根据开源项目，传球成功率与胜率相关性？

本文目录导读：

1. 开源项目与数据来源中的发现
2. 为什么相关性不强
3. 实践建议（若做开源分析）

传球成功率与胜率的相关性”，在足球数据分析开源社区中有不少相关研究和数据集，下面从几个角度来说明：

传球成功率与胜率存在正相关，但相关性中等偏弱（r ≈ 0.2–0.4），且高度依赖球队风格、联赛水平和位置分区。 它不是一个强预测指标——高传球成功率的球队不一定赢球（如控球型保级队），低传球成功率的球队也可能赢球（如直接打法/反击型强队）。

开源项目与数据来源中的发现

StatsBomb Open Data

• StatsBomb 在 GitHub 上公开了部分赛事（世界杯、女足、部分联赛）的事件数据。
• 社区分析（如 statsbombpy 相关 notebook）显示：胜队的平均传球成功率通常略高于负队（约 +3~5 个百分点），但平局场次差异不明显。
• 关键发现： progressive passes（向前推进传球）成功率比总传球成功率与胜率的相关性更强。

Football-data.co.uk + 社区分析

• 该站提供免费的历史比分与赛季统计（含传球成功率，来自 Opta/其他供应商）。
• 多个 Kaggle/GitHub 分析项目（如 EPL 赛季回归分析）报告：
  • 单赛季球队层面：传球成功率 vs 积分的 Pearson r 约 3–0.5（强队普遍传球成功率高，存在混淆变量）。
  • 比赛层面：相关性明显下降，约 1–0.3。

FBref / fbref 数据（Sports Reference）

• 通过 soccerdata 等 Python 库抓取。
• 社区回归分析常见结论：控球率、传球成功率、射门数共同解释胜率时，传球成功率的边际贡献较小，射门质量和预期进球（xG）才是主导变量。

学术/开源研究

• 多篇使用开源数据的论文（如基于欧洲五大联赛的事件数据）指出：
  • 传球成功率与控球率高度相关（r > 0.7），与胜率的相关性大部分被控球率“中介”。
  • 按区域拆分后，进攻三区传球成功率与胜率的相关性显著高于全场平均值。
  • 落后时的传球成功率往往上升（对手退防），存在因果方向混淆。

为什么相关性不强

1. 风格混杂：控球型球队传球成功率高但未必高效；反击型球队传球成功率低但转化率高。
2. 比分情境效应：领先方常降低风险传球，落后方被迫冒险。
3. 样本与聚合层次：球队赛季层面相关性 > 单场比赛层面。
4. 混淆变量：球队实力、对手强度、比赛状态。

实践建议（若做开源分析）

• 用比赛层面数据而非赛季聚合，控制对手强度。
• 拆分传球区域（自家半场/中场/进攻三区）和传球类型（progressive、key passes）。
• 结合 xG/xT 等指标做多变量模型，传球成功率的独立解释力有限。
• 注意数据供应商差异（Opta vs StatsBomb 对“成功传球”定义不同）。

一句话总结：开源数据普遍显示传球成功率与胜率正相关但较弱，进攻三区传球成功率、推进性传球等细分指标比总传球成功率更有解释力，单独用它预测胜率并不可靠。