本文目錄
xG是「預期進球」（Expected Goals），用模型估計一次射門有多大機會成為進球。如果某次射門的xG是0.30，意思是依照那個模型使用的資訊，這次機會的進球機率估計為30%。這是對射門的評估，不是球隊有30%的機會贏球。
看轉播或賽後數據時，先分清三件事：每次射門的估計值、把這些值加起來的全隊xG，以及實際進了幾球。合計可以是小數，比分卻以整數計算；兩者不同，不代表數字出了錯。下面用三次架空射門，說明各自能回答什麼問題。
一次射門的xG，估的是什麼？
只看射門次數，不容易知道每次機會有多好。同樣是一次射門，離球門的距離、角度、用腳或頭頂、受到多少壓力，都可能是模型評估的資訊。
Opta在2023年8月的說明把射門情境與過去類似的射門資料結合，估計進球的可能性。該文介紹的資訊包括距離、角度、射門方式、守門員與其他球員的位置、壓力，以及射門前的傳球或進攻情境。
這些是那篇文章所介紹的模型內容，不是所有xG模型都必須採用的固定清單。數值也不是用肉眼量到的「真實機率」。你需要一起看提供者、模型的說明與版本，才知道數字評估的是什麼。
三次射門，分別記錄估計值與結果
假設有三次射門，使用同一套模型標準評估。為了說明讀法，我們直接設定以下xG，並把進球記為1、沒進記為0。這些值和結果都是架空的，不是真實賽事紀錄，也不是用Opta或Hudl StatsBomb的模型算出來的。
| 射門 | 設定的xG | 架空的進球結果 |
|---|---|---|
| A | 0.10 | 0 |
| B | 0.30 | 1 |
| C | 0.50 | 0 |
| 合計 | 0.90 | 1球 |
xG合計為0.10 + 0.30 + 0.50 = 0.90；進球合計則是0 + 1 + 0 = 1球。前者整理模型對機會的評估，後者計算發生的結果，回答的是不同問題。
0.90不表示「進了九成的球」，也不表示這三次射門有90%的機會至少進一球。C的估計值最高，仍可能沒有進；B的估計值較低，也可能成為這三次裡唯一的進球。把小數的預期進球與整數的實際進球並排，才不會把估計當成必須實現的比分。
為什麼可以相加，卻不能直接算出勝率？
固定這三次射門，把每次的進球結果視為0或1，總進球數的期望值就是各次期望值的總和。這叫作期望值的線性性，不要求各次射門互相獨立。但把模型的估計值相加，不會因此證明每個估計都準確。
如果你想知道「至少進一球的機率」，還需要描述不同進球結果如何組合的資訊。只知道三個值的總和，並不足夠。各次射門互相獨立的假設，可以用在特別設定的教學模型裡，卻不能因為xG能相加，就當成真實比賽已符合這個條件。
全隊xG也不是勝率。三次射門的總和沒有告訴你對手得分、其他射門或整場比賽會如何發展，更不會自動變成下一場的預測。若要區分「平均會有多少」和「某個結果發生的機會」，可接著閱讀期望值與機率的指南。
比較xG之前，先確認模型與範圍
不同網站即使都寫xG，也不一定在評估完全相同的事。Hudl StatsBomb的解說指出，不同模型使用的資訊不同，例如有些模型會納入守門員位置，以及畫面內其他攻守球員的位置。同一次機會因此可能得到不同估計；光看數值不同，還不能判定哪個模型比較準。
它也區分一般射門評估與射門後的評估。射門後xG（Post-Shot xG）會考慮球射出後的落點等資訊，常用於分析守門員的撲救。評估的時點、資訊和用途不同，就不應把兩種數字直接當成同一欄比較。這是模型角色的差別，不代表每個提供者都採用相同設定。
| 要確認什麼 | 為什麼會影響讀法 |
|---|---|
| 提供者與版本 | 資料和模型設定可能不同；過去的解說不等於現在的設定。 |
| 評估的時點與用途 | 射門前的機會評估，與納入射門落點的分析，使用的資訊不同。 |
| 球員、賽事與資料範圍 | 不能只因為都叫xG，就忽略模型針對的球員或賽事群體。 |
| 包含哪些射門與期間 | 單次、整場、某段期間，以及是否包含十二碼罰球，必須先對齊。 |
例如，要比較一場比賽的兩隊，先確認兩邊來自同一提供者、使用相容的模型與統計範圍。若把不同版本、不同期間，或一邊含十二碼罰球而另一邊不含的總和放在一起，高低差可能混入了定義的差別。
一場的差距，不能直接證明射術或運氣
球隊的xG比對手高，表示在該模型與統計範圍下，射門的估計值合計較高。這不證明球隊「本來就應該贏」，也不會把實際比分推翻。xG衡量的射門機會與比賽結果，仍然是兩件事。
同樣地，一場進球比xG多，不足以單獨證明球員射術特別好；比xG少，也不能直接認定只是運氣差或射術不好。先看哪些射門被算進去、模型如何評估，以及比較的樣本有多大。只看一個總和，還無法把原因切分清楚。
已經多進或少進的球，也不會讓下一次射門「欠一個結果」。先前高於預期，不代表接下來一定要低於預期來補回。Opta的說明也提醒，不應用這種方式理解回歸預期。
如果你同時看賠率，請另外分清由價格換算的隱含機率。它不是這三次xG相加得到的數字，也不是獨立量到的勝率。賠率與隱含機率指南說明的是另一種計算，不會把xG變成選隊或獲利的方法。
關於xG的常見問題
0.30 xG，就是每十次一定進三球嗎？
不是。它表示模型對該次機會的進球機率估計為30%，不是保證每十次就剛好進三球，也不是證明真實機率一定等於30%。每次結果仍是進或不進，還要留意模型使用的資訊與適用範圍。
全隊xG大於1，代表什麼？
全隊xG加總的是各次射門的估計值，不是單一事件的機率，所以可以大於1。例如2.0 xG是預期進球數的估計，不是200%的勝率，也不保證實際一定進兩球。實際進球數仍要另外計算。
xG比較高，就應該贏嗎？
不能這樣推論。xG合計不是球隊的獲勝機率，也不決定比分。即使一隊xG較高，仍可能踢和或輸球；合計本身也不足以解釋結果為何不同，更不是下一場會贏的保證。
不同網站的xG，為什麼不一樣？
可能是提供者、模型版本、使用的資訊、評估對象或納入的射門範圍不同。先確認兩個數字是否適合放在一起比較，再討論差異。數字不同本身不能證明哪個網站更準，過去模型的解說也不等於目前所有版本的設定。
把xG相加，需要每次射門互相獨立嗎？
對固定的一組進球或未進球結果，加總期望值不需要獨立性，這是期望值的線性性。但這個性質不會驗證模型估計是否準確，也沒有提供「至少進一球」或贏球所需的結果組合機率。不要把能相加，誤讀成已經知道整場比賽的機率分布。
瀏覽HypaForecast的頁面
以下是發行者網站的一般導覽，連到市場列表與BTC的5分鐘、15分鐘頁面，與本文的足球射門例子分開。
資料來源與模型範圍
參考Opta於2023年8月8日發布的xG說明，以及Hudl StatsBomb對射門機率、模型資訊差異與射門後評估的解說。資料查閱日為2026年10月20日，範圍為說明文字，不包含連結研究、影片或原始圖像，也未確認這些說明等同各提供者目前的模型設定。三次射門的0.10、0.30、0.50與進球結果0、1、0均為教學設定，未使用真實比賽數據或執行模型。
HypaForecast發布教育指南，也經營預測市場。本文說明足球數據，不表示本站提供足球市場或xG工具，也不判定個人的交易資格。
分享本指南