 H；非AB打席同樣都假設為保送。

主場AVG為.300，客場為.200。實際合計是90 ÷ 400＝.225，不能把.300與.200平均成.250，因為客場占了四分之三的打數。

「主場30支安打」也不能再加上「對左投8支安打」當成新總數：主場面對左投的安打可能同時出現在兩邊。要做加總，分組必須互不重疊，而且涵蓋你要算的完整範圍。 若想交叉分析，就建立主場對左投、主場對右投、客場對左投、客場對右投四格，再核對每筆紀錄只放一次。

也不要把同一套權重套到所有指標。AVG用AB；OPS是上壘率與長打率的相加，應先彙總其原始計數、分別重算兩項，再相加，不能直接照PA比例平均兩個分項OPS。

主場成績較好只能描述已觀察到的差距。要說差距「由主場造成」，還需要排除對手、時間與上場安排等不同條件；一張主客場表本身沒有完成這件事。

四、小樣本怎麼看，Statcast該留下哪些條件？

先做一個敏感度演算：甲對左投原本是20打數8安打，AVG .400。下一個打數若沒安打，變成8 ÷ 21≈.381；若敲安打，則是9 ÷ 21≈.429。兩種結果只差1支安打，顯示值就差約.048。

這不是用來宣布「20打數完全沒用」，而是提醒讀者：少量事件便足以明顯改動表面比率。FanGraphs的樣本數教材指出，資料可靠性是逐漸提高的，各指標也有不同速度；不存在所有數據一跨過同一打席門檻，就突然可信的開關。

在Baseball Savant先固定範圍

2026年10月25日實際檢視Statcast Search，頁面提供下列欄位。它們是查詢範圍設定，並不是每個欄位都要填。

頁面另有Game Date起訖、Batters、Group By與Min PA等設定。查個別打者時，在Batters選球員、保留明確的日期範圍；比較左右投時改動Pitcher Handedness，其餘條件維持一致。Min PA只是你設的顯示門檻，不能把達標者都稱為「樣本足夠」。

若目的是整體打擊率，別另外只篩選安打結果或特定球種，卻仍把輸出稱為完整球季成績。需要原始計數時，再檢查結果表與匯出資料有哪些欄位；投球筆數不等於打席數。

同時防止「只挑有利的那格」

假設有人先看全年、最近一個月、最近一週和主客場，最後只留下最高的那格，讀者看到的就不是原先固定的問題，而是看完結果後挑出的亮點。比較前先寫下條件，再並列完整的對照組，能讓這種挑選更容易被發現。

另一個問題是上場機會本來就經過選擇。FanGraphs的Splits教材提醒，球員可能因對位安排而較少面對某些對手；觀察到的分項不能直接等同真實能力。若假設教練讓某打者避開最強的左投，他留下的對左投成績就不包含那些未發生的對決，不能自行補成「對所有左投都一樣」。

五、常見問題

整季打席很多，左右投分項就一定可靠嗎？

仍要看各組各有多少打席。甲、乙總PA完全相同，對左投的PA卻分別只有22與200；整季總量不能代替分項樣本量。

對某投手10打數5安打，就代表下一次有五成機會敲安打嗎？

只能先說這10個打數的歷史打擊率是.500。把它直接當成下一次對決的機率，還缺少能力、時間與對決條件的評估；過去少量交手不足以支持這樣的精確預測。

多加幾年資料，就能解決小樣本嗎？

可以增加紀錄量，但也可能混入不同時期的球員狀態與對手組成。先逐年看是否一致，再決定如何使用合併資料；不要為了讓PA變多，就把不同時期當成同一種情境。

合計和分項排序相反，應該相信哪一個？

兩者都可能算對，只是回答不同問題。想描述實際總成績就看合計；想描述特定條件內的成績就看分項，同時交代樣本與機會分布，不能只挑支持結論的一邊。

六、拿到分項表，先把比較問題寫完整

讀棒球分項成績時，先對齊期間與條件，保留每組PA、AB及原始計數，再確認分組有沒有重疊。合計比率應按正確分母重算；分項漂亮、總表落後，可能只是兩人的機會分布不同。

最後，把「這段期間的紀錄」與「下一次會發生什麼」分開看。數據可以幫助觀賽，但單一分項不能保證比賽結果；保持理性，別因一格亮眼的小樣本追逐輸贏。