大谷今年以大合約轉會到道奇隊，作為擊球手他取得了54支全壘打和57個盜壘的驚人成績。
今年他也憑藉強大的力量打出大量本壘打，但我有點擔心，所以我嘗試將今年（2024年）常規賽和去年常規賽的擊球速度和本壘打角度可視化。
下圖左側顯示了今年的54支全壘打，右側顯示了去年的44支全壘打的退出速度和發射角度。
*資料引用：大谷全壘打資料摘自BaseBall Savant
該圖還包括密度（JMP 中的等高線）來表示分佈，您可以看到今年和去年之間的差異。尤其如果你看今年的等高線，你會發現它分成兩組。
接下來我們仔細看看去年和今年的擊球速度和角度的分佈。下圖中上圖（藍色）顯示了擊球速度的分佈，下圖（紅色）顯示了擊球角度的分佈。作為參考，去年和今年的平均值顯示為一條線。
今年和去年的平均擊球速度相同，均為 175.5 公里/小時，但今年的變化較大。另一方面，今年的平均擊球角度較高（去年為27.9°，今年為30.0°），今年的變化較大。
將今年的主場比賽分成兩組
今年的擊球速度和角度透過（層次）聚類分析分為兩組。
第 1 組（橘色，N = 25）：LA：高，EV：低（平均）擊球速度慢且角度高的組別。
第 2 組（紫色，N = 29）：LA：低，EV：高（平均）一組具有高擊球速度和低角度。
第1組是拋物線高的全壘打，第2組是打擊速度高且形狀類似內線的全壘打。
在棒球運動中，有一個稱為「 桶區」的指標，透過擊球速度和角度來衡量擊球效率。根據這個指標，高速擊球時，角度影響不大，但低速擊球時，需要合適的角度。例如，當球速為98 英里/小時（158 公里/小時）時，桶區為26° 至30°，但當球速為116 英里/小時（187 公里/小時）時，桶區為8° 至50° 。
基於這個想法，可以說第一組有很多錯過桶區的本壘打，雖然不是有效的安打，但也有最終成為本壘打的情況。
決定全壘打軌跡的因素有哪些？
那麼，區分這兩個群體的因素是什麼？ 我列出了以下六個看起來很容易理解的內容。
| 多變的 |
尺度 |
解釋 |
| 上半場/下半場 |
名義 |
全明星賽前（上半場）、全明星賽後（下半場） |
| 釋放速度 |
連續的 |
球速（擊出全壘打的球的速度） |
| 釋放旋轉速率 |
連續的 |
轉數（擊出全壘打的球的轉數） |
| p_拋出 |
名義 |
對方投手的左右 |
| 擊球/球 |
名義 |
擊球區域（擊球、球） |
| 主場/客場 |
名義 |
主場比賽、客場比賽 |
我們研究了這些變數與前面提到的本壘打組之間的關係。
首先，使用[雙變量關係]並為 Y 指定（本壘打）組（標稱規模），並為 X 指定上面列出的六個變數。如果 X 是連續的，則顯示邏輯擬合報告；如果 X 是名義的，則顯示列聯表分析報告。在顯示的六個報告中，執行[按最佳顯示顯示]選項時，此處顯示前兩個報告。
在左側的邏輯迴歸報告中，X 軸是球速度（release_speed）。可以看出，球速越高，被歸類在第2組（球速更快、角度更低）的機率就越高。這似乎表明球速越快，球被擊回的速度就越快。
右側列聯表分析報告顯示，全明星前（第一）第2組的比例較高，全明星後（第二）第1組的比例較高。然而，沒有統計上的顯著差異。
基於這些結果，我們使用「分區」 （決策樹）進行分支來預測組別之間的差異。
大谷打出了 54 支全壘打，這很好，但對於分區中使用的數據來說可能有點小。然而，這裡顯示的一些結果是作為探索性分析。它首先在球場速度（79.7 英里/小時）處出現分歧，然後在全明星賽前和全明星賽後，球場速度為 79.7 英里/小時或更高的組別出現分歧。
在球速為 79.7 英里/小時或更高的 49 個本壘打數據中，我們可以看到，左側組的第 2 組比例較高（=0.6923），右側組的第 1 組比例較高（ =0.5217）。
也就是說，即使是球速較高的情況，在全明星時期之後，因擊球速度較慢、角度較高而導致本壘打的情況也增多。
因此，我使用“放大鏡工具”放大了擊球速度和角度的圖表，並將繪圖點更改為本壘打數字。全明星賽季後的第一支全壘打是第 25 名，但第 1 組包括許多第 25 名之後的全壘打。
你們中的一些人可能還記得在賽季後半段看到一些高軌跡本壘打。
除了全壘打之外，大谷今年的打擊率（打擊區的打擊百分比）在大聯盟排名第二（21.5%），僅次於洋基隊的法官。可以看出他整個賽季的擊球效率都很高，但是今年的本壘打方面，即使是低效率的擊球，本壘打的數量似乎也有所增加。這是否也體現了大谷壓倒性的力量呢？
by 増川直裕（JMP Japan）
Naohiro Masukawa - JMP 使用者社區
