門將撲救數據怎麼看：xGOT、射門落點與預期失球

xGOT（Expected Goals on Target）是射正後的進球機率估計，會把球朝門內哪裡飛等資訊納入考量。看門將撲救數據時，把他面對的 xGOT 加總，再與同一統計範圍的實際失球比較，比只數撲救次數多一層難度背景；但這個差值仍不能包辦門將的整體評價。

本文查核於 2026 年 10 月 31 日，以 Opta／Stats Perform 的 xGOT 解說為主，另對照 StatsBomb 的射後模型。同樣寫著「預期失球」，可能指對手射門前 xG，也可能指射正後 xGOT 或 PSxG，先確認欄位定義才能比較。

一、xG、xGOT與撲救數，各回答什麼問題？

Opta 的 xGOT 以射正為對象，結合原本的機會品質與射門執行資訊。它不是把 xG 改名，也不是看到球進了就把該球機率補成 1。單次估計用 0～1 表示，多次加總則是預期進球數，不是百分比。

不熟悉射正、中柱與封堵分類時，可以先讀足球 xG、射門數與射正差別。本篇接著處理門將面對的射門難度，不重複整套事件分類。

撲救次數多，可能只是對手射正較多。撲救率雖把成功次數除以所面對的射正次數，仍沒有直接區分「正面來球」與「飛向死角」；Opta 的門將評估解說也提醒，零封與撲救率會受到球隊防守環境影響。

二、同一位置起腳，門內落點為何重要？

想像兩次射門的起腳位置、身體部位、防守壓力與門將初始站位都相同，只改變出腳後球路：A 朝門將附近的中央區域，B 朝較遠的右上角。

下面兩幅是從射手方向看向球門的分區示意，非比例圖；圓點代表球原本預計通過球門線的位置，不代表它已經進網。兩次都從同一個起腳點出手，門將假設站在中央。

圖A：球路朝中央

圖B：球路朝右上角

以下分數全部是虛構教學值，不是 Opta 輸出，也不是某個落點的固定標準。 假設兩球起腳時都為 0.20 xG；A 的射後估計是 0.10 xGOT，B 是 0.70 xGOT。這表示在假設模型中，B 的射正執行讓進球機會提高，A 則降低；不表示 B 必進、A 必救。

Opta 的公開說明支持這種比較方向：相似機會打向門角，與直朝中央踢，可能得到不同的射後估計。不過不能只看落點替真實射門打分數，門將站位、球路及其他模型條件也要一起看。

三、門將預期失球與Goals Prevented怎麼算？

在本文採用的比較方式中，先把門將所面對、納入統計的射正 xGOT 加總，再減去同一批事件的實際失球：

Goals Prevented（相對預期少失的球數）＝面對的 xGOT 總和－對應實際失球。

正值表示比模型預期少失球，負值表示多失球；若平台反過來列「失球減預期」，正負意義就會顛倒。不要只看欄位旁的加減號。

教學例一：預期1.5球，實際失1球

假設門將面對三個射正，xGOT 分別是 0.20、0.50、0.80，合計 1.50。如果這三球只有一球進網，差值就是 1.50－1＝＋0.50；意思是這組事件比模型預期少失 0.5 球，不是場上真的救出「半顆球」。

同一批來球若最後失了 2 球，則是 1.50－2＝－0.50。單場的正負結果不能直接改寫成下一場一定維持的能力。

教學例二：相同撲救率，難度可能不同

以下也是虛構數值，兩人都只統計一般射正，沒有點球與烏龍球等額外事件：

兩人撲救率都是 8÷10＝80%，實際也都失 2 球，但在這個假設模型中，甲面對的射正較難處理。這說明 xGOT 補充的是難度背景，不是撲救率算錯。

實際操作還要對齊出場時段、賽事範圍與事件：模型若排除點球，失球端也不能把點球加回來；烏龍球若沒有對應射後估計，也不能直接混入相減。Opta 的 2021 年示例明列排除點球及烏龍球，不能把那套範圍自動套用到所有平台。

四、Opta的xGOT和其他PSxG能直接相比嗎？

PSxG 是 Post-Shot Expected Goals，也就是射後預期進球這一類模型的名稱；它不代表各家公司使用同一套公式。 比較前至少要知道供應商、版本與指標用途。

Opta：不能只沿用早期的落點解說

Stats Perform 目前公開的增強版說明明列門將與射門軌跡的距離，以及起腳時門將相對射手和球門的位置；也加入折射、踢疵與弧線等執行資訊。文中另說明男足、女足採分開模型，點球也有專門模型。

因此，不宜把早期「原始 xG 加門內落點」的簡介當成完整且永久不變的輸入清單。這份頁面未顯示可核對的發布日期，本文以查核日標記，不自行替它命名成某年度版本，也不假設所有轉播平台都已更新。

StatsBomb：歷史版與升級版要分開讀

StatsBomb 的 2018 年 PSxG 說明寫明排除門將位置，目的是避免把良好站位造成的較低射後威脅，從門將功勞中扣掉。

但其 2022 年模型升級說明已介紹以含／不含門將位置的模型比較站位影響，並區分射手角度的 shot execution、門將角度的 save difficulty，也納入球速。不能拿 2018 年一句話，概括後續所有 StatsBomb 射後欄位。

這也影響如何解讀「門將功勞」：模型若已把實際站位納入基準，失球差值就不能直接視為完整的站位加撲救總貢獻。較穩妥的閱讀方式，是先讀該欄位說明，再搭配影片看站位與出手；不同供應商的差值不要拼成同一份排名。

五、常見問題

xGOT高卻沒進，是模型錯了嗎？

一次沒進不足以判定模型錯誤。機率估計容許不同結果；即使教學例中的 0.70 最後被救出，也不矛盾。模型品質需要更多事件與校準檢查，不能用一球驗證。

射偏也有xGOT嗎？

Opta 的 xGOT 針對射正，公開解說將射偏與一般封堵的射後值視為 0；有的平台可能不顯示該欄。這不代表該次射門前的 xG 也歸零，兩者觀察的階段不同。

Goals Prevented等於門將整體實力嗎？

不能等同。它比較所涵蓋射門的模型預期與實際失球，沒有完整評估出球、傳中處理或在射門發生前破壞進攻等工作。也要留意樣本數，少數比賽的差值不足以給門將定論。

男足與女足可以直接比相同xGOT數值嗎？

相同數值仍表示各自模型的進球機率估計，但不代表對應相同球路或相同能力標準。Opta 的增強版使用分開訓練的男足與女足模型；跨比賽環境做排名時，還需要確認基準與比較目的。

六、看門將數據時，先核對這四件事

先確認「預期失球」是射門前還是射正後的指標，再確認供應商與版本；算差值時，把射後估計與失球事件對齊，最後回看片段，看數字沒有說出的站位與球路。撲救數看工作量，xGOT補充難度，實際失球看結果，三者一起讀才有意義。

數據適合幫你提出觀賽問題，不能保證比賽結果。涉及付費娛樂時，事先設定時間與預算，不因一場門將表現追加投入。