Pitching stats across the years

05 & 06 K/PA

06 & 07 K/PA

05 & 06 BB/PA	06 & 07 BB/PA
05 & 06 G/F	06 & 07 G/F
05 & 06 HR%	06 & 07 HR%
05 & 06 BABIP	06 & 07 BABIP

數據人人會算，每個人也都可以用基本的統計資料發明自己的數據公式，但是哪些數據是有意義的，哪些又是無用的數據呢？

就我來說，有意義的數據是選手有辦法維持的數據，也就是同一個選手在年與年之間，不容易出現無理由的大幅變動的數據。當然此數據必須對比賽有影響力(比方說球員的肝功能指數雖然在年與年間有很強的關聯性，不過跟棒球比賽沒有直接關係。)一方面，我們使用數據常常是用於預測未來的成績，無法保持的數據對於預測根本沒有使用價值；另一方面，選手沒有辦法維持的數據，很難令人信服是選手自身的能力。

有現代棒球觀念的人會說勝投和打點是意義不大的數據，因為受隊友的影響成份過大；得點圈打擊率(精確來說應該講RISP BA和BA的差距)和投手的BABIP也沒什麼意義，因為統計資料顯示選手沒辦法長期保持這項數據。

找了2006和2007年都投了100局以上的88位投手，和2005及2006年都超過100局的102位投手的成績，做了以上幾張圖。

其中G/F是根據ESPN的資料，HR%=HR/(AB-K)，然後將各數據做個簡單的標準化。

橫軸是前一年的數據，縱軸是隔年的數據，如果每個選手都能複製前一年的成績，那所有的點都會落在一條斜率為1的直線上。在每張圖上都有一條趨勢線，如果大部份的點都落在線的附近，代表我們可以根據前一年的數據去預測隔年選手這一項目的成績，相反的若是很多點都離趨勢線很遠，就表示這項數據年與年之間的關聯性不大。

R-square是一個可以將上述的關聯性量化的數值，它代表這條趨勢線對資料的解釋程度有多大，最大值是1，代表所有點都在趨勢線上，最小值是0，代表這條趨勢線完全沒有意義。以下是各數據R-square的值：

R-square

	05&06	06&07
K/PA	0.672	0.586
BB/PA	0.583	0.386
G/F	0.798	0.814
HR%	0.096	0.131
BABIP	0.064	0.061

沒有做球場效應和其他的校正，而且取樣也是有問題的(連續兩年投球局數破百這個條件，事實上就是排除了特定族群的資料。)，但是由於差距很明顯，我們就先直接下個簡單的結論吧：

在這五項數據中，投手對於滾飛比有最強的控制力，可以年年投出相近的滾飛比；三振率和四壞球率有不錯的穩定性，不易出現大幅的變動；至於TTO之一的全壘打率，雖然和野手守備沒有任何關係，可是投手並沒有辦法維持這項數據的穩定(打者顯然可以，所以一顆球被打出去會不會變成全壘打，打者的因素應該佔了極大的部份)；BABIP和HR%對於隔年的成績沒什麼參考價值，前一年數值高的投手和數值低的，隔年的成績分佈幾乎沒什麼差別，這和前三項數據的情況是差別很大的。簡而言之，這兩項數據就是所謂的「運氣」－選手本身無法掌控的數字。