本文目录导读：
在足球数据分析和开源项目（如基于 StatsBomb、Wyscout 等公开数据的模型）中，扑救成功率对比赛结果和球队排名的实际影响，远比传统印象中小,以下是几个层面的分析：
从数据模型的角度
整体影响力有限,原因在于：
- 样本量小：一场比赛门将面对的射正通常只有 3–5 次，单场扑救率的波动极大,统计噪声远大于信号。
- 射门质量差异：扑救成功率不区分射门难度，一个门将面对的全是禁区外远射，扑救率自然高；面对单刀和点球则相反。
- 预期进球模型（xG）的普及：开源项目更倾向于用 "扑救超出预期"（Goals Saved Above Expected, GSAx / PSxG+/-） 来衡量门将,而不是原始扑救率。
量化估计
多项公开研究和模型给出的结论大致是：
| 指标 | 大致影响 |
|---|---|
| 门将整体对积分的贡献 | 赛季层面约 3–8 分（顶级 vs 平均门将） |
| 扑救率单变量对比赛结果的解释力 | < 5% 的方差 |
| 相比进攻（xG 创造）和防守结构 | 门将影响明显更小 |
换句话说，一个赛季里，门将的差异大概相当于 1–3 场胜利的价值,而顶级前锋与普通前锋的差距往往更大。
开源项目中的常见处理
在 GitHub 上的足球分析项目（如 soccerdata、mplsoccer、StatsBomb 开源数据相关仓库）中：
- 很少直接用扑救成功率作为核心特征
- 更常用 PSxG-GA（Post-Shot xG minus Goals Against）、GSAx
- 门将通常被建模为 "最后一道防线"，而非主要变量
- 在预测模型中，门将特征的权重经常排在进攻、控球、防守组织之后
在开源足球分析社区的主流观点里：
扑救成功率是一个"结果指标"而非"能力指标"，它对比赛结果的边际影响被普遍认为是中等偏小——大约占球队表现解释力的 5% 上下，赛季价值 3–8 分。
真正被看重的是"超出预期的扑救"，因为那才剔除了射门难度的影响，反映门将的真实能力，单纯的扑救成功率，因为受防守体系和射门质量干扰太大,在严谨模型里权重通常被压低。
