搶籃板，真的需要「搶」嗎？

你有沒有想過，為什麼有些球員籃板數字好看，但球隊的籃板勝率卻沒有跟著提升？

這個問題困擾了 NBA 分析圈很久。三位來自加拿大麥基爾大學和曼尼托巴大學的統計學者，最近在學術期刊《體育量化分析》上發表了一篇研究，試圖用貝氏統計的方法，把籃板這件事說得更清楚。

傳統籃板數字的問題

籃板數從 1950 年代就開始被記錄，是 NBA 歷史最悠久的統計之一。長期以來，大家都用「每場籃板數」或「籃板率」來評估一個球員有多擅長搶籃板。

但這些數字有一個根本問題：你能搶到幾個籃板，不只跟你自己有關，還跟你的隊友和對手是誰高度相關。

想像一個場景：球沒投進，Jonas Valanciunas 把對方中鋒卡死，讓隊友輕鬆把球撿起來。這個籃板記在隊友頭上，但真正「贏得這個籃板」的其實是 Valanciunas。

再想另一個場景：Andre Drummond 站在籃下的黃金位置，周圍沒有人跟他爭，輕鬆伸手抱球。這個籃板記在 Drummond 頭上，但說真的，換任何一個身高夠的球員站在那個位置，結果應該差不多。

這就是問題所在：傳統統計把兩種完全不同的情況混在一起計算。

這篇研究的核心想法其實不複雜，就是把「搶籃板」這件事拆成兩個問題來看：

第一個問題：這個籃板，你的球隊搶得到嗎？

這衡量的是你對球隊整體籃板能力的貢獻。你會卡位嗎？你能把對手擠出籃板區嗎？還是說你其實讓對手更容易搶到球？研究者把這個能力稱為 β 能力。

第二個問題：球隊搶到之後，是你出手拿球，還是讓給隊友？

這衡量的是你「個人把球抱在手裡」的傾向。研究者把這個稱為 γ 能力。

兩種能力都很重要，但意義完全不同。一個高 β 低 γ 的球員，會讓球隊的籃板大戰更好打，但球往往不落在他手上，他是幕後英雄。一個低 β 高 γ 的球員，個人數字漂亮，但其實只是在隊友做好工作之後來撿現成的。

研究者用 2020-21 賽季的比賽數據訓練模型，再用 2021-22 賽季驗證預測效果。把兩種能力分開來看之後，很多球員的評價跟傳統統計給出的印象大不相同。

Andre Drummond 是最典型的高估案例。他年年蟬聯籃板榜前幾名，但研究顯示，他的 β 能力其實相當普通，真正貢獻的主要是 γ 能力，也就是「球來了，他就在那裡伸手接球」。這和 NBA 圈子裡長期對他「摘無主籃板」的批評不謀而合。

防守端還有一些持球後衛也被高估，例如 Russell Westbrook 和 Devin Booker。可能的原因是球隊習慣把球交給他們來啟動快攻，或者他們防守的對位球員本來就不在籃下，所以防守籃板數字好看，但不代表他們真的讓球隊的防守籃板更強。

進攻端，有些中鋒的籃板也被高估，例如 Willie Cauley-Stein 和 Nikola Vucevic。原因很直觀：他們佔據籃下核心位置，球自然往他們那裡掉，不代表他們真的「搶」到了什麼。

反過來，Steven Adams 是最典型的被低估案例。他出了名地願意替隊友做球、讓位，個人籃板數字並不亮眼，但研究顯示他的 β 能力非常突出，他讓球隊整體贏得籃板的機率大幅提升。

更有趣的是三分射手這個族群。Damian Lillard、Davis Bertans 這類拉開空間的射手，進攻籃板的 β 能力出乎意料地好。研究者的解釋是：他們的存在把對方防守球員拉到外線，使得籃下反而出現空隙，讓隊友更容易搶到進攻籃板。他們自己沒搶到球，但他們讓球隊搶到了。

研究者用一個真實案例來說明模型的用途。

灰狼某個賽季想改善防守籃板。Jarred Vanderbilt 的個人防守籃板率是 21.1%，Rudy Gobert 是 28.8%，差了將近 8%。如果只看這個數字，引進 Gobert 應該讓球隊的防守籃板大幅提升。

但用這套模型來預測，答案是：提升幅度會比你想的小得多。

而且後來真實發生的事情印證了這個預測，Gobert 加入灰狼後，Karl-Anthony Towns 的防守籃板率出現了明顯下滑。籃板資源就只有那麼多，Gobert 搶走了，Towns 自然搶得少了，球隊整體的提升遠不如帳面數字顯示的那麼誇張。

這篇論文沒有給出一個「最終答案」，而是提供了一個更好的問問題的方式。

當一支球隊想要補強籃板時，除了「這個球員個人搶了幾個籃板」，更該問「這個球員讓球隊整體贏得籃板大戰的機率提升了多少」。這兩件事，有時候方向一致，但很多時候並不一樣。

有時候，最好的籃板者，是那個讓別人搶到籃板的人。

製作方式：初稿由 AI 依來源資料整理，Skyfaring 編輯校正後發布。