过去15年间，NFL比赛分析不断发展，球迷几乎得借助术语表才能看懂相关讨论。
我本人也推出过不少分析工具，包括做饭指数、背叛指数，以及其他利用高阶数据解读比赛的工具。
下面这句略显拗口的话，可以说明NFL分析的发展方向：进攻组可以在平均传球时间短、传球纵深一般，且没有大码数进攻的情况下，只要正分数率足够高，依旧能打出高于平均值的EPA。
这段话看起来理解起来门槛很高，确实有点复杂，但描述的情况并没有夸大多少。
预期得分增加值（EPA）已经走入大众视野，如果读懂这个指标，会很有帮助。我尽量不使用那些会令人更加困惑、难以带来有效信息的其他数据指标。
这份入门指南，可以作为参考资料，方便我们在研究数据指标、理解比赛时查阅。
预期得分增加值Expected points added（EPA）
释义：一档攻防打完后，球队得分预期发生的变化值
数据统计表会认为，推进5码比推进1码更有价值。
而EPA则认为，这条规律只在大约80%的场景下成立。
因为四档1码局面下推进1码，价值高于三档10码局面下推进5码。
EPA会把这类关键赛场背景纳入计算。
那么这个指标如何计算？
EPA依托历史某一档攻防数据，为每一种比赛律局面给出得分预期（预期得分EP）。举个例子：在对方1码的首档达阵局面，进攻组在这一档开打前就已经拥有很高得分预期，半场剩余时间不同，预期得分一般在+5.1至+6.5分之间。
一档攻防前后的预期得分差值就是EPA，数值可正可负。上面这个例子里，就算完成达阵，新增EPA也不会很高，因为你在1码冲球之前，绝大部分得分价值已经存在了。
当进攻组眼看就要得分，却被对手抄截回攻达阵，现场所有人都明白，这次攻守反转相当于里外里两次达阵的机会。EPA同样可以体现这种巨大影响。
举个实例：上赛季第18周，布朗防守组抄截猛虎四分卫乔-伯罗，完成97码回攻达阵。这一档带来12.1分的EPA波动。这个数值包含两部分：开打前猛虎在7码线首档达阵的预期分值（+5.7），加上线卫德文-布什97码回攻带来+6.4的EPA。
不同平台会用不同模型计算EPA，但核心逻辑是一致的。我使用的TruMedia的EPA模型，设计规则是：一场比赛里全部EPA之和等于比赛实际总得分。
EPA有哪些优势？
最重要的一点：兼顾比赛具体背景。EPA可以考量每一档的比赛局势，单纯码数统计做不到这点。
下表对比了酋长在赛季首周31比10击败野马比赛里，两次推进8码的攻防。马霍姆斯在三档8码时完成8码逃跑，拿到+1.8的EPA，价值是肯尼斯-沃克在二档10码那次8码冲球的6倍。马霍姆斯的这档冲跑在很低转换率局面下完成首攻，保住了这波进攻持续下去。
另一大优势：EPA可以衡量各类攻防的价值。进攻EPA可以拆分为传球EPA与冲球EPA，此外还有擒杀EPA、四分卫逃跑EPA、任意球EPA，甚至犯规相关的EPA。
那么EPA有哪些局限？
EPA基于某一档攻防的结果，而非过程，无法区分这档攻防是谁的功劳、谁该背锅。四分卫可能因为队友失误完成负分数EPA，比如外接手跑错路线造成抄截，或是接球后掉球失误。同理，实力强劲的队友、精妙的战术体系也会抬高四分卫的EPA；这个数据指标无法判断外接手是完全空位，还是在60码达阵传球中摆脱五次擒抱。
EPA无法区分对手强弱。而针对对手实力做修正会引入复杂计算。大样本下这类偏差会互相抵消，不要过度解读某一档或者某场比赛的EPA数据。
大约70%的启球线攻防，EPA波动都不超过正负1分。所以一档极端的表现，就足以毁掉一支球队一场比赛的EPA数据，这时候正分数率指标就派上用场。
正分数率Success rate
释义：获得正分数EPA的攻防档数占总档数的百分比
正分数率=正分数EPA的档数÷总档数。该数据指标可以削弱极端某一档表现带来的影响。
赛季首周猛虎33比27击败海盗的比赛，就很适合用正分数率来分析，因为球权转换极大左右了比赛结果。
猛虎防守组的正分数率为48%，在第1周32支球队防守组里只排第21。但依靠四次价值合计+21.2EPA的球权转换，猛虎的防守EPA+7.8排名单周联盟第10。
猛虎防守组就像一名拳手：刺拳与组合拳发挥平平，但依靠几记重拳直接KO拿下胜利。
大码数进攻率Explosive-play rate
释义：启球线攻防中，冲球推进≥12码、传球推进≥16码的档数占比
正分数率体现攻防创造正向价值的频次。
EPA体现价值本身。
大码数进攻率则展示这个价值是以何种方式创造。
上世纪80年代的研究发现：一波进攻中如果出现一次12+码冲球或是16+码接球，这波进攻的得分概率会大幅上升。这套判定阈值沿用至今。
马霍姆斯时代的酋长球迷都能感受到：随着对手防守不断调整、酋长进攻火力衰减，曾经大开大合的酋长进攻组变得更加保守沉稳，大码数进攻率刚好可以量化这一变化。
2018年是马霍姆斯出任酋长首发四分卫的第一年，当年酋长大码数进攻率15.7%，位列过去十个完整赛季所有球队中的第三高。到2024年，该数值暴跌至8.4%，在同期320支球队里排304名。上赛季为9.5%，排第270位。
注：我优化了这项统计指标，分母会剔除因场地位置限制、不可能打出12+码冲球或16+码传球的攻防档。
每档传球EPA，EPA per pass play
释义：EPA除以传球档数
“每档传球EPA”比常用的“每档后撤步EPA”更精准。后撤步传球只是传球进攻方式之一，还有快速传球、假跑真传等形式，并非所有传球档都会出现四分卫后撤步。
四分卫被擒杀率QB sack rate
释义：擒杀次数除以总传球档数
球迷与媒体过去习惯将四分卫被擒杀归咎于进攻前线，但四分卫自身也是关键因素。部分四分卫职业生涯擒杀率偏高，另一些则偏低。
2002至2006赛季德州人四分卫的被擒杀率10.6%遥遥领先联盟，到2007年该数值骤降到4.0%。原因何在？球队把四分卫从大卫-卡尔换成马特-绍布，后者生涯被擒杀率仅5.1%。
注：我调整了这项指标，分母包含全部传球档，其中包括四分卫逃跑的档数，这和NFL官方统计口径不一样。
背叛指数Betrayal Index
释义：四分卫身边防守组和特勤组对他的支持程度，或是拖累程度
2014年至2016年的圣徒催生了背叛指数。那几年球队连续战绩失利，但他们的四分卫德鲁-布里斯却是联盟最高产的球员之一。
换句话讲：布里斯无法掌控的防守组与特勤组拖累了他，而且差距巨大。那几支圣徒场均防守+特勤EPA为-8.5，联盟大幅度垫底；比倒数第二的熊队（场均-4.1）差一倍多。
背叛指数计算方式：先根据四分卫冲球+传球带来的场均EPA对四分卫排序；再按照该球队防守+特勤组合计EPA排序。两组排名之间的差值即为背叛指数。
上赛季某一阶段，达克-普雷斯科特在33名四分卫中场均EPA排第2，但他球队的防守+特勤组排第33位（垫底）。所以排名差值-31，让普雷斯科特成为当时联盟最被队友拖累的四分卫。美洲虎的特雷弗-劳伦斯则是另一极端，排名靠前的防守+特勤组撑起了他低于平均水平的个人产量。
做饭指数Cook Index
释义：一场比赛前28分钟、剩余时间与分差尚未大幅影响进攻战术选择的中性局面下，球队在前两档选择打传球的频率
球队在中性局面下越频繁选择传球，代表球队越放手让四分卫主导进攻。
拉塞尔-威尔逊效力海鹰的最后几个赛季，“放手让拉斯大展拳脚Let Russ Cook”的呼声催生做饭指数。当时不少球迷认为时任主帅皮特-卡罗尔选择打冲球过多，限制威尔逊发挥。
2020年以来，做饭指数排名前五的球队，首发四分卫分别是马霍姆斯、伯罗、约什-阿伦、贾斯汀-赫伯特，以及汤姆-布雷迪/贝克-梅菲尔德。同期做饭指数垫底的球队：泰坦、黑豹、圣徒、熊队、喷气机，球队对四分卫传球能力的信心不足。
做饭指数有时会带来出人意料的结果。上赛季红雀在这类中性局面传球使用率62%，高居联盟榜首；喷气机则处于另一极端，39%联盟垫底。
传球纵深Air yards
释义：传球越过启球线之后，到外接手、防守球员接到球或者球落地为止的飞行距离
做饭指数体现球队在中性局面下的传球频次，而空中码数与平均传球时间，则描述这些传球档的特点。
四分卫是选择深远长传球，还是更多短距离、难度更低的传球？
上赛季MVP马修-斯塔福德平均每档传球尝试的纵深为9.0码，领跑NFL，大幅高于33名达标四分卫7.6码的平均值。
贾里德-高夫6.2、布莱斯-杨6.2、阿隆-罗杰斯5.9是上赛季的倒数前三。罗杰斯传球纵深是2013年（统计可靠数据的第一年）以来432个达标赛季里的第七低。
平均传球时间Average time to throw
释义：从开球，到四分卫完成传球、被擒杀，或是持球冲跑越过启球线的平均时长，单位秒
上赛季达标的四分卫平均出球（或被擒杀）时长2.76秒。
极值数据可以看出明显特点。
最高值是凯勒布-威廉姆斯，联盟最高的3.09秒。年轻且运动能力出色，他会持球等待外接手跑出空位，伺机选择逃跑。
另一端是阿隆-罗杰斯，平均2.52秒。年龄增长、移动能力下降，他优先快速出手，避开已经难以摆脱的冲传手。
多数平均传球球时间更长的四分卫，被擒杀次数更多。部分四分卫脱离设定节奏，会让教练头疼。但如果传球过快，外接手也没有足够时间完成深远路线跑动。
档数加权平均年龄Snap-weighted average age
释义：每名球员年龄乘以其上场档数，全部相加，再除以样本内总上场档数
该指标不是简单计算全队或者首发的平均年龄，而是考虑哪些球员登场、登场多少档。
我一般会分别计算每支球队进攻组与防守组的加权年龄。在评判球队年龄偏大与否时，通常剔除四分卫与特勤专职球员，因为年龄对这些位置的影响，和其他位置并不一样。
结语
这份术语表会按需更新。这份初版指南，刚好可以解读开篇那句拗口的描述。
没错：进攻组可以在平均传球时间短、传球纵深一般，且没有大码数进攻的情况下，只要正分数率足够高，依旧能打出高于平均值的EPA。
（本文供稿人：A版）
本文标签：