基于总垒打残差的球场效应与团队防守联合估计

《Journal of Sports Analytics》：Simultaneous estimation of ballpark effects and team defense using total bases residuals

　　

摘要

球场效应估计与棒球防守指标通常是独立构建的，尽管两者都受到相同的击球结果影响。若不对这些因素进行联合控制，二者都可能吸收本应归属于对方的变异。研究团队提出了一个基于总垒打残差（Total Bases Residuals, TBR）的框架，该残差定义为每次击球结果相对于以出口速度（exit velocity, EV）和发射角（launch angle, LA）为条件的期望基线的偏离。通过加权最小二乘回归（weighted least-squares regression），在模型中引入球场和防守球队指标，利用2015至2024年的Statcast数据同时估计这两类效应。当研究团队的球场估计与MLB官方球场因子存在差异时，主客场模式对球队及其对手均与本研究估计更为一致，这表明官方指标可能部分反映了防守效应或人员组成效应。在团队防守方面，研究团队的估计与高出局数（Outs Above Average, OAA）的吻合程度高于防守跑垒高于平均（Defensive Runs Above Average, Def）。联盟范围的截距从2015年至2022年呈下降趋势，与数据驱动的防守站位调整及棒球构造变化一致，并在2023年内场偏移限制规则实施后出现反转。研究团队还引入了基于100分的标准化指数及95%置信区间；对于单赛季球场效应，平均半宽约为20个指数点，表明抽样变异性可能解释了部分逐年不稳定性。

基于总垒打残差的球场效应与团队防守联合估计：论文解读

一、研究背景与问题

在棒球数据分析领域，球场效应估计与防守表现评估长期以来是两个相对独立的研究方向。然而，这两类效应本质上作用于同一组击球结果（batted-ball outcomes），因此在实际观测数据中相互混杂。一个球场可能因对手投球实力较弱或防守较差而被误判为对打者有利，而一支球队的防守表现也可能因其主场环境而得到偏高的评价。这种内生性的混杂导致传统的球场因子和防守指标都可能存在系统性偏差。

现有方法的局限性主要体现在以下几个方面。早期的主客场简单比较法（home–road comparisons）依赖较强假设，当假设不成立时估计结果可能严重失真。后续发展的回归模型虽然能够同时估计球队实力与球场效应，但仍可能反映球队特有特征或球员组成的影响。更重要的是，防守指标如终极区域评分（Ultimate Zone Rating, UZR）、防守跑垒 saved（Defensive Runs Saved, DRS）、高出局数（Outs Above Average, OAA）和防守跑垒高于平均（Defensive Runs Above Average, Def）在构建时通常独立于球场效应估计，尽管二者作用于同一批击球事件。因此，迫切需要一种能够在统一框架下分离这两类效应的统计方法。

二、研究设计与主要方法

该论文发表于《Journal of Sports Analytics》，研究团队利用2015至2024年的Statcast跟踪数据，构建了基于总垒打残差（Total Bases Residuals, TBR）的联合估计框架。具体方法如下：

研究团队将每次击球的结果定义为总垒打数（Total Bases, TB），而非出局概率。通过将出口速度（EV）划分为3英里/小时的区间（0至120英里/小时），发射角（LA）划分为3度的区间（-90至90度），在EV–LA二维空间中构建精细网格。每个网格单元内的期望总垒打数定义为所有落在该单元内的击球结果的平均值，跨多个赛季汇总得到经验基线。单个击球的总垒打残差即为观测总垒打数与对应期望值之差。

在获得残差后，研究团队构建了包含球场效应和防守球队效应的加性回归模型。由于每个赛季观测值数量级约为10^5，但设计矩阵的协变量仅取决于（球场，防守球队）组合，因此将相同设计行的观测值聚合为球场所属的单元级均值，并以单元内击球次数为权重进行加权最小二乘估计。该聚合策略不改变系数估计值，同时大幅降低了计算复杂度。模型以亚特兰大勇士队及其主场为参考类别，估计后通过中心化将效应转换为相对于联盟平均值的表达。为便于解释，研究团队还引入基于z分数的100分制标准化转换，得到TBR-PF*（TBR球场指数）和DBS*（标准化防守垒打 saved）。

三、研究结果

1. 估计的球场效应

基于2015至2024年的分赛季估计，十年算术平均结果显示，库尔斯球场（Coors Field, COL）是对总垒打最有利的球场，而布希球场（Busch Stadium, STL）最不利。估计效应与传统认知一致：打者友好的球场（如COL、辛辛那提的Great American Ball Park）效应值较高，投手友好的球场（如旧金山的Oracle Park、西雅图的T-Mobile Park）效应值较低。

在时间稳定性方面，TBR球场估计的十年标准差平均为12.51，略低于MLB官方球场因子的13.08。不确定性分析表明，300个球场赛季估计的95%置信区间平均半宽为19.97个指数点（标准差2.94），这意味着单赛季球场效应的估计精度有限，部分年份间波动可能反映抽样变异而非真实环境变化。

案例研究进一步揭示了TBR估计与官方指标的差异。在底特律Comerica Park（2017），对手球队在该球场的平均TBR为0.003，客场为0.064，表明该球场压制进攻；官方MLB球场因子为128（偏高），而TBR-PF*仅为70（偏低），后者更符合主客场模式。休斯顿Minute Maid Park（2015）则呈现相反模式：休斯顿主场TBR为0.116，客场仅0.002，对手也呈类似方向；TBR-PF*为154，官方仅为92，TBR估计更好地捕捉了打者友好环境。明尼苏达Target Field（2021）同样如此，官方指标偏高但TBR-Based估计与双城队及其对手在主客场的低进攻产出更为一致。

2. 团队防守效应估计

防守效应的标准化指数DBS*与OAA*的相关系数均值（0.5327）高于与Def*的相关系数均值（0.4409），表明TBR框架下的防守估计在概念上更接近OAA。在大偏差案例分析中，奥克兰运动家队（2017）的结果混合，主场更支持本研究估计；而亚利桑那响尾蛇队（2024）的TBR模式表面上优于本研究估计，但考虑2024年联盟平均TBR为-0.0364后，该队的防守仍可视为低于平均。整体而言，DBS*在大多数大偏差案例中与击球结果的一致性优于OAA*。

3. 联盟基线的时间变化

联盟范围截距呈现明显的下降趋势。2015至2019年截距为正，而2022年降至-0.0331。这一趋势与2017至2019年“juiced ball”（高弹性球）时代降低空气阻力增加击球飞行距离的现象一致，也与后续MLB调整用球构造、在各球场引入恒湿器（humidors）等降低球弹性的措施相符。2023年截距的上升与MLB限制极端内场偏移（infield shift）规则的实施时间吻合。趋势同时反映了数据驱动防守站位增加对进攻的抑制作用以及棒球物理特性的变化。

四、讨论与结论

研究团队提出的TBR框架实现了球场效应与团队防守在统一回归模型中的联合估计。对于球场效应，TBR估计在官方指标不一致时更能符合主客场观测模式；对于团队防守，估计与OAA的一致性高于Def，但相关强度仍属中等水平。联盟截距的时间趋势为理解近年进攻环境变化提供了新视角。

研究团队还提出了一种通用的标准化方法（z分数转100分制），可适用于不同量纲的指标，便于跨团队、跨球场、跨赛季的相对位置比较。回归框架同时提供了显式的不确定度量：TBR-PF*的95%置信区间平均半宽为19.97个指数点，DBS*为30.84个指数点，这表明单赛季估计的部分波动可由抽样变异解释。

该模型的局限性包括：未纳入击球方向信息，可能难以捕捉非对称球场效应；总垒打数作为进攻产出的代理指标，不与得分价值成严格比例；加性结构假设可能无法完全捕捉球场与防守间潜在的交互作用。未来研究可沿这些方向拓展框架，如引入击球方向协变量、采用跑垒分值加权或允许交互效应。