第三部分 · 防守与对抗
守备与失误:为什么「失误」是个坏指标
上一课,投手和捕手在球离手之前就把对决设计好了。可设计得再好,球还是会被打出去——于是我们回到那个被搁置的老问题:一个野手的防守,到底好不好,怎么衡量?棒球记分表上有一栏叫「失误 (E)」,用了一百多年,几乎所有人都拿它当防守的成绩单。但它藏着一个荒谬到一旦看破就再也无法忽视的缺陷:它只惩罚那些你碰到了、却没处理好的球;一个慢到根本跑不到球的野手,让球从身边干干净净地穿过去,记的不是失误,而是对方的「安打」。换句话说——失误只惩罚你的手套,从不奖励你的双脚。这个百年老指标的荒谬,正是数据革命要修的第一个 bug。
一、先看清「失误」到底在判什么
翻开任何一张棒球记分表,防守那一栏最显眼的数字就是失误 (E, error)。它的官方定义大意是:当一名记分员认为,一名普通水平的野手在通常的努力下本应让打者或跑者出局,却因为自己的守备动作失败(漏接、传球失误、踢球等)而没能完成时,记一次失误。
请把注意力放在这句话的一个隐藏前提上——它整段话能成立,都建立在野手已经够到、或本可轻易够到那个球之上。漏接,得先接到球边上;传歪,得先把球拿到手里;踢球 (boot),得先让球滚到脚下。失误这个动作,必须以「人和球发生了接触(或近在咫尺)」为前提。
这听上去天经地义,可它带来一个致命的、几乎所有人都没细想的后果:那些野手根本没碰到的球,从定义上就被排除在「失误」之外了。球从一个站得太远、跑得太慢的野手身边一米处干净地滚过去——他没碰到球,没有任何「失败的守备动作」,于是记分员手里那支笔,无论如何也落不到「失误」那一栏上。这颗球被记成什么?记成打者的一支安打。
二、一个反例,就能让这个指标崩塌
现在我们用一个干净的思想实验,把这个缺陷逼到台面上。设想两名游击手,面对完全相同的一批打向二游之间的球:
现在问一个要命的问题:只看记分表上的「失误」一栏,你会以为谁的防守更好?
答案显然是 A——他「零失误」,B「8 次失误」。可这恰恰是完全相反的真相。B 把大量本会变成安打的球变成了出局,A 则把大量球白白放进了外野。如果我们换一把尺子,去数谁实际制造了更多出局,结果会彻底翻转:
| 同一批球(示意) | 野手 A(范围小) | 野手 B(范围大) |
|---|---|---|
| 够得到 / 处理的球 | 少(只接简单球) | 多(连难球也扑) |
| 失误 (E) | 0 次 | 8 次 |
| 变成出局的球 | 约 60 个 | 约 85 个 |
| 被放进外野的安打 | 多(够不到就目送) | 少 |
| 记分表「看起来」 | 防守极好 ✓ | 防守毛躁 ✗ |
| 真实防守贡献 | 差 | 好得多 |
这张表里藏着「失误」这个指标的全部荒谬:它只记录了 B 那 8 次「碰到却没接好」,却对 A 那一大批「根本没去碰」完全失明。失误惩罚了 B 努力扑救留下的痕迹,却奖励了 A 站着不动的安全。一个跑不到球的野手永远不会被记失误——于是「零失误」常常不是防守好的勋章,而是范围差的伪装。
三、修这个 bug:从「失误」转向「范围」
看破了缺陷,修法就几乎是被逼出来的。既然防守的本质是把多少落地的球变成出局,那衡量它就不该问「你碰到的球失误了几次」,而该问一个完全不同的问题:
这一步转换的精髓,和第 07 课如出一辙:把防守看成一张击球落点的概率覆盖图。一名野手的价值,等于他能覆盖的面积、以及他在这片面积里把球变成出局的能力——双脚(够到多少球)和手套(够到之后接好多少)一起算,而不再只算手套那一半。范围把「失误」漏掉的那整片东西——「根本没去碰的球」——第一次纳入了账本。野手 A 那些目送出去的安打,在范围这把尺子下,全都会变成实打实的扣分。
怎么知道「联盟平均水平的野手能接到几个」?靠数据。把全联盟成千上万个击球,按它们的落点、初速、滞空时间分门别类,统计出「这一类球,平均有百分之多少被守备方接杀」。然后看你这名野手:在他负责的这些球里,他接杀的个数比那个平均期望多还是少。多出来的每一个出局都是正分,漏掉的每一个都是负分。这正是第 05 课「期望值」思想在防守端的又一次现身——给每一个落地的球,按它「本该被接杀的概率」定价,再看野手实际兑现了多少。
四、现代的范围型指标:UZR、DRS,以及 Statcast 的 OAA
这套「用范围而非失误衡量防守」的思路,落地成了几个真实在用的现代指标。你不需要记住它们的计算细节,只要记住它们都在回答同一个问题——「比联盟平均多防住了几个 / 多少分」:
- UZR(Ultimate Zone Rating,终极区域评分)——把球场切成许多区域,统计每个区域里「平均能防住多少」,再看这名野手在他经手的区域里比平均多防住或少防住了多少,最后折算成「比平均多守下来约几分」。它是早期范围型防守指标的代表。
- DRS(Defensive Runs Saved,防守省下的分)——思路类似,同样以「比平均省下几分」为单位,但口径和数据来源与 UZR 不同,所以同一名球员在两套体系里的数值经常对不上。这个「对不上」本身就是一条重要的诚实信号,下一节细说。
- OAA(Outs Above Average,超越平均的出局数)——这是 Statcast 时代(雷达 + 光学追踪,第 13 课的主角)最接近「纯范围」的指标。它直接测量每一个球:野手起跑点离球落点有多远、他有多少时间、要朝哪个方向跑,由此算出「这种距离 / 时间 / 方向的球,平均能被接住的概率是多少」,再把这名野手的实际结果累加成「他比平均多制造了几个出局」。它几乎把「失误」彻底踢出了等式——衡量的是跑动与到位,而不是「碰到后有没有掉」。
这三者的共同点,正是它们与「失误」的根本分野:它们都从「换个平均野手能接到几个」出发,把双脚(范围)放进了账本的中心;而失误只盯着手套碰球后的那一下。从 UZR / DRS 到 OAA,是一条清晰的进步线——越来越直接地测量「过程」(你跑了多远、有多少时间),而不是只看「结果」(球掉没掉)。这条「从结果统计走向过程度量」的大转向,正是第 13 课 Statcast 革命的核心,这里先埋一个扣。
五、诚实:防守数据,是这套体系里最吵的信号
到这里必须踩一脚刹车,做一个这门课一以贯之的诚实交代。用范围衡量防守,方向绝对正确;但防守度量本身的噪声,比进攻度量大得多。原因有三个,都很实在:
- 样本小、积累慢。一名主力打者一个赛季有几百个打席,进攻样本量很大;可一名野手一个赛季真正有难度、能区分高下的守备机会,可能只有寥寥几十次。样本越小,单个赛季的防守数字波动就越大——一名好野手某一年的范围数据可能因为运气而难看,反之亦然。
- 归因难。一个球没被接到,到底是这名野手范围不够,还是布阵把他放错了位置(第 07 课)、是草皮太快、是投手诱导了一记很难处理的击球?把「功劳 / 过错」干净地归到某一个人头上,远比记录一次安打或一次三振复杂。
- 口径不一。正因为难,不同机构用不同的数据和算法去算,结果就会打架——同一名球员,UZR 说他是 +5 分,DRS 可能说他是 −2 分。这不是哪一方在撒谎,而是这件事本身的测量误差就大。
所以正确的用法是:把范围型防守指标当成一个有用但带着较宽误差棒的估计,看多年的累积、看多个指标是否一致,而不是抓住某一年的某一个数字当铁案。它远胜过「失误」(失误连方向都是错的),但它也远没有进攻端的 wOBA 那么干净利落。请记住这条「防守数据噪声大」的提醒——它会在第 12 课直接变成一个具体的麻烦:当我们想把一名球员的全部价值(打、跑、守)折算成一个数字 WAR 时,正是这块吵闹的防守部分,让不同来源的 WAR 经常对不上。今天埋的这条线,那时会兑现。
六、动手:让「失误」当着你的面误判一次
下面这块场地上有两名游击手:野手 A(范围小,覆盖圈窄)站在偏左,野手 B(范围大,覆盖圈宽)站在偏右一点。用鼠标 / 手指拖动那颗白球的落点,把它放到二游之间的不同位置,下方读数会实时告诉你三件事:这颗球的结局(被谁接杀 / 还是穿过去成了安打)、传统记分表给两人记的「失误」对比,以及范围这把尺子下两人的接杀数对比。
重点试四类落点:(甲) 把球放到 A 脚边——两人都接得到,A 稳稳接杀,平淡无奇;(乙) 把球放到只有 B 够得到、A 够不到的「缝隙」里——看清楚:A 根本没碰到球,所以记分表对他毫无记录(绝不会记失误);是 B 多跑了那几步把它接杀的,可传统的「失误」一栏对此只字不提。(丙) 把球拖到更远、连 B 也够不到的深处——这才是真正「穿过去」的安打,而最荒谬的一幕出现了:这记安打同样不会被记到 A 头上,因为他没碰到球;范围差到放走一记安打,在「失误」这把尺子下竟是隐形的。(丁) 把球放到 B 的极限区(黄圈里那圈红色虚线之外、但仍在黄圈实线之内的那层边缘)——这是 B 扑得到却很吃力的难球,他偶尔会没处理干净,这时吃一次失误。玩到最后你会看到那个荒谬的总账:A 失误更少(甚至零),B 接杀更多还偶尔挨一次失误——记分表夸的是 A,真正防守好的是 B。
玩过一遍,那个百年缺陷就再也藏不住了。失误只在野手「碰到了却没接好」时才落笔,所以它系统性地放过了「范围差」这件最该被惩罚的事,还反过来给站着不动的安全发奖章。范围这把尺子做的事相反:它先问「这颗球本该被接杀的概率多大」,再看野手到底接住了没——双脚和手套一起算。野手 B 用更大的范围净赚了一堆出局,代价只是几次显眼的失误;而那些失误,恰恰是他愿意去够别人够不到的球的副产品。
七、把这一课接回主线
现在请把这件事的分量掂一掂。「失误」不是一个偏僻的冷门统计——它写在每一张记分表上,被讲了一百多年,几乎所有人都拿它当防守的常识。可我们刚刚发现:连这样一个最基础、最深入人心的数字,都在系统性地骗人。那么一个让人不安的问题立刻冒出来:如果「失误」这种地基级的统计都会骗人,那打击端那些更光鲜、更被顶礼膜拜的传统数据——打击率、打点、胜投——它们就一定可靠吗?还是说,它们也在用各自的方式,悄悄地误导着每一个看球的人?