本文目录
看完比赛，再打开技术统计，你可能会看到这样的数字：实际只进了1球，预期进球却是1.50。足球没有“半个进球”，这个小数到底在说什么？
读懂xG，先分清两个层次：一次射门的xG，是模型对这次机会进球概率的估计；全场xG，通常是把已经发生的各次射门的xG加起来。前者是概率，后者是这些射门的预期进球总量。两者虽然都写作xG，读法却不同。
一次射门的xG，衡量的是这次机会
xG是Expected Goals的缩写，中文称为“预期进球”，中国足协技术部的相关资料也采用这一表述。中文术语参考：《国际足球科技动态》正文第8页
FIFA把单次射门的xG解释为该次尝试进球的平均概率，用来衡量进球机会的难度。来源：FIFA的xG指标说明
例如，一次射门被赋予0.30 xG，可以读成“模型估计这次机会约有30%的概率进球”。它最终只有进球或没有进球两种结果，不会产生0.30个实际进球。即使接下来出现十次类似机会，也不意味着一定进三个球。
模型怎样得到这个数字？基本思路是从历史射门数据中学习机会特征与进球结果之间的关系。射门距离、角度、触球部位和射门前的配合方式都是常见信息，但具体使用哪些特征，取决于数据供应商及模型。来源：Hudl的xG入门说明
因此，看到“这脚射门xG很高”，首先应理解为模型认为这个机会较容易转化为进球，不要马上把它当成对球员射门技术的评分。
为什么全场xG可以超过1？
以下是一个完全虚构的例子：某队一场比赛有五次射门，每次都是0.30 xG。
全场xG = 0.30 + 0.30 + 0.30 + 0.30 + 0.30 = 1.50
每次射门的概率都没有超过100%。1.50是五次射门的预期进球总量，所以可以大于1。
它不代表“有150%的概率进球”，也不保证球队会进1球或2球。如果有人把1.50四舍五入，直接写成“这队应该进2球”，就把平均意义上的数值误读成了确定结果。关于期望值与概率的基础区别，可以继续阅读期望值与概率：怎样理解平均结果。
能不能换算成“至少进一球”的概率？
仅凭总xG不够，还需要各次机会的概率和有关机会之间关系的假设。
仍以五次0.30为例，假设这五次机会预先固定，而且相互独立，那么一次都不进的概率是0.70的五次方，即16.807%；至少进一球的概率就是83.193%。这是一个简化的概率演示，与1.50这个总量回答的是不同问题。
真实比赛不能不加判断地套用这个演示。比如，连续补射能否出现，可能就取决于前一脚没有进球。把赛后记录中的每脚射门都当成预先安排好的独立机会，会遗漏这种关系。
用一份虚构射门记录，看清三个数字
下面所有时间、数值和结果均为教学虚构，不对应真实球队，也不是任何供应商的实际输出。
| 射门时间 | 单次xG | 实际结果 |
|---|---|---|
| 第12分钟 | 0.04 | 未进球 |
| 第28分钟 | 0.08 | 进球 |
| 第39分钟 | 0.18 | 未进球 |
| 第61分钟 | 0.45 | 未进球 |
| 第76分钟 | 0.15 | 未进球 |
| 合计 | 0.90 | 1球 |
从这份记录可以算出：
- 射门次数：5次，告诉我们尝试了多少次。
- 总xG：0.90，汇总这些射门的机会质量。
- 每次射门平均xG：0.90 ÷ 5 = 0.18，帮助我们了解平均一次机会的质量。
0.08的射门进了，0.45的射门没进，这本身并不矛盾。较低概率的结果可以发生，较高概率的结果也可以不发生。
再作一个算术比较：甲队十次射门，每次0.06 xG，总量为0.60；乙队三次射门，每次0.25 xG，总量为0.75。甲队射门更多，乙队在这组虚构数据中的单次机会质量更高，总xG也更高。只比较射门次数，会丢掉这层信息。
反过来，只看总xG也会漏掉细节。1.50究竟来自几次集中出现的高质量机会，还是许多低质量射门？机会发生在领先时还是落后时？这些问题需要回到射门记录和比赛过程。
xG、实际比分和胜率，分别回答什么问题？
实际比分：比赛已经发生了什么
比分记录实际进球，决定这场比赛的结果。赛后xG则提供另一种观察角度：球队已经形成的射门机会，在模型眼中有多大进球可能。
如果一队实际进球多于xG，可以描述为“实际进球高于模型给出的预期进球”。但一次偏离不足以判定射手拥有持续的超强终结能力，也不能把差距全部归为运气。Hudl的说明同样强调，分析终结能力需要足够大的样本。来源：Hudl的xG入门说明
胜率：某队赢下比赛的概率
赢球需要比较双方的进球数。单独知道一方的总xG，不能直接得到它的胜率；即使有双方的总xG，要转换为比分分布或胜率，仍须另建模型并说明假设。
尤其要分清数据出现的时间：一场比赛结束后，由该场射门算出的xG，不能冒充开球前就已经得到的预测。它可以用于复盘，也可以成为其他分析的输入，但它本身不是精确比分预告。
如果还想分清另一种常见概率表达，可以阅读赔率与隐含概率的关系。隐含概率来自赔率的换算，与射门xG的来源和含义不同。
为什么不同平台的xG不一样？
xG不是每次射门自带、等待被读出的唯一数值。数据记录、训练样本、特征选择和建模方式都可能影响估计。Hudl Statsbomb在模型更新说明中明确指出，不同模型考虑的数据及处理方法会有差异。来源：Hudl Statsbomb模型更新说明
例如，两个模型都知道射门的位置，其中一个还掌握门将及防守球员的站位，它们对同一次机会就可能给出不同判断。不能仅因为某个平台更接近你的观赛感受，就认定它一定更准确。
实际阅读数据时，可以按下面的顺序核对：
- 看来源：两个数字是否来自同一供应商、同一模型版本？
- 看统计范围：是否包含点球、加时赛，比较的是全场还是某个时段？
- 看指标名称：普通xG与射门后的指标是否混在了一起？
- 看原始记录：若差距明显，先找出双方对哪些射门的记录或估值不同。
这是一套核对思路，不是给供应商排名的标准。比较球员或球队的长期变化时，尽量保持数据来源和统计范围一致，解释起来才更清楚。
普通xG与射门后xG，有什么区别？
普通的射门前xG侧重机会质量，关注球员起脚时的处境；射门后预期进球通常写作Post-Shot xG或PSxG，会加入球射出之后的信息，例如射门落点。Hudl Statsbomb对其射门后模型的介绍，将这类信息用于分析扑救难度。来源：Hudl Statsbomb射门后xG说明
两类指标分开的意义在于：获得一个好机会，与把球射得足够好，是不同的环节。具体采用哪些射门后信息、如何处理不同类型的射门，仍应查看供应商说明，不宜把所有平台的PSxG当成同一套指标。
这里的“射门前”也不等于“比赛前”。即使统计表是在终场后生成的，其中的普通xG仍可以只评价射门发生时的机会条件。
常见问题
1. xG是“预测进球数”吗？
本文使用“预期进球”，强调对射门机会的概率估计和汇总。把赛后xG直接叫作下一场的“预测进球数”，容易混淆用途。要预测未来比赛，需要另外说明使用什么信息、怎样建模，以及预测对应哪个时间点。
2. 单次xG为0.80，没进是不是模型算错了？
不能这样判断。0.80仍保留未进球的可能。要检查模型是否可靠，应考察大量可比机会中，估计概率与实际发生频率是否相符，而不是用某一脚射门的结果定论。Hudl Statsbomb在介绍射门后模型时，也专门讨论了这种概率校准问题。来源：模型校准说明
3. xG更高，能说明这队就该获胜吗？
不能据此下结论。它说明在相应模型和统计范围下，这队已发生射门的预期进球总量更高。它不改写实际比分，也没有完整描述比赛中的所有攻防行为。复盘时，应把它与射门分布、比赛进程和录像一起看。
4. 点球的xG是不是固定不变的？
先看具体模型。有些模型给点球设置固定值，但不同模型或版本不必采用同一个数字。因此，比较球员的xG时，还要确认双方统计是否都包含点球。来源：Hudl关于点球与xG的说明
5. 没有完成射门的进攻，会增加这里说的xG吗？
本文讨论的是按已发生射门汇总的xG，因此一次没有形成射门的进攻，不会凭空新增一条射门xG。这是该口径的边界，不代表那次进攻毫无威胁。评价推进、传球或未形成射门的威胁，需要另外的分析方法。
下次看比赛统计，可以这样读
先看比分，再确认xG来源及统计范围；接着把总xG、射门次数和单次机会放在一起看。遇到“xG更高却输了”的比赛，值得追问的是机会怎样形成、集中在哪里，以及哪些射门改变了结果。
保留这些具体问题，比只给球队贴上“高效”或“浪费机会”的标签更有帮助。xG让机会质量变得可讨论，但数字仍需要比赛背景来解释。
参考资料
以下资料查阅日期为2026年10月20日。文中的射门记录及概率运算为独立编写的教学示例。
- FIFA Training Centre：Expected goals。支持单次射门xG的基本定义。
- Hudl：What are Expected Goals (xG)?。模型供应商对常见输入、样本量和点球口径的说明。
- Hudl Statsbomb：Upgrading Expected Goals。支持模型估计并非唯一值、模型设计及数据会影响输出的解释。
- Hudl Statsbomb：A New Way to Measure Keepers’ Shot Stopping: Post-Shot Expected Goals。支持射门后信息、扑救分析与概率校准的说明。
- 中国足球协会技术部：《国际足球科技动态》，2023年2月第1期，正文第8页，PDF第10页。该页使用“预期进球（xG）”等中文表述，作为本文的中文术语参考；其转述内容不作为对某一模型准确性的独立验证。
查看 HypaForecast 预测市场
查看 HypaForecast 市场及 BTC 5/15 分钟页面。这些一般链接不代表平台提供本文所述产品或工具，也不代表您符合参与资格。
资料来源与适用范围
HypaForecast 发布教育指南并运营预测市场。本文解释计算方法，不推荐交易，也不判断你是否有权参与。
分享本指南