本文目录导读：
在足球数据分析领域,开源项目对禁区外远射的结论通常是：是的，从期望进球的角度看，禁区外远射的得分概率确实显著偏低。 但这个结论有一些重要的限定条件，不同项目的具体结论也有差异。
数据层面的基本事实
从大量比赛数据统计来看：
- 禁区内射门的转化率通常在 12%–20% 左右（因联赛和位置而异）
- 禁区外远射的转化率通常在 2%–5% 左右
- 也就是说,一脚远射的期望进球大约只有禁区内射门的 1/4 到 1/6
这是几乎所有公开数据集（StatsBomb、Wyscout、Opta 等）都一致呈现的规律。
开源项目中的典型处理
xG 模型
大多数开源 xG 模型（如 StatsBomb 的公开模型、Various GitHub 上的 xG 实现）都会把距离作为最重要的特征之一，禁区外射门的 xG 值通常被压得很低（0.01–0.05 区间），有些模型还会加入角度、是否头球、助攻类型等特征，但距离的权重始终最大。
战术分析类项目
像 socceraction、football- analytics 这类项目在做动作价值评估时，往往会给远射一个较低的 VAEP 或 xT 增量，原因不仅是直接得分概率低，还因为远射往往意味着进攻回合的终止——球权大概率会交给对方（门将开球或防守方解围）。
射门选择模型
一些项目会构建“这个位置该不该射门”的决策模型，结论通常是：除非球员有远超平均的远射能力，否则在大多数位置选择远射是负期望决策。
需要注意的限定条件
把“远射得分概率低”直接等同于“不该远射”是过度简化：
- 比分和时间情境：落后且时间不多时，远射的边际价值上升——即使期望进球低，但“不射就完全没机会”。
- 球员个体差异：像库蒂尼奥、德布劳内这类球员的远射转化率显著高于联盟平均，模型如果不做球员分层会低估他们的远射价值。
- 战术牵制作用：持续的远射威胁会迫使防守方压出，从而为禁区内创造空间，这种间接价值很难被单次射门的 xG 捕捉。
- 反弹和二次进攻：远射即使不直接进球，也可能造成门将脱手、角球等二次机会，部分模型（如 VAEP）会通过后续动作来间接体现这部分价值。
- 样本偏差：很多远射是在进攻已经陷入僵局时被迫选择的，这些射门本身质量就低，不能完全归因于“远射”这个行为本身。
开源项目的主流结论是：从单次射门的期望进球来看，禁区外远射确实是一种低效的得分方式，大多数 xG/VAEP 模型都会给出很低的估值，但成熟的项目通常不会简单地说“不该远射”，而是会在特定情境、特定球员、特定战术框架下重新评估远射的价值，如果你在看某个具体项目（比如某个 GitHub 上的 xG 模型），可以看它是否把距离、角度、球员能力、比赛状态都纳入了特征——这决定了它对远射的判断有多细致。
