第四部分 · 数据革命

Corsi / Fenwick：用射门尝试差代理控球与领地

上一课把三样传统统计——进球、助攻、正负值(+/-)——一个个拆穿了：它们要么太稀少（进球每场就几个，样本小得可怜），要么把功劳记错了人（助攻只奖励最后两传，正负值把你的功过和四个队友、和门将的手感、和运气全搅在一起）。它们共同的病根其实是同一个：都建立在「进球」这个太稀有的事件上。一场比赛就那么两三个进球，你想用它们稳定地评价「这五个人在场上时，我们是压着别人打、还是被人摁着打」，样本根本不够。那怎么办？这一课的答案朴素得几乎像作弊：别数那个每场只有几次的稀罕事，去数那个每场有几十次的高频事——射门尝试。这个念头，就是冰球数据革命的第一块基石，它叫 Corsi。

一、病根：一切建立在「进球」上的统计，都躲不开小样本

先把上一课的结论收紧成一句话，因为这一课整个是被它逼出来的。传统三样统计——进球、助攻、正负值——表面上毛病各不相同，但你往深里挖，会挖到同一块石头：它们全都以「进球」为计量单位。进球本身是产出；助攻是「进球前的最后一两传」；正负值是「你在场时本队进球减对手进球」。三样，没有一样能脱开进球独立存在。

可你早在第 02 课就知道了：冰球是低分运动，一场六十分钟，两队加起来常常也就进五六个球。这意味着，如果你想用「进球」去评价某五个人在场上那十几分钟里的表现，你手里的数据点，可能一个都没有——他们这一段可能一个球都没进、也没丢。样本量是 0 或 1 的时候，任何统计都只是在测量噪声。这就是上一课正负值「会骗人」的最深处：不是它算错了，是它想测的那个东西（进球）出现得太罕见，罕见到没法稳定测量。

把问题抽象一层，它其实是个再普通不过的统计学困境：你想估计一个比率（我们占优的程度），但你只有极少的样本（进球）。样本少，估计就抖得厉害——这正是第 02 课那条「低分 → 高方差」的老话，换了个地方又冒出来。既然如此，出路也就唯一：要么等更多场次（可你想评价的往往就是这几场、这几段），要么，换一个出现得频繁得多的东西来数。冰球数据革命选了后者。

二、解药：数「射门尝试」，而不是数「进球」

顺着「换一个高频的东西来数」往下想，一个天然的候选立刻浮出来。进球之前，总得先把球射向球门——而射门这个动作，比进球频繁得多。一场比赛里，一支球队会把球射向对方球门几十次，其中绝大多数没进（被门将扑出、射偏、被防守队员用身体封堵）。这些「朝球门去的尝试」，每一次都是「我把比赛压到了你家门口、并制造了威胁」的一个印记。它们太多了，多到足以稳定地统计。

为什么这一步是「革命」？因为它把你的样本量一下放大了近二十倍。回到那个数量级：两队一场合计进球 ≈ 5~6 个，而合计射门尝试 ≈ 100 次上下。同样是评价「这段时间谁占优」，用进球你手里可能只有 0~2 个数据点，用射门尝试你手里有几十个。样本从个位数跳到几十，那条「低分 → 高方差」的诅咒就被大大压住了——Corsi% 会比「进球差」快得多地稳定下来，指向真正占优的一方。这正是本课 widget 要让你亲眼看到的事。

三、它到底在代理什么：领地与控球

光说「样本大」还不够，得说清 Corsi 大出来的这个数，代理的究竟是冰球里的什么东西——否则它只是个统计花招。答案，恰好把这门课前十课的主线接了回来。

回想第 03 课：冰球的本质，是把足球的空间之争搬到冰面、开到最高速，一切都是「在对的地点、赶在缝合之前，抢占一块冰面」。而「射门尝试」是这场空间之争最诚实的记账：要能射门，你首先得把球控在自己杆上、把比赛推进到对方的进攻区、并在那里站稳。一支不停射门的球队，几乎必然是一支控着球、压着对方在他家门口打的球队；反过来，被人压着打、球总在自己门前的球队，根本没机会射门。所以——

这就是 Corsi 的全部魔法：它没有去直接测那个既稀有又难测的东西（进球、或抽象的「控球权」），而是找到一个和它高度相关、却频繁得多、好数得多的替身（射门尝试），转而去测这个替身。用一个高频的可观测量，去代理一个稀有或难测的目标量——这个思路，你会在整个「数据革命」里一次次见到。

四、和足球 xG 同源：进球太稀少，就往下找更底层的信号

如果你读过姊妹课 《足球的逻辑》第 11 课 · xG，此刻应该有种强烈的既视感——因为 Corsi 的动机，和足球发明 xG 的动机，是一模一样的一句话：进球太稀少了，稀少到没法用它稳定地评价谁踢得更好，于是我们必须往下钻一层，去找一个更底层、更高频的信号。

足球和冰球，是这个系列里连续那一端相邻的两项运动，都是低分、都是空间之争，也就都撞上了同一堵墙、给出了同一个方向的解法。把它们并排看：

两条路，同一个念头。区别只在「往下钻的第一铲，铲到了哪一层」：足球一铲子就钻到了「给每次射门的质量定价」（xG）；冰球的第一铲更浅、更粗，只钻到了「数每次射门的次数」（Corsi）——先不管质量，把「谁在压着谁打」这件事用高频信号量出来再说。这不是冰球想得比足球浅，而是数据革命的自然顺序：先用最便宜的方式把样本做大（数次数），把方向搞对；等站稳了，再回头把「质量」这一维补上。而补上质量那一铲，恰好就是下一课的事——你大概已经猜到，冰球补质量用的模型，正是从足球那儿直接借来的 xG。

五、诚实的短板：Corsi 只数「次数」，不看「质量」

Corsi 这么好，是不是就够了？不。它有一个非常明确、也非常致命的短板，而且这个短板不是缺陷，是它为了换取「高频、好数」而主动付出的代价——你必须清楚它，才不会滥用它。

短板是这样的：Corsi 把每一次射门尝试，都当成一个平等的「1」来数。一次从蓝线附近、隔着三个人、几乎不可能进的外围乱射，记「1」；一次门前无人盯防、球门大开、几乎必进的绝佳机会，也记「1」。在 Corsi 眼里，这两次完全等价。可你我都知道，这两次射门对「进球」的贡献，天差地别——一个可能只有百分之几的进球概率，一个可能高达八九成。

这会带来真实的误导。设想一支球队疯狂地在外围倒球、远射，攒下一大堆低质量的射门尝试，Corsi% 很漂亮；可它们从不敢、也打不进那片门前最危险的甜点(slot)，真正的好机会寥寥无几。另一支球队射门尝试次数不多，但每一次都是精心打穿防线、送到门前的高质量机会。只看 Corsi，你会误判前者占优——因为 Corsi 数得清次数，却看不见质量。这正是它作为「第一铲」的粗糙之处：它把「谁在压着谁打」量出来了，却没法回答「这些压制，有多少真的转化成了危险的机会」。

六、动手：射门尝试差，比进球差认得更快

下面这个模拟器，让你亲手验证本课最核心的一句话：在低分运动里，「射门尝试差」比「进球差」更快、更稳地认出谁占优。玩法只有一根滑块——你设定本队的真实领地优势：也就是「如果比赛无限长，本队打出的射门尝试本该占多大比例」。50% 表示两队旗鼓相当；往右拉，表示本队真的更能压着对手打（比如 58%，示意一支不错的强队）。

然后点「推进比赛」，程序会一段一段地模拟比赛：每一「回合」，按你设定的领地优势，用确定性随机抽出这次射门尝试属于哪一方（尝试很多，每场几十次）；其中只有一小部分尝试会变成进球（低转化率，进球因此很稀少）。右侧读数同时显示两样东西——本队实时的 Corsi%，以及同一时间的进球差。你会看到一件很有说服力的事：

• Corsi% 很快就稳到你设定的真实优势附近——因为射门尝试样本大，噪声被迅速平均掉。你设 58%，打不了多久 Corsi% 就在 58% 上下小幅晃动，清清楚楚告诉你「本队在压着打」。
• 进球差却长时间乱跳、甚至符号都反着来——因为进球太稀少，样本小，运气占了大头。明明本队领地占优，进球差却可能一会儿 +1、一会儿 −1、卡在 0，半天认不出谁强。

把滑块拉到正好 50%（两队真实相当），再看：Corsi% 会稳稳停在 50% 附近，而进球差依旧会因为运气东倒西歪。这就直观地证明了：当你想尽快、稳稳地判断「谁在占优」，该看的是那个高频信号（Corsi），而不是那个稀有又嘈杂的结果（进球）。这，就是冰球数据革命第一块基石的全部价值。

这个玩具当然简化得厉害（真实的 Corsi 要分五人组统计、要扣掉比分和主客场的影响、还有前面说的「不看质量」这个大短板），但它的方向是真的、也是本课的心脏：高频的射门尝试差，是「谁在压着谁打」这件事又快又稳的影子；稀有的进球差，则要慢得多、抖得多才认得出真相。数据革命的第一步，就是学会先去看那个高频的影子。

七、常见误解

• 误解：Corsi% 高就等于「踢得好、该赢」。 （澄清：Corsi% 高只说明你在压着对手打、占着领地，它是控球与领地的代理，不是机会质量的代理。一支只会外围乱射的球队 Corsi% 可以很漂亮却打不进真正的好机会。要判断「机会有多好」，得等下一课的 xG。）
• 误解：Corsi 就是「射门数」，跟传统统计没区别。 （澄清：传统「射门数」通常只数射正；Corsi 数的是所有射门尝试——射正 + 射偏 + 被封堵，样本更大，更能反映「进攻区施压」。而且 Corsi 是个差值 / 比率（本队减对手），衡量的是相对领地，不是绝对射门量。）
• 误解：Corsi 和 Fenwick 是两种完全不同的哲学。 （澄清：两者精神完全一致——都用高频射门尝试代理领地。唯一区别是 Fenwick 不算被封堵的射门（只数射正 + 射偏），理由是「被队友挡下」有时更反映防守布置而非机会本身。日常你把它们当近亲看即可。）
• 误解：既然进球太稀少不好用，那就干脆别看进球了。 （澄清：进球仍然是唯一真正决定胜负的东西——Corsi 只是一个更早、更稳的领先指标，帮你在进球兑现之前就看清趋势。长期来看 Corsi 占优的球队通常也进球占优，但某一场、某一段，两者可以背离，那正是运气在作祟。）