足球數據怎麼看:xG 預期進球、射門數與射正差在哪

目錄
足球 xG(Expected Goals,預期進球)是模型對射門進球機會的估計;射門數回答「射了幾次」,射正數回答「有幾次射門符合射正定義」。三者分別看機會品質、出手數量與射門結果,不能互相替代,也不能把全隊 xG 直接當成比分或勝率。
以下的射門與射正採用 Opta/Stats Perform 公開事件定義,xG 則參考 Opta Analyst 的模型解說與英超官方入門說明,查核日期為 2026 年 10 月 17 日。這些是數據商的統計口徑,閱讀其他平台時,仍要核對它標示的來源與欄位。
一、足球 xG、射門、射正各在看什麼?
先把轉播畫面的三個欄位分開讀:
| 數據 | 常見英文 | 回答的問題 |
|---|---|---|
| 射門數 | Shots | 一共嘗試射門幾次? |
| 射正數 | Shots on target | 幾次射門符合射正定義? |
| 預期進球 | xG | 這些射門機會的品質如何? |
射門是一次試圖得分的出手;射正是其中的一種結果分類。xG 則依射門當下的條件估計機會,所以「射偏」不代表該次 xG 就是 0,「進球」也不代表該次 xG 會改成 1。
可以把它想成三個不同的提問:有沒有出手、出手後發生什麼事、出手時的機會多好。看數據時先辨認欄位,才不會把「射門多」直接讀成「每一球都很有威脅」。
二、射正是什麼意思?中柱與封堵怎麼記?
依 Opta 公開事件定義,有效射門進球、被門將救出的射正,以及最後一道防守球員擋下原本會入網的射門,都可列為射正。常見情況可以這樣對照:
| 射門結果 | 射正? | 判讀重點 |
|---|---|---|
| 射門得分 | 是 | 有效的射門進球 |
| 門將撲出 | 是 | 該球原本朝門內而去 |
| 直接中柱彈出 | 否 | 未隨後入網,列射偏 |
| 高出或偏出 | 否 | 射門未命中目標 |
| 一般防守封堵 | 否 | 封堵者後方仍有防守者或門將 |
| 最後防線救球 | 是 | 擋下原本會入網的球 |
封堵不等於射偏。 Opta 將一般封堵另列一類,因此不能只看射正與射偏兩欄,就認定已涵蓋全部射門。
教學示例:假設某隊有 10 次射門,其中 1 球進、2 球被門將救出、4 球偏出、3 球遭一般封堵,且沒有其他特殊情況。依這組分類,射正是 1+2=3 次,射門總數則是 3+4+3=10 次;不能把剩下的 7 次全部叫射偏。
這組數字只示範分類加總,沒有使用真實球隊或賽事。若你還不熟悉進球、球門球與角球的比賽背景,可以接著讀足球規則懶人包。
三、xG 預期進球怎麼算?先看單次,再做加總
英超官方將單次射門 xG 說明為 0 到 1 之間的進球機率估計。例如模型給某次射門 0.20 xG,意思是在模型認定的相似機會中,平均進球機會約為 20%;不是這位球員接下來踢 5 次就一定進 1 球。
Opta Analyst 的 2023 年模型解說列出射門距離、角度、身體部位、門將位置、防守壓力與前一個傳球等因素。模型把這些條件轉成數值,並非由觀眾看到「禁區內」就能自行套固定分數。
教學示例:三次射門如何累積成全隊 xG?
以下 xG 全部是為了算術練習假設的數值,不是 Opta 實際模型輸出,也不代表任何固定位置的標準分數。
| 出手 | 假設 xG | 假設結果 |
|---|---|---|
| 第一次 | 0.05 | 射偏 |
| 第二次 | 0.20 | 被門將救出 |
| 第三次 | 0.35 | 進球 |
這三次射門合計 0.05+0.20+0.35=0.60 xG;實際紀錄則是 3 次射門、2 次射正、1 顆進球。三個欄位可以同時成立,0.60 不必四捨五入成比分。
全隊 xG 是把所涵蓋射門的估計值加起來,因此單次最高到 1,不代表全隊總和也只能到 1。這個總和表達的是機會累積,不是某個單一事件發生的百分比。
四、射門多、射正多,為什麼 xG 不一定比較高?
下面再用一組虛構教學數值比較數量與品質。為了方便計算,假設各隊自己的每次射門 xG 都相同;真實比賽不會如此整齊。
| 隊伍 | 射門數 | 假設算法 | xG 合計 |
|---|---|---|---|
| A 隊 | 10 | 每次 0.05 | 0.50 |
| B 隊 | 3 | 每次 0.30 | 0.90 |
A 隊出手較多,B 隊的假設 xG 卻較高。這個例子只說明「次數」與「每次機會的估值」是兩件事;不能反推真實比賽中所有遠射、頭球或單刀都該配哪個分數。
實際閱讀一場球的數據,可以依序確認:
- 來源與範圍:雙方是否採同一家數據商、同一段比賽時間?
- 數量與結果:射門、射正、封堵各有多少,是否混淆欄位?
- 機會品質:總 xG 如何分布,是否集中在少數出手?
- 回看畫面:哪些進攻有完成射門,哪些在出手前就被破壞?
Opta Analyst 特別提醒,單場 xG 較高不代表就「應該獲勝」。例如看到 1.80 對 0.70,只能先讀成雙方已完成射門的機會估值不同;不能把它改寫成 2:1,也不能把 1.80 解讀成 180% 勝率。
五、常見問題
xG 會不會因為射門沒進就變成 0?
不會。xG 評估射門當下的條件,是否進球是另一項結果;第三節的教學示例中,沒進的出手仍保有假設 xG。看數據時要把機會估計與實際進球分開。
打中門柱算射正嗎?
依本文採用的 Opta 定義,直接打中門框、沒有隨後進網的射門列為射偏。若過程還有門將或其他球員觸球,就要看完整事件,不能只憑「有中柱」三個字判定。
xG 高就表示下一場比較容易贏嗎?
不能只靠這個數字下結論。本文解釋的是已發生射門的機會品質;Opta 也明確區分機會品質與單場勝負。從一場的 xG 跳到下一場勝率,還缺少其他資訊與模型。
沒有完成射門的漂亮進攻,也算 xG 嗎?
一般射門型 xG 的對象是已完成的射門。一次傳球即使很有威脅,若隊友沒有完成出手,也不能自行替它填上射門 xG;其他進攻指標需要另看各自定義。
六、重點整理:把數量、品質與比分分開看
讀足球數據時,先用射門數看出手量,再依數據商口徑辨認射正與封堵,最後用 xG 補充機會品質。三者一起看,比只挑一個最高的數字更能提出清楚的觀賽問題,但勝負仍看實際進球。
先確認資料來源與統計範圍,再回看球場上發生的動作;涉及付費娛樂時,預先設定預算與時間上限,不因一場數據改變原訂安排。
引用資料 References
- Stats Perform:Opta Event Definitions — 採用公開事件定義,核對射正、射偏、一般封堵與最後防線救球的分類;查核於 2026 年 10 月 17 日。
- Premier League:How to use Expected Goals data in Fantasy — 2023 年 9 月 22 日說明,用於單次 xG 的 0~1 尺度與進球機率含義。
- Opta Analyst:What Is Expected Goals (xG)? — 2023 年 8 月 8 日模型解說,用於射門條件、機會品質與單場勝負的區別;本文不套用其歷史賽事數值。
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。


