# 射门多就踢得更好？读懂xG的三个误区

从一组虚构算例出发，看清射门次数、机会质量与最终比分的区别。

赛后打开数据面板，射门更多的一方输了，评论区吵翻了：是运气差，还是无效进攻？先别急着选边。十脚勉强起脚，与三次门前良机，值得放在同一把尺子上比较吗？xG可以把这个问题问得更具体。

## 误区一：射门数量能直接代表威胁

按StatsBomb的定义，xG即预期进球，用模型估计一次射门转化为进球的概率。距离、角度和触球部位等信息都会影响估值。射门统计只记一次，机会质量却可能相差很大。

看一个虚构算例：甲队有10次射门，每次记为0.05 xG，总计0.50；乙队只有3次，分别记为0.10、0.20、0.50，相加得到0.80。这里假设每次射门发生在不同进攻回合，数字只用来演示加总。乙队出脚更少，却累计了更高的机会质量估值。

看回放时，可以顺着这个差别找原因：甲队是不是常在禁区外仓促起脚？乙队有没有把球送到更舒服的位置？数据提供了线索，画面能让讨论落到具体进攻上。

## 误区二：0.80 xG就是八成概率进球

单次射门的0.20可以理解为模型估计约20%的进球概率；三次射门相加得到的0.80，已经是这组机会的期望进球数，不能直接读成“至少进一球的概率是80%”。上面的加总也没有计算整场胜率。

乙队可能三脚都没进，也可能进了不止一球。Opta在官方解释中提醒，单场xG更高，并不能据此判定一方本应获胜。比赛只承认实际进球，不会把小数四舍五入写进比分牌。

如果前锋连续错过机会，也不能推出下一脚就该轮到他进球。下一次机会是什么样，仍要重新看。

## 误区三：不同平台的xG可以随手拼接

同一次射门，在两个平台上出现不同数值，未必是谁算错。StatsBomb说明，不同模型采用的信息可能不同，有的还纳入门将和防守球员的位置。读数之前，先看来源和统计口径。

比较球队最近的进攻表现，尽量固定数据来源，再看射门分布和录像。别把一次近距离机会的失手，直接写成前锋整个月都不行。交代清楚观察范围，结论才经得起讨论。

下次看到射门次数悬殊，先问三个问题：这些球从哪里射出，机会好不好，数值来自哪里？带着这些问题重看比赛，xG才真正帮得上忙。

---

资料来源

1. [Hudl Statsbomb：What are Expected Goals (xG)?](https://www.hudl.com/blog/expected-goals-xg-explained)

2. [Opta Analyst：What Is Expected Goals (xG)?](https://theanalyst.com/articles/what-is-expected-goals-xg)

足球数据入门。所有队伍与射门数值均为虚构算例，不对应任何真实比赛；定义参考StatsBomb与Opta官方资料。