第一章：传奇的土壤——棒球为何痴迷于数字 Chapter 1: The Legendary Soil—Why Baseball Obsesses Over Numbers

在1860年纽约的一份报纸上，一位名叫亨利·查德威克（Henry Chadwick）的年轻记者可能从未想过，他用钢笔在纸上画下的那些简单表格，会在接下来的一百多年里彻底改变一项运动的面貌。这位出生于英国、后来移民美国的体育记者，在看到板球（cricket）运动中已经成熟的得分记录系统后，敏锐地意识到棒球同样需要一套标准化的数据记录方法。他的这个念头，某种程度上可以说是现代体育统计学的诞生日——或者说，至少是体育分析学（analytics）这一学科的萌芽时刻。

查德威克的灵感并非凭空而来。他早年在英国从事板球报道时，已经习惯了一种称为“记分卡”（scorecard）的记录方式。在板球运动中，每一次击球、每一次跑垒、每一次出局都被详细记录，这使得球员之间、球队之间的比较成为可能。当查德威克于1856年开始报道美国的棒球运动时，他发现当时的棒球比赛记录完全是另一番景象：没有统一的标准，没有可比较的数据，比赛的精彩程度只能用模糊的文字描述来传达，缺乏任何量化的维度。这种状况显然无法满足日益壮大的棒球运动的需求——尤其是在1869年辛辛那提红袜队（Cincinnati Red Stockings）成为第一支职业棒球队之后，棒球从一项业余娱乐活动逐步转变为商业化的职业体育，球员的能力评估、球队的战绩比较、比赛的战术分析，都迫切需要一套客观的、可量化评价体系。

查德威克于1869年发明了第一张棒球得分表（box score的雏形），这一发明标志着棒球统计学的正式诞生。他的得分表包含了每一局比赛的详细数据：击球手的上场次数、打数、安打数、打点、得分，跑垒员的跑垒情况，捕手的接杀次数，投手的投球局数和失分等等。这张表格将一场比赛中纷繁复杂的各种事件整理成条理清晰的数据矩阵，使得任何人都能够通过阅读这份表格迅速了解一场比赛的完整进程。更重要的是，这种标准化的记录方式使得不同球员、不同球队、不同比赛之间的横向比较成为可能——这正是统计学得以发挥价值的基础。一项运动如果缺乏标准化的数据记录，那么无论收集了多少信息，都只是零散的片段，无法上升为系统性的分析。

打击率（batting average）的发明是查德威克对棒球统计学的另一项核心贡献。尽管“打击率”这一概念在当时尚未完全成熟，但查德威克明确提出：评价一名击球手的能力，不能仅仅看他的安打总数，而应该看他平均每多少次击球机会能够击出安打。这个看似简单的思路，实际上蕴含着统计学最基本的思想：标准化与可比性。一名在100个打数中击出30支安打的球员，与一名在200个打数中击出60支安打的球员，从打击率的角度来看能力是相当的；而如果仅比较安打总数，后者会显得“更强”，但这种比较忽略了一个根本性的事实——后者获得了更多的打数机会，可能仅仅是因为他上场次数更多，而非他的击球能力更强。打击率的引入，使得球员能力评估第一次建立在公平比较的基础之上。

查德威克的设计还考虑到了一个关键因素：棒球比赛的特殊结构。与足球、篮球等连续性运动不同，棒球比赛被分割为若干个独立的半局（inning），每个半局又由若干个离散的“打序”（plate appearance）组成。每一次打序都是一个相对独立的分析单元：击球手面对投手投出的若干球，最终产生某种结果——可能是击出安打（包括一垒打、二垒打、三垒打、本垒打），可能是出局（包括三振、飞球接杀、地滚球出局、封杀等），也可能是上垒（包括保送、触身球）。这种离散化的结构，使得棒球比赛中的每一个事件都可以被精确记录和分类，而不像足球那样，球员在场上的大部分时间都是在移动、跑位、策应，这些行为很难被量化为有意义的数据指标。棒球的每一个动作——投球、击球、跑垒、接杀、传球——都是离散的、可定义的事件，这为数据收集提供了天然的便利条件。

棒球界有一个形象的说法，将棒球称为“慢镜头运动”（the slow-motion sport）。这个说法的含义是：棒球比赛中的每一个关键时刻——每一次击球、每一次跑垒、每一次接杀——都可以被单独拎出来进行分析，因为这些动作之间存在自然的停顿。投手投球之前需要踏上投手板，投球之后击球手需要做出挥棒或选球的判断，击球之后球被击出，跑垒员需要决定是否跑垒，野手需要接球或传球……每一个环节都可能伴随着短暂的停顿，这些停顿为数据记录者提供了观察和记录的时间窗口。相比之下，在足球比赛中，球员几乎始终处于运动状态，比赛的节奏是连续的、高强度的，这种特性使得足球比赛的数据记录面临更大的挑战——观察者很难在短时间内捕捉到所有有意义的信息。

正是这种“慢镜头”特性，使得棒球成为了一门“数据密集型”（data-intensive）的运动。早在19世纪末期，棒球比赛的数据记录就已经相当详尽。到了20世纪初，棒球统计记录进入了一个新的阶段：1900年前后，现代意义上的Box Score正式确立并成为棒球比赛的标配。Box Score，即“比赛数据表”或“得分表”，是一份详细记录一场比赛中所有球员表现的标准化数据报告。在一份典型的Box Score中，首先列出的是主队和客队的比分，然后分别列出两队所有出场比赛球员的数据。对于击球数据，标准的记录项目包括：打数（At Bats，简称AB）、得分（Runs，简称R）、安打（Hits，简称H）、打点（Runs Batted In，简称RBI）、保送（Walks，简称BB）、三振（Strikeouts，简称SO）、盗垒（Stolen Bases，简称SB）等；对于投手数据，则包括：投球局数（Innings Pitched，简称IP）、被击安打（Hits Allowed，简称H）、失分（Runs Allowed，简称R）、自责分（Earned Runs，简称ER）、三振、保送等。这些数据项的标准化，意味着任何人都可以按照统一的格式记录和阅读比赛数据，不同来源的统计数据可以无缝对接和交叉比较，这为后续的统计分析和历史数据研究奠定了坚实基础。

Box Score的标准化还带来了一个更为深远的影响：历史数据的积累成为可能。既然每一场比赛都按照统一格式记录，那么不同年代的比赛数据就可以被放在同一框架下进行比较。一个19世纪的球迷，如果保存了当时某场比赛的Box Score，他完全可以将这份一百多年前的记录与现代比赛的Box Score并排放在一起，感受到棒球运动的连续性和传承性。事实上，棒球可能是世界上历史数据最为完整的体育项目之一。从19世纪70年代开始，几乎每一场正式比赛的Box Score都被保存了下来；进入20世纪后，这个数据库的规模已经相当惊人。美国棒球研究学会（Society for American Baseball Research，简称SABR）的成立，正是基于这些海量历史数据的收集和整理。时至今日，Baseball-Reference、FanGraphs等专业网站已经数字化了数万场历史比赛的完整数据，用户可以轻松查询从1871年至今任何一场比赛的详细记录。这种数据积累的广度和深度，是其他任何体育项目都难以比拟的。

棒球数据的丰富性和完整性，为统计学家和棒球爱好者提供了一个独特的研究环境。早在19世纪末20世纪初，就已经有人开始尝试用统计数据来解释棒球现象。1880年代，著名作家兼棒球爱好者莫里·古尔德（Maurice Gougenheim）——尽管这个说法在历史真实性上存在争议，但棒球界普遍接受的基本叙事是——已经注意到安打并非均匀分布的事件，某些球员在特定情况下的表现明显优于其他球员。1900年代，著名的棒球作家弗朗西斯·费尔森（Francis Feeney）和约翰·迈克唐纳（John McDonald）等人的研究进一步深化了这种认识。然而，真正将棒球统计分析提升到系统化学科高度的，是20世纪中后期兴起的一批学者和爱好者，其中包括比尔·詹姆斯（Bill James）和罗伯·内耶（Rob Neyer）等先驱人物，他们的工作最终催生了“赛伯计量学”（Sabermetrics）这一专门术语。

赛伯计量学（Sabermetrics）这个词，本身就是一个值得深入探讨的概念。1980年，比尔·詹姆斯在一篇文章中首次使用了这个词，它源自SABR——美国棒球研究学会（Society for American Baseball Research）的缩写——加上“metrics”（计量学、度量学）这个词根，组合而成。按照詹姆斯的定义，赛伯计量学是“试图在棒球运动的背景下，通过对棒球数据进行客观分析来寻找真相的科学”。这个定义揭示了赛伯计量学的两个核心特征：其一是“客观分析”，即尽可能使用数据和统计方法来得出结论，而非依赖主观印象或传统智慧；其二是“寻找真相”，即不满足于表面的相关性或流行的说法，而是试图挖掘数据背后隐藏的规律。

理解赛伯计量学的起源，有助于把握本书的写作主旨。在本书接下来的章节中，我们将详细追溯赛伯计量学从萌芽到成熟的发展历程，分析关键概念和理论框架的演变，介绍重要人物和他们的贡献，并探讨这些分析工具在现实中的应用及其局限性。本书的目标不是写成一部技术手册——尽管我们不回避技术细节——而是要为读者呈现一个完整的知识图谱，帮助读者理解棒球统计分析从何而来、为何如此、又将走向何方。

在正式开始本书的阅读之前，有必要先建立一些基本的概念框架，作为后续各章的共同知识基础。这些概念将贯穿全书，反复出现，因此在此处做一个概览性的介绍是有益的。

首先是“进攻产出”（offensive production）的概念。棒球比赛的核心目标是得分，而得分来源于球员的进攻行为——即击球手通过击球、跑垒等方式推进垒包、跑回本垒的能力。衡量进攻产出的核心指标是“得分”（Runs）。然而，得分本身是一个团队指标，球员个人的贡献需要通过某种方式从团队得分中分离出来。这就引出了打击率（Batting Average，简称AVG或BA）、上垒率（On-Base Percentage，简称OBP）、长打率（Slugging Percentage，简称SLG）等一整套指标体系。打击率定义为安打数除以打数（Hits / At Bats），衡量击球手击出安打的效率；上垒率则将保送和触身球也纳入分子，更全面地反映击球手“留在垒上”的能力；长打率衡量击球手每次击球的平均垒包数，反映其长打能力。这三个指标——打击率、上垒率、长打率——构成了棒球进攻统计的基础三维。

其次是“防守贡献”（defensive contribution）的概念。防守同样对比赛结果有重大影响，但防守数据的收集和分析比进攻数据更为复杂。传统上，防守贡献主要通过“失误”（errors）、“助杀”（assists）、“接杀”（putouts）等指标来衡量。近年来，随着“范围”（range）、"臂力"（arm strength）、"接球能力"（fielding ability）等细分指标的发展，防守分析也日趋精细化。然而，相比进攻数据，防守数据的历史积累和技术成熟度都相对较低，这仍然是赛伯计量学研究的一个活跃领域。

第三是“投球表现”（pitching performance）的概念。投手是棒球比赛中最重要的单一角色，其表现直接关系到球队的胜负。衡量投手表现的传统指标包括自责分率（Earned Run Average，简称ERA）和防御率（虽然这是ERA的中文译名，但两者完全对应）、胜投数（Wins，简称W）、败投数（Losses，简称L）等。其中，自责分率定义为投手每九局比赛平均允许的自责分数，是衡量投手压制对方打线能力的核心指标。然而，ERA作为一个统计指标存在一些固有的局限性——它受到守备支援（fielding support）的影响，投手无法控制的因素也可能计入自责分。这些问题催生了更精细的投手指标，如FIP（Fielding Independent Pitching，投手独立防御率）、xFIP、SIERA等，这些将在本书的后续章节中详细介绍。

第四是“胜利贡献”（wins above replacement，简称WAR）的概念。WAR是现代赛伯计量学最重要的综合指标之一，它试图用一个数字来概括一名球员对球队胜利的整体贡献。WAR的基本逻辑是：计算一名球员相比“替代水平”（replacement level）球员——即可以从自由市场或小联盟轻易获得的普通球员——能够多贡献多少场胜利。如果一名球员的WAR是5，意味着他相比一个替代水平球员，能够为球队多赢得5场比赛。WAR的价值在于它提供了一种跨位置、跨时代的公平比较框架，使得我们可以将一名外野手和一名投手、一名1900年代的球员和一名现代球员放在同一尺度下进行比较。尽管WAR的计算方法在不同的数据源（如Baseball-Reference的rWAR、FanGraphs的fWAR）之间存在差异，但其核心理念是一致的：用一个综合指标衡量球员的整体价值。

第五是“期望值”（expectation value）和“胜率曲线”（win expectancy）的概念。期望值方法论是现代赛伯计量学的另一重要支柱。它的基本思想是：棒球比赛中任何一种比赛状态——即垒上跑者情况、出局数、当前局数——都对应着一个“期望胜率”，即从这种比赛状态出发，球队最终赢得比赛的概率。基于大量历史比赛数据的统计，分析师可以计算出每一种比赛状态的胜率，并据此评估某一次决策（如是否盗垒、是否触击、是否换投）的合理性。胜率曲线则展示了比赛进程中胜率的变化，帮助我们理解比赛的转折点在哪里，哪些行为对比赛结果影响最大。这些概念将在讨论比赛决策分析（in-game strategy analysis）的章节中详细展开。

了解这些基本概念后，读者可以更顺利地进入本书的后续章节。当然，对于初次接触棒球统计的读者而言，无需担心这些概念过于复杂。本书在写作时已经充分考虑了目标读者的背景——本书的第一位假想读者是一个对棒球有基本了解但对统计分析知之甚少的初学者。本书将在必要的地方反复解释关键概念，提供足够的背景信息，避免让读者陷入不知所云的困境。

本书的结构安排遵循“历史与理论交织、概念与应用并重”的原则。前几章侧重于追溯棒球统计学的历史渊源，从19世纪的萌芽状态讲起，经过20世纪初的标准化进程，到20世纪中后期赛伯计量学的诞生，再到21世纪大数据时代的新发展。中间几章将深入分析各种核心概念和理论框架，包括期望值理论、线性权重模型、投球分析模型、跑垒和盗垒分析等。最后几章将探讨赛伯计量学在现实世界中的应用——球队管理、球探体系、自由市场定价、比赛策略——以及这一学科面临的挑战和争议。

本书的每一章都可以独立成篇，但各章之间又存在有机的联系。建议读者在首次阅读时按顺序进行，以便把握棒球统计分析发展的完整脉络；但在后续参考某个特定主题时，也可以直接跳转到相关章节。书中的核心概念将以加粗形式标注，便于快速定位；重要的人物和事件将配有详细的介绍，帮助读者构建起完整的知识网络。

让我们回到本书的起点——亨利·查德威克和他发明的得分表。在某种意义上，查德威克的工作代表了一种科学精神的萌芽：面对复杂的现实世界，他选择用数字来描述、用表格来整理、用标准化来比较。这种精神贯穿了棒球统计学的全部历史，从查德威克的得分表到今天的WAR和期望值分析，棒球爱好者们始终在追求一个目标——用更精确的数据、更合理的方法、更深刻的洞察，来理解这项让他们魂牵梦绕的运动。

棒球之所以痴迷于数字，原因或许就在于此。数字不仅仅是一种记录工具，更是一种思维方式；统计分析不仅仅是一门技术，更是一种看待世界的视角。当我们学会用数字来思考棒球时，我们实际上是在学会一种更精确、更理性、更深入的观察方式。这种方式让我们能够超越表面的印象和主观的感受，触及棒球运动更深层次的规律和逻辑。在接下来的章节中，我们将一起踏上这趟探索之旅，从棒球的数字世界中发现这项运动的独特魅力。

让我们从最基本的概念开始。在棒球比赛中，进攻方的目标是将球击出并跑完四个垒包——一垒、二垒、三垒、本垒——从而得分。要完成一次得分，击球手必须首先站在本垒板前，面对对方投手投出的球，做出击球或选球的判断。这个过程看似简单，实际上包含着极其丰富的战术可能性和统计细节。投手可以选择不同类型的球种——直球、曲球、滑球、变速球、卡特球——以不同的速度、不同的位置、不同的旋转方式投出；击球手需要快速判断来球的轨迹和性质，决定是否挥棒以及如何挥棒。这整个过程——从投手踏上投手板到击球手完成击球或选球——发生在短短零点几秒之内，却可以被分解为无数个值得分析的微小环节。

击球手击球后的结果可以分为几大类。第一，安打（Hits）。球被合法击入界内，并且击球手成功跑至至少一垒（如果球在落地前被防守球员接住，则为外野飞球接杀，击球手出局）。安打根据垒包数分为一垒打（single）、二垒打（double）、三垒打（triple）和本垒打（home run）。本垒打是最有价值的结果，因为击球手可以绕垒跑一圈直接得分，同时垒上的所有跑垒员也会跟着得分（如果比赛在“满垒”时击出本垒打，则为“满贯本垒打”，一支安打可得4分）。第二，出局（Out）。球被防守方接住或捡起后传至垒包，封杀或触杀了击球手/跑垒员。常见的出局方式包括三振（strikeout，击球手获得三个好球而未能击中）、飞球接杀（fly out）、地滚球出局（ground out）、高飞球牺牲打（sacrifice fly）等。第三，上垒但非安打（Reached Base not via Hit）。这包括保送（walk，四坏球）、触身球（hit by pitch，击球手被触身球击中）、捕手漏接（passed ball，捕手未能接住投手投球，跑垒员趁机推进；注意这种情况下击球手并未上垒）、守备失误（error，防守方的失误让进攻方受益）等。第四，什么都不发生。击球手的击球没有产生有意义的结果——例如击成界外球（在好球状态下）或内野球（没有跑垒员进垒或被杀）。

理解这些击球结果的可能性，对于后续理解各种打击统计指标至关重要。打击率只计算“安打除以打数”，忽略了保送、牺牲打等其他上垒方式，因此对于评价击球手整体贡献的能力存在一定偏差。这个问题在20世纪后期逐渐被认识到，从而催生了更全面的指标如“上垒率加长打率”（On-Base Plus Slugging，简称OPS）和“加权上垒率”（Weighted On-Base Average，简称wOBA）。wOBA是目前最被广泛接受的综合打击指标，它为每一种上垒方式——包括一垒打、二垒打、三垒打、本垒打、保送、触身球等——赋予不同的权重，反映它们对得分的边际贡献。这个权重的确定是基于大规模历史数据的统计分析：例如，历史数据表明一支本垒打的价值大约是一支一垒打的1.7倍（具体数值因计算方法而异），这种相对价值关系正是wOBA权重的基础。

投球环节同样包含丰富的统计细节。一名投手在一局比赛中面对的攻击可能持续多次投球，每一球都有其类型、速度、位置、结果。传统的投手指标如自责分率（ERA）只关注最终结果——投手在这局中丢了多少分——而忽略了过程；现代的投手指标则试图分解投球的各个组成部分，评估投手在不同环节的表现。“三振率”（strikeout rate，定义为每九局三振数）衡量投手压制击球手的能力，“保送率”（walk rate，定义为每九局保送数）衡量投手