位置：极速体育 > 篮球资讯 > nba高阶数据1973 nba高阶数据科普

nba高阶数据1973 nba高阶数据科普

2020-08-12 13:50:40 来源：互联网

nba高阶数据1973 nba高阶数据科普

nba高阶数据科普（转自虎扑）

PER

PER是由现孟菲斯灰熊队副总裁、前ESPN的专栏作家John Hollinger发明的，根据当赛季所有球员表现，来综合评定某一位球员赛季表现的进阶数据。根据Hollinger的设定，每年NBA所有球员的平均PER为15。

针对PER这项数据，人们经常会提出一些批评:

Hollinger自己也曾承认，该项数据对那些偏重防守的球员(例如布鲁斯-鲍文、本-华莱士等等)并不友好，这类球员在防守端的贡献并不能很好地从PER值中体现出来。[1]

另一个针对PER值经常会犯的错误是"跨赛季比较"。如前所述，NBA每个赛季球员的平均PER均为15，考虑到每个赛季所有球员平均水平的不同，因此PER值并不适合跨赛季比较。

此外，PER值经常会翻译成"效率值"，但"效率值"并不一定是"PER"。举例来说，NBA官网就有一项数据为"efficiency"，中文翻译同样是"效率值"，但计算的理念和公式则与PER值完全不同。[2]

WS(Win Share)一般翻译为"胜利贡献值"，最初是由Bill James为统计一名棒球运动员每年为球队贡献了多少场胜利而发明的概念。在Bill James的棒球体系中，每一场胜利等于3个Win Share;在篮球里，每一场胜利约为1个Win Share。另一个区别是，Bill James的棒球体系下不允许负的Win Share;而在篮球中，则允许负数，即"这名球员的表现实在是太糟糕了，对产生了负面的影响，拿走了他队友所产生的Win Share"。

通常来说，如果一支球队赢下了某场比赛，那么该队所有球员的Win Share之和就等于1。

另外需要注意，Win Share是累加的数字，即球员A在第一场比赛得到了0.4的Win Share，第二场比赛得到了0.12的Win Share，则该球员这个赛季的Win Share值为0.4+0.12=0.52。

在1977-78赛季后(之前NBA还没有开始统计球员的个人失误)，Win Share的计算公式:Win Share = Offensive Win Share + Defensive Win Share。

OWS

OWS(Offensive Win Share)通常翻译为进攻胜利贡献值，该数值是用来衡量球员进攻端的表现。具体的公式非常复杂，如有兴趣可以参见Dean Oliver撰写的图书《Basketball on Paper》。

DWS

DWS(Defensive Win Share)通常翻译为防守胜利贡献值，该数值是用来衡量球员在防守端的表现。具体的公式非常复杂，如有兴趣可以参见Dean Oliver撰写的图书《Basketball on Paper》。

进攻效率

ORtg(Offensive Rating)通常翻译为进攻效率值(自1977-78赛季后引入NBA)，用于球员的话。该数值用来衡量该球员在场时球队每100回合得分，用于球队的话，该数值用来衡量球队每百回合得分。

举一个例子，节奏较慢的球队A每场比赛可以获得40次进攻机会，从中得到了80分;另一支节奏较快的球队B每场比赛可以获得70次的进攻机会，但从中只得到了90分。如果从"得分"来看，球队B的进攻能力要强于球队A，但事实上，球队B的进攻机会比球队A多了75%，得分却只多了12.5%，实在很难认为球队B的进攻能力要强于球队A。

防守效率

DRtg(Defensive Rating)通常翻译为防守效率值(自1973-74赛季后引入NBA)，无论是用于球员还是球队，该数值都是指每百回合被对手攻下的分数。

在场防守效率

ON DefRtg就是指球员在场上时对手在每百回合中能攻下的分数。

不在场防守效率

OFF DefRtg就是指球员不在场上时对手在每百回合中能攻下的分数。

尾声及感想：由于之前做历史排名，有不少朋友提出要考虑高阶数据，所以特地又去查了一下高阶数据的含义及解释。为什么用了一个又字呢？因为之前其实已经查过很多次了，但是高阶数据这个东西真的很专业的东西，查了很多次，其实也没弄明白每个数据的详细解释及各个数据的区分。

上面这篇科普文里，也多次提到了“具体的公式非常复杂”，，，，，可见每个数据的计算专业性之强。回复里也有人提出“媒体都不承认这种，没炒作噱头，太专业了不好普及。媒体更喜欢冠军次数、MVP、得分王这种一眼可见的东西。 ”

再次，也对之前不考虑把高阶数据计算在内的几个原因再次解释一下。

1、高阶数据也是研究NBA的人或者说团队设计发明出来的产物，他的合理性是否适用与整个NBA历史还有待商榷（实际上我个人认为不管什么模型和评分方式。想要适用整个NBA历史的球员几乎是不可能的）。

2、我对高阶数据不是非常了解的原因，我不知道每个高阶数据应该如何取值，才能做到尽可能的公平，因为及时是拿现成的这些荣誉和数据取值赋分，分值稍微改变，就会造成排名的变化了。

3、考虑高阶，工作量实在太大，我个人没有这个精力和毅力去统计。