Batting on Solving Baseball Blog

xwOBAの改良

Sat, 11 Oct 2025 00:00:00 +0000

Tangotiger Blogにて定期的にxwOBAにおいてSpray Angleは過剰適合してしまうという主旨の記事が上がります。

実際、全体の傾向として未知のデータに対する予測力においてLaunch SpeedとLaunch Angleに加えてSpray Angleを説明変数に加えるとモデルの精度は落ちます。

ただ、よく話題になるように個別事例においてはその傾向から良い意味でも悪い意味でも逸脱する打者も当然見られます。

xwOBAモデルにおける真の意味での誤差を見極め、Spray Angleを含めた情報の取捨選択をアップデートしていくことが最終的な目標となります。

Launch SpeedとLaunch Angleのみを説明変数としたxwOBAからSpray Angleの三方向（Pull、Cent、Oppo）のみの情報を付したモデル、Spray Angle（値）の情報を付したモデルの比較を以下に示します。

基本的にその年のwOBAの記述力はSpray Angleという情報を付与するほど、翌年のwOBAに対する予測力は付与しないほど上がります。

Spray Angle有のモデルと無のモデルで差が出た上位下位の打者20人を以下に示します。

- -

複数年で登場する打者が存在するようにSpray Angleの情報が必要な打者も存在する可能性は十分にあります。ただこれらの誤差には当然球場や対戦相手の偏りも含まれていますので、それらを考慮しながらサンプルサイズにおける誤差も抽出し、最終的には帰属できていない要素を定量化できればと思います。

Bat Trackingから打者のタイミングを推し量る

Tue, 23 Sep 2025 00:00:00 +0000

Baseball SavantのBat Trackingに追加されたIntercept Pointから打者のタイミング情報を推し量ってみます。 Intercept Pointはその名の通り、バットとボールの接点（もしくはそれに近い点）であり、基準をホームベースではなく打者に置いたものも取得できます。打者のタイミングにおいては後者の方が適切ですので今回はこちらを使用します。

周知の通り、打者はタイミングを投手方向にずらされる、いわゆる泳いだ打撃になるスイングでは「想定より投球が遅い」状態であることが多く、タイミングを捕手方向にずらされる、いわゆる差し込まれた打撃になるスイングでは「想定より投球が速い」状態であることが多いです。

投手視点で見ると、そのズレをどちらの方向にどの程度発生させるかが投球評価における構成要素の一つとなります。

トラッキングデータの対象範囲の拡大が進む現代において、投手の多角的な出力情報はStuff+をはじめとするピッチモデリング指標のような文字通りの予測的指標（xFIPやSIERAは予測的性能は高いが統計学的に純粋な予測モデルとは言い難い）を生み出しました。打者側の反応が多角的に見えるBat Trackingは「空振り」や「ファウル」といった結果の構成要素の分解にも役立ちます。

投球はまず打者のスイングの有無で分岐します。それにより、見逃し時により多くストライクを獲得し、スイング時にどれだけ得点価値の低いイベントを誘発させられるかかという評価軸に分解できます。そしてスイング時の評価にBat Trackingは活用できます。

スイング時の投球評価を変化量の想定とのズレを主としたxz平面とタイミングの想定とのズレを主としたy軸に分解します。今回はそのy軸のズレの話です。

多数の要因によってy軸のズレは発生しますが必ず考慮しなければならないのが投球コース及びそれに対応するx軸でのIntercept Pointです。また絶対値を使うとJ.ターナーは常に泳いだ打撃、ゴールドシュミットは常に差し込まれた打撃と評価してしまうので各打者内で標準化します。

ということでIntercept Point(x)を固定効果として設定し、GAMでIntercept Point(y)の予測をします。その予測値との差分をTiming Deviationとして評価します。

以下にTiming Deviationの分布、空振り率、得点価値との関係を示します。

納得感はありつつも興味深いのは打者は得点価値（多くは打球価値から生み出される）が最大化されるタイミングではなく空振り率が最小化されるタイミングでスイングをしているという点です。感覚的ではあるでしょうが、打者はコンタクトを優先的に考え、チャンスがあれば普段より前方の、Bat Speedが最大化しAttack Angleが最適化されるタイミングで捉えるといった感じでしょうか。また、選球を正しく行うためにはいわゆるチェックポイントを打者側に近づけた方が良いわけで、打球価値が最大化されるタイミングより程度はあれど差し込まれるタイミングの方が合理的でしょう。

これらの点を踏まえると、投手視点ではただタイミングを打者の基準から外すだけではなく、少し泳ぎ気味のタイミングにあるスイートスポットを避ける投球がより必要になるかと思われます。この観点では半速球と呼ばれるような主要FastballとBreakingやOffspeedの架け橋となる球種は危険なようにも思えますが、それらの球種はチェックポイントまでに打者が球種を誤認しやすいわけで、すると今回取り上げなかったxz平面でのズレにつながる話かなとも思います。実際に主要な球種がFFとCHの最強投手スクーバルはxz平面よりy軸のズレが傑出していますし、主要な球種にFCがある最強投手クロシェはy軸よりxz平面でのズレが傑出しています。

まだまだラフの段階ではありますが、例えば先ほどの図にBat Trackingの他の要素や球種やピッチカウントといった無視のできない条件も加味していけば、さらに精度高く野球を理解できるかなと思います。

Bat Trackingから投球を分析する

Sat, 06 Sep 2025 00:00:00 +0000

2025年のYearly Savant UpdateではBat Trackingがさらにその対象範囲を広げました。打者のスイング情報がより増えたということは投球の分析が深まるということですので、新たに追加された変数を利用して投球の分析を行います。

投球はまず打者のスイングの有無で分岐します。今回はそのスイング有に対する分析を行います。

スイング時の投球の基本的な目標は打者が標準とする打点（Intercept Point）とバットの芯からズレることです。そのズレをxz平面とy軸に分解します。xz平面はSavantだと選手トップページのMovementのやつです。

この図、人気ですけど見ての通り現実の野球とは違う「平面」であることは忘れたくないですよね

投球のDeceptionを指標化する

以前の記事で紹介したこの指標を使います。

y軸はいわゆる「奥行き」で、緩急、タイミングが関わってくる視点です。

こちらはIntercept Point(x)を固定効果として設定し、GAMでIntercept Point(y)の予測、その予測値との差分をTiming Deviationとして指標化します。

スクーバルを可視化するとこんな感じになります。 FFはより速く、CHはより遅く打者が感じています。

xz平面のズレとy軸のズレの関係性を示した図が以下になります。

xz平面のズレはy軸にも表れますし、y軸のズレはxz平面にも表れますのである程度の正の相関がある図になっています。

スクーバルはxz平面ではなくy軸のズレを主として失点を抑止していることが分かります。またセールのような投球フォームから軌道まで特殊な投手は打者が普段とは全く違ったスイング軌道で対応しようとしていることも示唆されています。

もっと精査し、得点価値とも結びつけられると、さらに高精度に野球を記述できる観点かと思います。

Intercept Point × Bat Speed × xwOBA

Mon, 01 Sep 2025 00:00:00 +0000

Pull Air%が流行語となりバットトラッキングの普及でIntercept Pointに焦点を当てた分析も増えてきました。

単純化される前に少し釘を刺しておきますがIntercept Pointの変化とwOBAの変化には関連性はありません（r = 0.046）。

Intercept Pointが後ろになろうがBat Speedを上げられるかの方が圧倒的に重要です（r = 0.252）。

Intercept PointとBat SpeedとxwOBAの変化の関連性を示したものを置いておきます。

投球に合わせたスイングをすることのジレンマ

Sun, 24 Aug 2025 00:00:00 +0000

スイングの多様性と打球価値について

上記の記事で投球に合わせたスイングをすることは打球価値という視点で見るとマイナスに働きやすい可能性を取り上げました。

ただ野球は非打球イベントもあるのが面白いところです。

打球価値は一貫したBat Pathの方が、空振り率は多様なBat Pathの方が優れています。

当てるだけならスイング軌道をその投球に合わせることが有効に働くが、価値の高い打球を生み出すにはスイング軌道が乱されない方が総合的には有利に働く。それっぽい結果ではあるでしょう。

このような全体傾向を把握したのちにそこから展開して細部を掘っていきたいですね。例えば空振りはカウントによってその価値が変わりますので、カウントによるBat Pathの多様性の差が大きい打者を調べてみるのも面白そうです。

高性能打撃マシンの効果について

Wed, 30 Jul 2025 00:00:00 +0000

特に結論は出ていませんがTrajekt Arcのような球質再現マシンはプロ野球を大きく変えるのでしょうか。

球質再現マシンに効果があるならば打者は投手に対して以前より“慣れ”た状態で対戦しているはずです。そして慣れには限界効用の逓減もあると考えられます。

1巡目と2巡目、3巡目のwOBA差

2021年以降に変化が観測できれば面白いですが、正直言い切れるレベルの効果を抽出するのは難しいです。事前に何巡目相当の球数を体験して打席にいっているのかは分かりませんし、慣れによる効果を測るために制御するべき要素が多すぎます。

先発投手も慣れに対抗する術を磨いていますのでそれらの考慮もしなければならないでしょう。面白いテーマだとは思いますので時間が取れたときに考えてみたいと思います。

ホームランダービーに悪影響はあるか

Tue, 15 Jul 2025 00:00:00 +0000

はじめに

ホームランダービーの季節が近づくとダービーの悪影響を憂うファンが散見され、気が向いたセイバリストがそれを検証した記事を出すというのは最早お決まりの流れとなっています。

とは言え、近年は先行研究を引用して「ダービーは後半戦の成績に影響しないよ」だけで終わっている節があると個人的に感じていますし、日本語での分析はnamikiさんのものしか認知していませんので、貴重な日本人セイバーメトリクス好きとして再検証していきます。

MLBは2015年シーズンからStatcastシステムを全面導入し、打球速度や Sprint Speed といった選手の能力に迫ることのできる指標やプレーの細部をより深く説明できる情報を入手できる環境が整いました。

そしてタイムリーなことに、MLBのホームランダービーのレギュレーションがアウト制から時間制になったのも2015年です。

アウト制の頃のホームランダービーでも"ダービーは打撃に悪影響を及ぼす"といった言説は確認できますが、時間制になったことでその勢力に加勢した方々も少なくないでしょう。

日本人的には、標高1600mで息を切らし、（休憩はありますが）5分間で68もの"ホームラン狙いの"スイングをした、2021年大谷翔平が後半戦に打撃成績を落としたことは記憶に新しい方も多いのではないでしょうか。

前説が長くなりましたが、ダービーが時間制になり、Statcastデータも入手できる2015年以降に絞ってホームランダービーの影響について調べてみたいと思います。

ダービー出場者は後半戦に成績を落としているか

はじめに、ダービー出場者が後半戦に成績を落としているかという基本的な前提を検証していきます。

念のため、下記に2015年以降のダービー出場者の一覧を記載します。

参考程度に前半戦のHR%とwRC+も（HR%の平均は約3%）

前後半の成績比較

まずは単純に、前後半の成績をダービーに出場していなかった選手と比較してみます。（打席数がある程度揃うようにサンプリングしています）

色付きは統計的有意性あり（有意水準 0.05）

ダービー出場者の後半戦の成績下降が確認できます。 ただ有意な差が確認できたのはHR%とそれに付随する長打率、wRC+ の成績下降です。ダービー出場者は後半戦に打球部分の打撃成績が低下していることが確認できます。

対して、ダービー非出場者は後半戦の成績低下は確認できません。 むしろ、HR%の上昇傾向が確認できます。

ダービーの時期が毎年7月中旬であることを記憶している方は、7月下旬から8月といった気温の高い（空気密度の小さい）時期が含まれる後半に打撃成績が落ちるといった現象は観測されないと察していたでしょう。

では打球部分で成績を落としていたダービー出場者は具体的にどのような打球プロファイルの変化があったのでしょうか。

色付きは統計的有意性あり（有意水準 0.05）

有意な差が確認できるのはHR/FBとPull%（引っ張り率）、基本的な打球分類に変化はありませんがフライ打球がスタンドインする確率が2%ほど下がることにより、HR%が減少しています。

引っ張り打球が増加する傾向がありますが、この傾向に負の側面を感じるか、その逆を感じるかは意外と分かれる気はします。少なくともセイバーメトリクスに興味のある最近のMLBファンなら正の側面を感じるでしょう。

対して、ダービー非出場者はもちろん、夏場が多く含まれる後半戦にHR/FBが下降するといった傾向は確認できませんでした。

大きな差ではありませんが**FB%（フライ率）**が増加し、結果的にHR%も増加する傾向にあるようです。基本的にFBは打者の"勝ち"であり、打席を積み重ねていき"慣れ"てくる後半戦にそのような傾向が観察できることに意外性はありません。（対戦投手に対する慣れが蓄積されやすいNPBではもう少し強く傾向が出ているかもしれません）

と、ここまでダービー出場者と非出場者の前後半の成績を簡単に比較してきました。

実際のところ、ダービー出場者は後半戦に成績を落としています。 ただ、この結果をもってして『ホームランダービー』の悪影響として結論付けるのは早計でしょう。

成績が似ている選手との比較

では、肝にいきましょう。

どのような検証でも必要になるのが、条件を揃えるということです。

例えばテレビ視聴率からその番組の人気度を測りたいのなら、時間帯や曜日、裏番組などを揃えないと不公平ということは最低限の情報リテラシーのある方なら理解しているはずです。

ということで、ホームランダービーの影響を測りたい今回はどうでしょうか。

知りたいのはダービー非出場の成績ではありません。ダービー出場者がダービーに出場していなかった仮想世界です（もしくはその逆も）。

もちろんそんな世界は用意できないので、ダービーに出場していた"かも"しれない、ダービー出場者と前半戦の成績が似ているダービー非出場者を抽出します。

方法としては代表的なものでもいくつかありますが、今回は結果的に一番類似度が高く抽出できた、ユークリッド距離を使います。

抽出した類似選手216人の前半戦成績を以下に示します。

ではこのダービー出場者に似ているダービー非出場者は後半戦に成績を落としているのでしょうか。

色付きは統計的有意性あり（有意水準 0.05）

ダービー出場者と同じくHR%、長打率、wRC+で有意な差が確認できました。

エンタメ性重視で選手の健康など考えず、打撃フォームにも悪影響が出るはずのホームランダービーを欠場しても成績が下降してしまっています。

では、打球部分も見てみましょう。

色付きは統計的有意性あり（有意水準 0.05）

ここが、今回注目するポイントです。

ダービー出場者と同じようにHR/FBが下降していますが、Pull%の増加は観察できません。

ホームランダービーはスローボールをどれだけスタンドインさせるかを競う、言わば、人外でない限りどれだけ引っ張りフライを打てるかの競技ですから、その影響と考えやすい結果ではあります。

ではダービー出場者と非出場者の前後半の成績変化の違いに統計的有意性はあるでしょうか？

色付きは統計的有意性あり（有意水準 0.05）

察していたとは思いますが、Pull%にのみ、有意な差が確認できます。 少なくともPull%の変化はダービー出場者とそれに類似度の高いダービー非出場者との間で有意に差がありそうです。

ちなみに、箱ひげ図でPull%の変化を比較したものが以下になります。

打者が慣れやすい球種

Sat, 07 Jun 2025 00:00:00 +0000

有名な周回効果について、脇道にそれた話題を。

周回効果に慣れが関わることはまず間違いないですが、その現象が存在するということが実際には打席によって離散しているとは考えづらいでしょう。

上図は同打席内において当該球種が2球投げられた際のRun Valueの変化です。

これを見るとBreaking系の球種の方が打者は慣れによる恩恵を受けやすく、Fastball系、Offspeed系は比較して慣れによる恩恵を受けにくい球種となっています。大きい変化ほど意外性という面で投手有意に働いている感覚はあります。意外性は見方を変えると慣れによるリスクの高さでもありますので経験則的には腑に落ちる結果となっています。見事なくらいKCとCU、STとSLの数値が近く面白い結果だなと思いますが、同じFastball系でもFFとSIの差が大きい部分について深堀してみたいとも思いました。

打球角度によって変わる打球速度の重要度

Sun, 01 Jun 2025 00:00:00 +0000

フライボール革命という言葉が普及するにつれそれに対するいろいろな持論が展開されていますが、多くあるものとしてパワーのない打者に焦点を当てたものがあります。

では前提として打球速度の重要性が打球角度によって変わる様を確認しておきましょう。

wOBAを目的変数、打球角度を制御変数として打球速度の係数を算出したものです。

周知の通り、ゴロやポップフライは打球速度にほぼ影響を受けません。打球角度28°前後のフライ打球は打球速度の影響を濃く受けます。

この打球角度による打球速度の重要性という視点がフライボール革命の核です。

この大前提を理解、把握した上でSweet Spot内かつ打球速度に影響を受けづらい打球角度17°前後を目指す鍛錬は合理性はあるように感じますが、打球速度が重要となる打球角度も隣接している以上、打球速度を向上させられればその許容範囲が広がるということですので打球速度革命から簡単には逃れるべきではないと考えています。

ちなみに同じ打球速度でもその分布が上図に沿うような分布の方が打球価値としては正しくなります。

自身の打球速度の出力分布を重ねた例がこちらです。 Y.ディアスよりギャロの方が打球価値としては正しい分布をしています。ただ、上記の分布にはバット軌道は密接に関わりますし、それは非打球にも影響を及ぼすので一概には言えないという難しさを秘めています。各選手の才能を見抜き適切なバット軌道を作っていく作業が必要にはなってくるでしょうが、バット軌道の変更は可逆性は低いものと認識していますので育成初期段階でその才能を見極める必要があるということを考えるとまだまだ安定度の高い打者育成は難しいのかなとも思います。

フライボール革命は変なボールを使うなどしない限り、野球にとって普遍的な理論を見つめなおした革命ですので自分には当てはまらないと理解を放棄する野球選手はいてほしくないなと考えてもいます。

打球の伸びと水平角度

Fri, 30 May 2025 00:00:00 +0000

基本的に打球の飛距離は打球速度と垂直打球角度によって決まりますが、打球には重量の他にも抗力や揚力が作用しますのでそれらに影響を与える回転数や回転軸も少し影響します。

上記は水平角度と打球速度と垂直打球角度から期待される飛距離からの追加距離の関係です。

基本的に打者は軽い引っ張りの時に飛距離が最大化されます。打球というのは左右非対称なバット軌道から生み出されますので綺麗なセンター返しより少し引っ張り気味の方が回転軸が打球方向に対して素直になり適した揚力が働くものと思われます。

Bat Trackingから打者のズレを可視化する

Tue, 27 May 2025 00:00:00 +0000

投球のDeceptionを指標化する

上記の記事で紹介した打者の予測投球コースからのズレを可視化してみます。

少し表記ミスはあります

実際のバットの通過点は取得できませんが、Bat Pathからでもこのように野球が記述できるのがセイバーメトリクスの楽しいポイントの一つです。

球種、プラトーン別のDeception

Sun, 25 May 2025 00:00:00 +0000

-投球のDeceptionを指標化する

Deception Scoreのリーグ平均値を球種、プラトーン別にまとめます。

Breaking系の球種や速球でもシンカーは「右vs右」や「左vs左」といった同手に対して強く、スプリットやチェンジアップといったOffspeed系の球種はプラトーンによる有利不利が確認できません。

このような傾向に自身の積み重ねた知識理解から違和感を覚えないか、といったレビューは常にしたいですし、今回で言うとカッターのプラトーン格差の無さの中身や速球と遅球でズレる価値の違いなど、違和感を覚えた箇所への修正的アプローチも積み重ねたいと思います。

Bat Pathと投球コース

Sat, 24 May 2025 00:00:00 +0000

試合を見ても、各々イメージしていただいても簡単に分かることではありますが、打者は投球コースによってスイングの形状を変えます。

この現象自体に革新さはありませんが、トラッキングデータの進化により各スイングの形状を測定できるようになった現代ではその現象を革新的に利用できます。

打者が投球コースに合わせたスイングをするということは、スイングの形状から打者が予測した投球コースを推定できるということです。

配球戦略という文脈でも投球の質という文脈でも打者の予測からのズレは言わば目標値のような使われ方はされつつも、空振りや打球イベントといった結果からしか語られないジレンマのようなものもありました。

バットトラッキングはそのジレンマの解消に一歩近づく可能性を秘めています。

打者ごとに標準化したBat Pathを投球コースで可視化したものが以下になります。

綺麗に高めほどフラットに外角ほどフラットになっていることが分かります。このアプローチに潜むバイアスに対処し、予測投球コースの推定の精度を高められれば特に投手の評価について新たな深みを与えられると思います。

投球のDeceptionを指標化する

Sat, 24 May 2025 00:00:00 +0000

-Bat Pathと投球コース

上記の記事のBat Pathから推定した打者の予測投球コースと実際の投球コースのズレを投手指標化してみました。

単回帰×2による予測投球コースからの乖離

打者のズレを指標化してるものですのでもちろん空振りとの相関はある程度確認できます。そして意外と空振りと独立して語られる打球速度の抑制力ですが、理論的にはバットの芯から外すという共通目的からその程度の差によって生まれる二者ですので空振り率に及ぶほどの相関も見せています。

次は一貫性と予測性です。年度間での比較ができるサイズは揃っていないので2024年のデータを投手ごとに分割しそれらの一貫性と予測性を調べました。

一貫性はこの手の指標ではかなり強いと言えるでしょう。一貫性がないと次に進めませんので少なくとも打者の予測からズレる力のある程度の一貫性を確認できたのは良かったです。

予測性もxwOBAconをこの程度予測できるのは強いですがまだ野球の摂理に抗えるほどではないかと思います。

多変量GAMによる予測投球コースからの乖離

スイングの多様性と打球価値について

Thu, 22 May 2025 00:00:00 +0000

高めと低め、内角と外角に対してスイングの形状は変わりますし、変えることは理論的には正しいです。では実際にBat Pathの標準偏差とxwOBAconには関係性があるのでしょうか。

結果としてスイングに多様性がない打者ほどxwOBAconは高くなっています。少なくともMLBという階層においては全ての投球への順応性より自身が対応できるコースへの確実性が打球価値へは好影響を及ぼす可能性がありそうです。

Path SDの中央値付近に高xwOBAcon帯がある可能性も考えましたが、実際は線形に近い分布をしており、打球のみに絞って考えるとほとんどの打者は必要以上に順応性を求めていると言えるでしょう。図にある名前を見ればわかるようにあくまでも打球のみに絞って考えるとですが。

縦振り vs 横振り

Tue, 20 May 2025 00:00:00 +0000

上記はBat Path上位40％と下位40％のグループの2023年と2024年の各指標の相関です。

K%やBB%は特に有意差は観測できませんが、一般的に高価値でありながらその中では不安定なSweet Spot%とそれを内包するxwOBAconの安定度に差が見られます。縦振りの流行には垂直打球角度の重要性の再確認も背景にあり、垂直方向における打球の操作性を求めたスタイルとしての地位はとりあえずは揺るがなそうです。

芯で捉えた打球は伸びやすいか

Mon, 19 May 2025 00:00:00 +0000

不器用な打者と器用な打者の対比において恐らくその芸術性から芯で捉えることの重要性を説く方を見かけます。一概に言えないというのが安牌な答えではありますが、たまに「芯で捉えた打球の方が伸びやすい」といった言説も見かけますのでそれについて調べます。

この図は真芯率と打球速度と打球角度から期待される飛距離との乖離の関係性を示した図です。

特に面白い話はなく芯で捉えることの影響は無視できそうです。

予測スイング率との乖離から投球戦略を考える

Tue, 08 Apr 2025 00:00:00 +0000

投手と打者の対戦が大きな要素を占める野球において、投手が打者に対してどの程度警戒しているかという視点をたまに見かけます。

ただ、それをBB％やZone%という結果から推定する方法は、その結果が生成されるまでのプロセス情報が入手できる今の時代では正直ワクワクしません。

ということで、Pitching+のようなピッチモデリング指標の算出過程を活用します。

例えばハーパーはZone%や3-0率といった結果からお化けみたいな打撃成績を残していない近年も投手から恐れられている印象を抱きますが、少し視点を変えてみるということです。

多くのピッチモデリング指標はその算出過程において、投球の特性からスイング率を予測する工程が存在します。この予測スイング率は打者の情報に影響されません。つまり、打者にとってその予測スイング率との乖離がスイング積極性であり、投手にとってその乖離に対応した予測スイング率の投球をすることに合理性が生まれます。

ちょっとTangoの図っぽくしてみた

上記の図は、x軸に予測スイング率、y軸にその予測からの乖離を示したものです。

例で出したハーパーはZone%と同じように打者の情報を含まない予測スイング率は極端に低いです。しかし、その予測からの乖離もトップクラスに大きく、回帰直線を引くと異常値として目立つほどではないでしょう。対してソトは予測からの乖離は負の方向に大きく、投手はある程度大胆なアプローチをする合理性が生まれますが実際には予測スイング率もかなり低くなっています。

上記の図は打者の実際のスイング率と予測スイング率からの乖離の関係です。もちろんこれらはかなり強く相関しますが、その回帰線からの逸脱具合から歪みのある打者の存在も確認できるかと思います。

もちろんこのような思考にはピッチモデリング指標を利用しない方法もありますが、結果を補正して目的とした成分を抽出する手法よりその結果が出るまでのプロセス情報から目的とする成分を抽出する方が理論的には美しいと思います。問題としてはブラックボックス化しやすいことによる万人への解釈性や再現性といったところかと思います。

打者の慣れはリリーフにも引き継がれるか

Thu, 03 Apr 2025 00:00:00 +0000

同じ投手と何度も対戦することで打撃成績が向上する効果、周回効果について、慣れの側面から少し脇道に逸れたテーマです。

同試合内で何度も対戦する投手はほぼ先発投手です。つまり打者は慣れにおいて先発投手にフォーカスを合わせます。

という前提から、先発投手の次に対戦する投手にも先発投手の慣れは引き継がれている可能性があります。

ということで簡易的ですが調べてみました。

まずは先発投手と二番手投手の利き手の相違で成績が変わるのかというテーマ。

正直なところ、MLBのサンプルサイズに甘えてはいますが先発投手の慣れは中継ぎにも引き継がれていそうです。

次は同じ利き手においても投球フォームの類似度で成績は変わるのかというテーマ。

こちらもそれっぽい結果が出ています。同じ利き手より違う利き手、高類似度より低類似度の二番手投手の方が打者を抑えられています。

今回のように、周回効果という定説の中にある要素を抽出して、その要素から展開できる他の仮説への適用は野球の探究の楽しい部分かなと思います。

ポストシーズンのBABIPについて

Mon, 04 Nov 2024 00:00:00 +0000

今回取り上げるのはポストシーズンの野球の話です。

ポストシーズンや短期決戦において個人的に注目しているのが様々な野球ファンから語られる様々なポストシーズン論です。

ある野球ファンは「小技の重要性が上がる」とか、またある野球ファンは「投手の重要性が上がる」とか、あるセイバーオタクは「ポストシーズンは運」とか、多様な野球論を目にすることのできる楽しい時期でもあります。

これらの議論が成り立つのは、ポストシーズンとレギュラーシーズンに類似点だけでなく相違点も存在する（と認識されている）ためです。

今回はその相違点のうち、BABIPについて紐解いていければと思います。

レギュラーシーズンとポストシーズンの違い

では簡単にレギュラーシーズンとポストシーズンの野球の違いをおさらいしておきます。

ホークアイデータを使う可能性を考えて対象年度は2021年以降としておきます（2020年の特例シーズンは対象外）。

各イベント発生率の違いが以下です。

※2021年以降、野手のみ

大きな違いはK%とBIP（インプレー打球）の結果でしょう。

ポストシーズンではとにかく三振が増え、BIPの結果が悪くなります。

レギュラーシーズンのBABIP .2926…に対して、ポストシーズンのBABIPは .2810…、差にして .0116…が生じています。対象ポストシーズンのBIPは7,483ですので、レギュラーシーズンを基準とするとポストシーズンにおいて7,483 × 0.01158 ≒ 87 のアウトが期待値より発生しています。この87の追加アウトの発生源を推測してみようというのが主題です。

打球によるBABIPの低下

投手と打者については責任分配がややこしいので今回は打球によって低下したBABIPを考えます。

ポストシーズンにおいてのBIPの変化は代表的な4分類から十分に確認できます。以下がBaseball Savantの四分類の割合の比較です。

	GB%	LD%	FB%	PU%	BABIP
レギュラーシーズン	45.2	24.5	23.0	7.3	.293
ポストシーズン	44.3	23.7	23.2	8.8	.281

※2021年以降、野手のBIPのみ

周知の通り、4分類においてBABIP Valueの高さはLD（ライナー）（.622） > GB（ゴロ）（.245） > FB（フライ）（.122） > PU（ポップフライ）（.016）です。

そしてポストシーズンのBIPにおいてはBABIP Valueの高いLD、そこそこのGBの割合は減り、BABIP Valueの低いPUの割合は増えています。

投手、打者にどう責任を分配するかはさておき、打球によってポストシーズンのBABIPが低下していることは明らかです。

例えばこの4分類を使った簡単な xBABIPを求めると、レギュラーシーズンの xBABIP .2926…に対してポストシーズンでは .2859…となり87の追加アウトのうち58%の50個ほどを説明できます。

ただ打球種類の他に打球方向も見ていくと少し変わってきます。

上記表は4つの打球種類と3つの打球方向で打球を12に分類したものです。

ゴロにおいてはBABIP Valueの低い（.190）引っ張りが減少しているように打球方向に関してはBABIPに有利に働く変化を見せており、この12分類の xBABIPでは .2870…、87の追加アウトのうち48%の42個ほどに落ち着きます。

まだあります。

最強打者の特徴【球速編】

Sun, 22 Sep 2024 00:00:00 +0000

テーマは最強打者について。

とりあえず見てもらいたいのが以下のヒストグラム。

今シーズンのMLBの球速分布を示しています。

速球の山と変化球の山が確認できるかと思います。

最強打者達はこの山のどのあたりを得意にしているのか、（相対的に）苦手にしているのか、といったところに興味が湧きましたので簡単に見ていきます。

対象としたのは2015年以降（2020年を除く）の規定打席到達打者。

最強打者は wRC+ が最高の打者でいいとして、n 数の確保のため 95 パーセンタイル以上の wRC+ を持つ打者を最強打者の一人として集めました。各シーズン 7、8人ほどですね。

そして各シーズンで球速帯をそれぞれ投球数が等しくなるように六分割します。

その各球速帯におけるRun Valueの結果を比較してみました。（wRC+ で打者を選んでおいてRVを調べる？？まあ、RVで強打者を選ぶのも結果球のみを分析の対象にするのも微妙でしょう）

球速帯（パーセンタイル）	全体	〜16.7	16.7〜33.3	33.3〜50.0	50.0〜66.7	66.7〜83.3	83.3〜
RV / 100（パーセンタイル）	96.2	79.9	76.4	79.7	82.0	80.6	76.5

Data : Baseball Savant

一番の傑出力を見せたのは球速帯が 50〜66.7パーセンタイルの範囲。

この球速帯は遅めのフォーシーム、シンカーが大部分を占め、残りを速めのカッターやスライダー、チェンジアップなどが占めています。

対して、相対的に対応を苦手としているのが豪速球蔓延る球速帯とスライダー、チェンジアップ、スプリットが大部分を占める球速帯です。

一応例として、今シーズンの球速帯グループの分布を示しておきます。

Data : Baseball Savant

最強打者達は上図で言う黄色の部分を得意とし、その両隣もそこそこに、ただもう一段階離れたら流石に対応力は落ちてしまうよと、でも遅すぎる球速帯なら対応できるよと、そんなところでしょうか。

今回は軽めの note にしたかったので早々に切り上げますけど、面白い見方だなと思いました（絶対他に似たようなことやってる人いますけどね）。

例えば年々高速化しているのが野球界ですから、次の最強打者は上図で言うオレンジを得意としている打者なんじゃないかとかね。

豪速球に強いと良い意味で話題になりやすいけど、実際どうなん？とかね。

今回はパーセンタイルで見ましたけど、絶対値で範囲を区切った見方もすればもう少し深い考察もできるでしょうし。

xwOBAと何を見るか

Tue, 27 Aug 2024 00:00:00 +0000

打者の打撃能力を測る上で相当に優秀な指標である xwOBA。データサイトで手軽に確認でき、野球ファン大好きな上振れ下振れの話にも繋がり、なかなか人気のある指標ですが、他に一緒に見た方が良い指標はないの？といったことを考えていく記事です。

xwOBAとは

xwOBAを真面目に解説するとそれだけで重くなりますので要点を説明すると、xwOBAは play ではなく player を表すことを目的とし、非打球要素はそのままに打球要素は打球速度、“垂直"打球角度に着目し（一応、内野安打が期待されるような打球については走力も考慮される）、それらから期待される wOBAを算出したものになります。

測定対象が play ではなく player という xwOBAの特徴として予測力があります。過去の結果には選手の能力以外のノイズも含まれていますので、そのノイズ（xwOBAでは相手の守備や水平角度など）を適宜取り除いた指標の方が未来の予測には有用です。

実際、xwOBAは来季の wOBA予測において FanGraphs や Baseball Savant にある打撃指標の中では最強の予測力を誇ります。それは打球要素も非打球要素も含む総合打撃指標がほとんどないところが理由でもありますが。

ただ、xwOBAの打球部分 xwOBAconも来季の wOBAconの予測力がトップクラスに高い指標です。

翌年の wOBAconとの関係　Data : FanGraphs, Baseball Savant

ノイズを多く含む wOBAconより打球速度のみを測定対象としているAdjusted EV（88 mph以下の打球を全て88 mphとして算出した平均打球速度）の方が、さらに打球速度以外に打球角度も考慮している xwOBAcon、Barrel%の方が予測力に優れていることが分かるかと思います。Barrel%がxwOBAconより少し優れている点については後ほど説明できるかと思います。

このように xwOBAは単体でも予測力に強みを持ちますが、じゃあ xwOBA以外に何か見るべき指標ってあるの？という話を考えていきます。

2023年のM・チャップマン

2023年、4月の最強打者M・チャップマンを覚えているでしょうか。

M・チャップマン　2023年3,4月成績

wOBA .481（規定1位/181人）

xwOBA .486（規定1位/181人）

BABIP .485（規定1位/181人）

Data : MLB

wOBAだけでなく xwOBAも断トツで文字通りMLB最強打者でした。

チャップマンの wOBAに近い例ではG・ペルドモがいました。彼の去年の初動とその後はまさにMLBファンが xwOBAを気にする理由でしょう。

G・ペルドモ　2023年3, 4月 vs 5月以降成績

wOBA .456 ➡ wOBA .297

xwOBA .301 ➡ xwOBA .271

BABIP .477 ➡ BABIP .265

Data : MLB

Barrels / Whiffs

Mon, 01 Jul 2024 00:00:00 +0000

-Whomps per Whiff, Early 2024 Edition - Ben Clemens

空振りあたりにどれだけのBarrelを生み出せるかという解釈性の高い指標についてです。

翌シーズンのwOBAの予測力

実際に性能としては悪いとは言えないもののxwOBAには劣ります。単純な指標のようでBarrelを使うということはxwOBAが既にある環境ですので簡易的な指標とは言えないでしょう。ただ、K/BBと同じようにスケールを1空振りあたりにすることは、指導面、育成面での選手への翻訳機として機能するかもしれません。

球種ごとの打球の伸びやすさ

Sat, 22 Jun 2024 00:00:00 +0000

飛距離は打球速度と打球角度によってその大方が決定しますが、他の風や気温といった環境以外の要素では打球の回転数や回転効率があります。重力と抗力に適した揚力によって伸びる打球が生まれるという話です。

そこで球種ごとに打球速度と打球角度から期待される飛距離との乖離に差はあるかという点を調べました。

速球が飛びやすく、Offspeedやカーブ系が飛びにくいといった結果から回転数や回転効率の影響が示唆されています。深堀すると面白そうなテーマなのでそのうちNathanの論文と睨めっこしながら考えてみます。

FB/LD EV

Tue, 18 Jun 2024 00:00:00 +0000

Baseball SavantにEV（FB/LD）という指標が追加されました。単純にFBとLDの打球速度の平均値であり、打球分類ごとのEscape Velocityで触れたように、打球速度を上げる意味がほとんどないゴロを打球速度の計算から除外することでより野球的に打球速度を捉えます。

Adjusted EVと考えは似ていますし、やっていることの分かりやすさは打球速度系の指標でもかなり上位かなとは思います。ただ、フライやライナーといった打球分類は客観的な分類が難しい部分もありますし、ある程度のノウハウがないリーグでこの指標を使うのは危険かもしれません。

性能としてはAdjusted EVと変わりません。xwOBAconを見れない環境での妥協案の一つとなるでしょう。

同年度のwOBAconの記述力

翌年度のwOBAconの予測力

xwOBAcon

得点圏打率の捉え方

Mon, 17 Jun 2024 00:00:00 +0000

得点圏打率という人気指標についてです。人気指標であるがゆえに、賢い先人がその脆さを説き、我ら後人が「欠陥指標である」というフレーズを使うだけなのも飽きたので簡単に整理をしておきましょう。

得点圏打率の槍玉に挙げられる特徴はその一貫性の無さでしょうし、現在ドジャース移籍後の大谷がたった1ヶ月の得点圏打率でやいのやいのファン同士で言い合いしています。

もちろん1ヶ月の得点圏打率に信頼度はない

では記述の面はどうでしょう。

対象年度とかフィルター基準とか忘れました

得点圏というファンがレバレッジをかけて観察する場面において、「打率」に注目することで得点確率を説明するのに役立ちます。勝利という面で冷静に見ると出塁率（アウトにならない率）と長打率（塁を進める期待値）から成り立っているOPSが強いでしょうが、ファンの感情としてはRE24の増減ではなく「アウト」「無得点非アウト/得点アウト」と「得点非アウト」くらいで段階的に分布していそうなので得点確率を表す得点圏打率はファンの心情に寄り添えているのかなとも思います。

4月の成績 vs 5月以降の成績

Thu, 02 May 2024 00:00:00 +0000

打者

まずは打者からです。対象とした打者は2015〜2023年(2020年は除く)の３・４月と５月以降でどちらも規定打席に立った打者です。本当は生存バイアス等にも対処した方が良いと思いますが今回は手軽にいきます。

vs 指標自身

まずは指標自身の話です。「4月のBABIPと５月以降のBABIPって相関あるの？」という感じの話。野球ファンからの関心がそこそこ高そうな指標を中心にピックアップしたものがこちら。

各指標の3・4月と5月以降の相関係数（n = 853）

これは野球に限らないことだと思いますが、ファンが第一に気にするような結果ではなく、その結果が出る前の過程を測った指標ほど強い相関を示しています。

打者のアプローチ姿勢(Swing%, Contact%)、打者のパワー(打球速度, Hard Hit%)、打者のスイング軌道(打球角度, GB%, FB%)のようなものはシーズン序盤から安定しても、それらに加え内外の様々な変数が組み合わさった結果完成する指標(BABIP, wOBA等)は安定に時間がかかることは想像に難くありません。

ゴロとフライの境目であるライナー、引っ張りと流しの境目であるセンター返しも安定に時間がかかりますが特に気を付けるべきはライナー。ライナーは他と比べて恐ろしく生産性の高い打球ですが、ライナーの発生確率が信頼に足るサンプルサイズに達するのは500〜600BBEほど。これは上位打線で年間フル出場近く出場しても選手によっては到達できない数字です。

wOBA - xwOBA(0.222)は使用球場の偏りを留意しておく必要はあるでしょう。参考までに、同期間のwOBA - xwOBAはクアーズで .029、ブッシュで -.011です。

Clutch(0.034)、打率 - 得点圏打率(-0.032)は美しいですね。

vs wOBA

次は５月以降のwOBAとの比較です。三振しないことや速い打球を飛ばすことはあくまでも手段です。目的＝勝利に貢献 ≒ 得点に貢献 ≒ wOBAの高い打者は４月のどの指標でその兆しを見せていたのでしょうか。

3・4月の各指標と5月以降のwOBAとの相関係数（n = 853）

一応相対的にカラースケールしてますが軒並みしょぼいです。

xwOBAですら決定係数は0.156、５月以降のwOBAをほとんど説明できません。

気を付けるべきはコンタクト系の指標ですかね。コンタクト系の指標はコンタクト力(という言い方も少し違いますが)を測る指標としては信頼度は高いですが、打者においてコンタクト力は単純に得点創出力に結びつきません。

これはイチローのあの .220 40本発言が野球ファンに違和感なく受け入れられているようにコンタクト能力と長打力にトレードオフ関係があることを直感的に理解している人は多そうです。

実際のトレードオフ関係を定量化するのは割と大変だと思いますが、現状コンタクト力とK%には強い因果があるのに対して、コンタクト力と得点創出力には相関はありません。これの意味するところはコンタクト力の低い打者は三振による損失を他で補っているということです。

2023 min.300PA

丁度良く実例があるので紹介すると、2023年MLBで最も低いK%を記録しながらISO最下位、wRC+は92に甘んじたガーディアンズは昨オフ従来のアプローチ姿勢を打ち破る意向を示し、2024年4月終了時点で昨年からK%の順位を落としながらISO15位、wRC+107とそのトレードオフを成功させています。今年のガーディアンズは要注目です。

Why Guardians’ bid to boost their offense starts with … swinging-and-missing? - Zack Meisel

投手

では投手です。対象とした投手は３・４月と５月以降でどちらも規定投球回に達した投手。

vs 指標自身

打球分類ごとのEscape Velocity

Tue, 09 Apr 2024 00:00:00 +0000

思いつきですが、Escape Velocityの理論(物理の方じゃないよ)を打球分類(ゴロ、フライ、ライナー)ごとにも当てはめてみます。

Escape Velocity

Escape Velocityは簡単に説明すると、88mphまでは打球速度で価値に差がつかないんだから88mphからどれだけEscape(脱出)できたかを評価しようという考えから生まれた指標です。

具体的には60mphと80mphと100mphはEscape Velocityでは0mphと0mphと12mphという扱いになります。

一応確認として、打球速度とwOBAとの関係が以下。

88mph以下を等価で評するEscape Velocityや95mph以上の打球割合を示すHard Hit %の妥当性が確認できるんじゃないかなと思います。

Escape Velocityは同じ平均打球速度でも85mph + 85mph より100mph + 70mphを高く評価しますが上記の関係を考慮すると野球的に正しい指標であると言えます。

平均打球速度とEscape Velocityで特徴のあった打者の例はこちら。

2021~2023、min 200 BBE、順位は512人中、バントは除く

例えばマイク・トラウト、彼は平均打球速度はメジャー32位に甘んじていますがEscape Velocityはメジャー11位の数値です。

例えばMJ・メレンデス、彼は平均打球速度はメジャー23位ですがEscape Velocityはメジャー84位です。

メレンデスがトラウトより平均して速い打球を飛ばしたことは間違いではないですが、野球的にトラウトより"良い"打球速度を出していたわけではないということです。

今回はこの理論を打球分類ごとにも当てはめたり、打球速度とwOBAの関係を打球分類ごとに見ていきたいなという回です。

ゴロ

まずはMLBではすっかり負け打球扱いされているゴロです。

当たり前ですがそもそもの価値の低さが目立ちます。Escape Velocityの理論もなんとか当てはめられそうですが、その閾値は全打球の時より低く設定できそうです。バントやハーフスイングが含まれていて信頼区間の幅も広い低速打球を取り除いて拡大したのが以下。

Escapeできていると言えそうなのは81mphぐらいからでしょうか。全打球では88mphが閾値ですがゴロに限ると80mph程度かなと思います。

仮に80mphを閾値に設定した場合の2021~2023のゴロのEscape Velocityトップ10とワースト10がこちら。

2021~2023、min 100 GB、Ovr Rk.は全打球のEscape Velocityの順位を466人換算したもの

トップ10には当然パワーヒッターが並びますが、W.カルフーンやM.ビアリング、K.ヘイズのような全打球のEscape Velocityでは上位にいなかった選手が気になります。結論を述べると彼らはパワーツールをフライやライナーと比して極端にゴロに使っています。後にまた語りますが良いとは言えないでしょうね。