📊 statistics

Leicester's Tale: Another Perspective on the EPL 2015/16 Through Expected Goals (xG) Modelling

该研究利用基于预期进球（xG）的概率模型对 2015/16 赛季英超进行分析，证实了该模型虽难以准确预测莱斯特城夺冠等极端罕见结果，但能有效反映联赛整体结构并作为评估球队真实表现及进行赛季中期预警的可靠概率基准。

原作者： Sheikh Badar Ud Din Tahir, Leonardo Egidi, Nicola Torelli

发布于 2026-02-18

📖 1 分钟阅读☕ 轻松阅读

原作者： Sheikh Badar Ud Din Tahir, Leonardo Egidi, Nicola Torelli

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

这篇论文讲述了一个关于足球、数学和“奇迹”的故事，主角就是 2015/16 赛季英超联赛中那个不可思议的冠军——莱斯特城（Leicester City）。

想象一下，足球比赛就像一场巨大的掷骰子游戏。通常，那些大球队（像阿森纳、曼城）手里拿着的是“六面骰子”，每次掷出高分（进球）的概率很大；而莱斯特城当时只拿着一枚普通的“硬币”，大家觉得他们赢球的机会微乎其微（赔率高达 5000 赔 1）。

但这篇论文想问的问题是：如果我们用更高级的“透视眼”（也就是数据模型）去观察，莱斯特城的胜利真的是纯粹的运气，还是他们其实一直表现得很好，只是我们之前没看出来？

以下是用通俗语言和比喻对这篇论文核心内容的解读：

1. 什么是“预期进球”（xG）？—— 足球界的“天气预报”

传统的看球方式是数“进了几个球”。但这就像只看“今天有没有下雨”，而忽略了“云层有多厚”。

传统进球：是结果。
预期进球（xG）：是概率。

论文作者发明了一种“透视眼”模型。每当球员射门，模型会根据射门的位置、角度、是用脚还是头、是不是单刀球等因素，给这次射门打分（0 到 1 之间）。

如果球员在禁区外远射，得分可能是 0.05（就像云层很薄，下雨概率低）。
如果球员在空门面前推射，得分可能是 0.9（就像乌云密布，几乎肯定会下雨）。

核心逻辑：一个球队如果创造了大量“高概率”的射门机会（xG 很高），但没进球，那只是运气不好（没下雨）；反之，如果机会很少却进了很多球，那就是运气爆棚（在晴天里突然下暴雨）。

2. 莱斯特城的“奇迹”：是运气还是实力？

2015/16 赛季，莱斯特城夺冠震惊世界。作者用这个模型把整个赛季“重演”了 1000 次，看看在同样的“天气条件”（射门机会）下，莱斯特城通常能拿第几名。

全赛季视角（事后诸葛亮）：
如果把整个赛季的数据都算进去，模型发现莱斯特城确实表现不错，但他们的夺冠概率依然非常低。这说明，虽然他们踢得不错，但夺冠确实属于“小概率事件”，就像一个人连续掷骰子掷出了 10 次 6 点，虽然可能，但非常罕见。
赛季中视角（事前预警）：
这是论文最精彩的部分。作者只用了上半赛季的数据（就像只看了前 19 场比赛）来预测下半赛季。
- 发现：虽然莱斯特城当时只排在积分榜第 2 或第 3，但他们的“预期进球”（xG）排名也很高（前 4）。
- 结论：模型告诉我们要警惕！莱斯特城并不是那种“运气好到离谱”的伪强队，他们的底层实力（创造机会的能力）确实很强。
- 预测：模型在赛季中途就给了莱斯特城约 16.7% 的夺冠概率。虽然这比阿森纳（49%）低很多，但绝对不是零。这意味着，莱斯特城的夺冠虽然像“中彩票”，但这张彩票是他们凭实力买来的，而不是凭空变出来的。

3. 这个模型有什么用？—— 足球界的“体检报告”

作者认为，xG 模型不应该被当作“水晶球”去精准预测谁一定会赢（因为足球充满了随机性，就像天气总有突变）。

它更像是一份体检报告或早期预警系统：

识别伪装者：有些球队积分很高，但 xG 很低（比如切尔西、曼联当时），说明他们可能只是运气好，下半赛季可能会“打回原形”（回归均值）。
发现潜力股：有些球队积分一般，但 xG 很高，说明他们实力被低估了，未来可能会爆发。
量化不确定性：它告诉我们，足球比赛充满了变数。即使是强队，也可能因为运气差而输球；弱队如果实力扎实，也有机会创造奇迹。

4. 总结：莱斯特城的故事告诉我们什么？

这篇论文用数学语言讲了一个温暖的故事：

莱斯特城的夺冠确实是一个统计学上的异常值（就像在沙漠里种出了一片森林），但这片森林的种子（他们的射门机会和战术执行力）是真实存在的。

对于球迷：不要只看积分榜，要看“创造机会的质量”。
对于分析师：xG 模型不是用来预测“谁一定夺冠”的，而是用来告诉我们“谁的实力被低估了”以及“哪些结果是合理的，哪些是纯粹的运气”。

一句话总结：
莱斯特城的胜利就像是在暴风雨中开出了一朵最鲜艳的花。虽然暴风雨（随机性）让这朵花显得不可思议，但我们的模型证明了，这朵花本身确实拥有最肥沃的土壤（强大的 xG 表现），所以它的绽放虽然罕见，却并非完全不可理喻。

这是一份关于《莱斯特城的故事：基于期望进球（xG）建模的英超 2015/16 赛季另一视角》预印本论文的详细技术总结。

1. 研究问题 (Problem)

足球比赛充满了不确定性，传统的基于积分的联赛排名往往无法准确反映球队的真实表现（即“排名不确定性”）。虽然期望进球（Expected Goals, xG）模型已被广泛用于评估单次射门质量，但现有研究主要关注点估计（Point Estimates），缺乏对赛季级别结果的不确定性量化。

具体而言，本研究旨在解决以下核心问题：

基于 xG 的概率模型能否可靠地反映实际表现，并为像莱斯特城（Leicester City）2015/16 赛季夺冠这样的罕见结果分配有意义的概率？
在赛季中期（Mid-season），xG 数据能否作为早期预警信号，预测球队下半赛季的表现及最终排名？
如何区分“模型拟合”（事后分析）与“事前推断”（事前预测）的价值？

2. 方法论 (Methodology)

本研究构建了一个基于推断的概率框架，将射门级别的事件数据转化为赛季级别的模拟。主要步骤如下：

2.1 数据来源

数据集：2015/16 赛季英格兰足球超级联赛（EPL）的完整数据，包含 380 场比赛、20 支球队。
数据粒度：包括比赛级别数据（比分、赔率）和事件级别数据（射门、犯规、传球等），共 975 个进球和 760 个球队级观测值。

2.2 特征工程 (Feature Engineering)

为了估计单次射门的进球概率，研究从事件数据中提取并转换了以下特征，用于构建逻辑回归模型：

位置 (Location)：将球场区域划分为距离带（近距离、中距离、禁区外、远距离）及更细粒度的区域（如禁区中心、禁区两侧）。
射门落点 (Shot Place)：射门的预期方向（如左上角、右下角）。
身体部位 (Body Part)：右脚、左脚或头球。
情境 (Situation)：运动战、角球、任意球、点球等。
助攻方式 (Assist Method)：传球、传中、直塞等。
快攻 (Fast Break)：是否来自反击。
交互项：引入了“距离带 × 身体部位”的交互项，以捕捉空间与生物力学的依赖关系（例如头球在近距离更有效，远距离则不然）。

2.3 模型构建 (Model Development)

研究比较了三种逻辑回归（Logistic Regression）规格，以预测单次射门的进球概率 $p_i$ ：

基础模型：包含距离带、落点、身体部位、情境、助攻方式和快攻。
交互模型：在基础模型上增加了“距离带 × 身体部位”的交互项。
细粒度空间模型 (Granular Spatial Zones)：使用更精细的球场位置分类替代粗略的距离带。

模型选择：通过赤池信息量准则（AIC）和残差偏差（Residual Deviance）评估，细粒度空间模型表现最佳（AIC = 5261.82），被选为最终模型。

2.4 赛季模拟框架 (Simulation Framework)

xG 计算：利用拟合的逻辑回归模型计算每支球队的总 xG（进攻 xGfor 和防守 xGagainst）。
泊松过程模拟：将 xG 转化为每场比赛的得分强度（ $\lambda$ ），假设进球数服从泊松分布（Poisson Distribution），模拟剩余赛程的比赛结果。
实验设计：
- 事前推断 (Ex Ante)：仅使用上半赛季的数据模拟下半赛季，评估早期诊断能力。
- 事后基准 (Ex Post)：使用全赛季数据模拟，作为模型拟合度的上限基准。
模拟次数：进行了 1000 次赛季模拟以生成排名分布和概率。

3. 主要贡献 (Key Contributions)

量化排名不确定性：首次通过 xG 驱动的模拟，系统性地量化了整个赛季中排名的不确定性，识别出哪些球队的表现偏离了预期（过度表现或表现不足）。
区分事前与事后价值：明确界定了 xG 作为“早期预警信号”（事前推断）与“确定性预测器”的区别。研究表明，xG 在提供概率基线方面非常有效，但在预测极端罕见结果时存在局限性。
莱斯特城案例的深度分析：通过莱斯特城夺冠这一极端案例，展示了统计模型如何解释“小概率但非不可能”的事件。
透明化的分析流程：提供了一个从射门数据到赛季排名的端到端、基于统计的透明分析管道。

4. 研究结果 (Results)

4.1 赛季中期诊断 (Mid-season Analysis)

xG 与积分的相关性：上半赛季的 xG quartiles（四分位数）与下半赛季的积分积累呈现明显的单调正相关。即使控制了当时的积分排名，xG 仍能解释下半赛季表现的额外方差。
莱斯特城的定位：
- 赛季中期，莱斯特城在积分榜排名第 2，但在 xG 排名中位列第 4。
- 基于上半赛季数据的模拟显示，莱斯特城获得冠军的概率为 16.7%，进入前四的概率超过 80%，平均模拟排名为 3.1。
- 结论：莱斯特城的最终夺冠虽然是一个低概率事件（处于分布的上尾），但并非完全脱离其实际表现（基于 xG 的强项）。模型在赛季中期已经识别出其作为争冠候选的潜力。

4.2 概率预测与排名分布

传统强队：阿森纳和曼城在赛季中期拥有最高的夺冠概率（分别为 49.0% 和 26.6%），这与他们的强 xG profile 一致。
保级球队：阿斯顿维拉、桑德兰和纽卡斯尔联在赛季中期显示出极高的保级概率（阿斯顿维拉超过 90%），与最终结果高度吻合。
排名收敛性：模拟显示，排名靠前和靠后的球队排名曲线收敛较快（方差小），而中游球队的排名波动较大，反映了联赛中游竞争的激烈性和不确定性。

4.3 事后基准 (Ex Post Benchmark)

使用全赛季 xG 数据进行的模拟（作为理想上限）显示，模型能解释约 75.8% 的积分方差（ $R^2$ ），排名相关性（Spearman's $\rho$ ）达到 0.837。
然而，即使是全信息模型，也难以精确预测莱斯特城夺冠这样的极端尾部事件，平均排名误差约为 3 个名次。

5. 意义与结论 (Significance and Conclusion)

重新定义 xG 的作用：本研究证明，xG 模型不应被视为对罕见赛季结果的确定性预测器，而应作为概率基线（Probabilistic Baselines）和早期预警诊断工具。它能有效识别球队的结构优势，量化不确定性，并揭示那些被积分排名掩盖的真实表现。
对“莱斯特城奇迹”的统计学解释：莱斯特城的夺冠并非纯粹的运气或模型失效，而是其强大的 xG 表现（反映真实实力）在随机性（泊松分布的长尾）作用下产生的极端但可行的结果。模型在赛季中期已经给出了 16.7% 的夺冠概率，这在统计上是显著的。
局限性：
- 逻辑回归假设射门是独立事件，忽略了比赛中的连续压力或 momentum。
- 未包含守门员位置、防守压迫强度等未观测变量。
- 未区分球员个体的终结能力差异。
未来方向：建议引入球员特定能力、防守压力数据、序列感知模型（如 RNN）以及贝叶斯方法，以进一步提高预测精度。

总结：该论文通过严谨的统计建模，成功解构了 2015/16 赛季英超的“奇迹”，证明了基于 xG 的概率框架在评估球队真实实力和量化赛季结果不确定性方面的巨大价值，为体育分析从“描述性”向“推断性”转变提供了重要范例。