预测球员未来投篮表现：投篮命中率 vs. Shot Making（投篮制造能力）2025 年 12 月 25 日作者：Taylor Wyman预测一名球员未来的投篮表现一直是一件非常困难的事情。分析师们往往会花大量时间研究诸如有效命中率（Effective Field Goal%，简称 eFG%）这样的传统技术统计，试图从中找到可用于预测未来的线索。在过去十年中，一类新的指标逐渐进入大众视野——Shot Making（投篮制造能力）。与单纯看进不进球的命中率不同，Shot Making 更关注的是：球员在既定出手难度下，投得究竟好不好。最近，Basketball Index 研发负责人 Krishna Narsu 对两个指标进行了研究，试图回答一个问题：在预测未来投篮表现方面，究竟是 eFG% 更好，还是 Shot Making 更强？两个指标的快速解释有效命中率（Effective Field Goal%）该指标会正确地将三分球的价值设定为两分球的 1.5 倍：eFG% = (投篮命中数 + 0.5 × 三分命中数) / 投篮出手数Shot Making（投篮制造能力）Shot Making 关注的是球员相对于其出手质量的表现。它会基于以下因素，计算一个“预期有效命中率（Expected eFG%）”：出手类型（运球投 vs 接球投）最近防守者的距离出手时剩余的进攻时间然后，用球员的实际 eFG% 减去预期 eFG%，得到 Shot Making 数值。为什么 Shot Making 更适合预测未来？长期以来，eFG% 一直被视为衡量投篮能力的代理指标。但问题在于：eFG% 本身并不会自动修正出手难度。举例来说：一个主要吃饼、终结的内线球员，eFG% 往往会很高一个需要大量自我创造、背身或高难度出手的球员，eFG% 往往会被压低这正是 Shot Making 的优势所在。由于它已经将出手质量纳入模型，因此自带“情境校正”。从数据稳定性来看，两者差距非常明显：eFG% 的年度相关性（correlation）：0.28整体 Shot Making 的年度相关性：0.66这意味着：Shot Making 在年份之间的稳定性远高于 eFG%，因此在预测未来投篮表现时更可靠。当角色变化时，谁更“抗环境”？当球员的角色或球队环境发生变化时，出手质量往往会出现巨大波动。例如：一名球员从联盟最差球队，转而和约基奇或东契奇这样的顶级组织者并肩作战出手质量会显著提升预期 eFG% 提高原始 eFG% 也往往随之上涨但如果他之后又加盟一支缺乏持球核心的弱队：出手质量下降eFG% 很可能再次下滑Shot Making 在这种情况下的波动就要小得多，因为它衡量的是“在当下条件下，你投得有多好”，而不是结果本身。一个简单的例子假设有两名：年龄相同身体条件相近上赛季场均 8 分下赛季都会承担更大进攻角色的角色球员球员 AShot Making 很高eFG% 平均水平球员 BeFG% 很高Shot Making 平均水平结论是：球员 A 的投篮表现更可能随着角色升级而“可持续放大”，因为他的效率并不高度依赖于出手质量本身。结语本文的目的并不是说投篮命中率“没用”或“过时”——它们依然非常重要。而是想解释：为什么在预测未来表现时，情境化的分析指标更具优势。理解出手质量，以及它与 eFG% 之间的关系，是理解这两类指标差异的关键。感谢 Krishna Narsu 完成所有数据计算。休斯顿火箭nbaNBA
