关键词：SPR
鸣谢：篮圈即是原点
本人并不是数据狂人，甚至不是本人。。。闲来无聊，基于篮圈即是原点（以下称RC团队）本赛季放出的SPR计算理论进行了一些小小的工作，欢迎大家基于此进行讨论。
我们在评选每日最佳/最差时采用的SPR（Simple PlayerRating）也是一种单场版的线性模型，它的算法思路和BPM一样，都是以RAPM为对象进行回归，所以简单说的话，它就是一种单场版的BPM，从机理上讲，由于多年版RAPM对于球员贡献评估的可靠性非常高，SPR的权重系数的分配会比GmSc更合理。它的同类数据还有DRE（Daily RAPM Estimate），与SPR非常相似，区别仅在于DRE会多做一步和联盟平均水平单位时间贡献的比较，这里不多做展开。SPR的具体公式是这样的：SPR = PTS –2PA - 0.8 * 3PA - 0.3*FTA + 0.3 * ORB + 0.2 * DRB + 0.5 * AST + 1.5 * STL + 0.7 * BLK –1.2* TOV我们可以逐项来解读一下：首先，和GmSc相比，SPR中最大的不同是，它对得分成功率的要求要高的多。一名球员如果只出手两分，他必须有50%以上的命中率才能在SPR体现为积极影响，即每个投篮出手回合能得到1分以上，并且不会给那些高球权球员额外的奖励。这听起来很严苛，但事实上联盟目前联盟进攻最差的球队太阳百回合得分也超过了100分，也就是说，如果低于每回合1分的回报，每次出手确实是在拖累球队进攻。这里面隐含的另一个逻辑是：“你不出手也会有队友出手，如果你每次出手的回报比全联盟最差的球队都低，你就应该把球给队友，更多的出手不应该得到奖励”。这一点在RAPM中得到了明显的体现。这也是为什么每天的最佳球员评选中，那些高得分球员往往没有太大的优势，大家可能会觉得这个数据更重视得分效率，实际上与其说是更重视得分效率，不如说，它不太重视中低效率的产量，甚至会给出惩罚。进一步看，三分出手和罚球出手的回报要求则要低的多，这是因为前者会额外提供空间加成，后者会造成对方防守球员的犯规麻烦以及每节额外的罚球Bonus。这些因素能通过非人为意志的形式得到体现正说明这种算法思路的可靠性。其次，在篮板这一项上，SPR的权重远低于GmSc，从RAPM的角度讲，球场上额外的篮板贡献对于胜负的影响并不大。同样可以理解为，即便这名球员不抢某个篮板，这个篮板也很有可能落到某位队友手中。而且我们知道篮板率在四要素中对比赛的影响也是较小的，这也算是从另一个角度上证明了这一点（是的，赤木刚宪说的不对）。所以，如果某天的比赛里，某位球员抓了20个篮板，依然没上榜，那也没什么好大惊小怪，因为多抓20个篮板，可能也就相当于3个抢断。这里我们会发现，模型中对抢断这一数据给出了非常大的肯定，这一方面是因为抢断会直接终结对手的进攻回合，连投篮出手的机会都不给对手，另一方面也是因为抢断极有可能造成一次非常好的快攻机会，攻防两端都是极大的加成。在过去，我们常常会说，抢断数据好的球员，防守不一定好，可能有很多冒险抢断导致防守失位。这种说法本身并没有错，但过于强调这一点反倒使我们长期以来忽略了抢断的积极作用。那些抢断从结果上来看真真切切的大幅影响了比赛的走向。而同样作为防守数据的盖帽则没有如此大的作用，盖帽虽说也可以导致对手该回合的出手命中率为0，但由于盖帽后有很高的比例球会回到对手手中，因此并不一定能完全终结对手的回合，即便终结了，也很难直接对下一回合的进攻带来积极影响。这一点上过去的GmSc和SPR的观点是一样的。在负面数据中，失误和抢断相对应，有着非常大的惩罚。直接失误导致一回合进攻的结束，其效果等同于一次投篮不中，因此它的权重系数至少也是-1，而失误可能造成的对手直接反击导致它是比投篮不中更糟糕的进攻结束方式，在SPR模型中有额外的0.2的惩罚。值得注意的是，犯规本身从RAPM的角度看对比赛并不会有明显影响。逻辑上，大部分投篮犯规本身可能原本对手的得分概率已经很高了，犯规还能多挑战一下对手的罚球；而由于过多的犯规导致的不得不下场的情况，从少做少错的角度考虑，不上场在个人层面上至少没有负面影响。
使用本公式进行数据汇总，得到了我溜目前全体球员46场的SPR数据，以总览图，各位置分览图进行展示，由于审美极差，因此对数据的颜色选择并无太多办法，姑且一看。
搜我想看
