PER (球員效率值)
將球員所有正面貢獻與負面表現整合為單一數值。聯盟平均值固定為15.0,超過20被視為明星級表現。
計算公式:
PER = (得分 + 籃板 + 助攻 + 抄截 + 阻攻
- 失誤 - 投失) × 調整係數
────────────────────────────
上場時間
NCAA頂尖新秀:25-30
NBA全明星:20-25
NBA先發:15-20
Basketball Selection Analytics - 數據驅動的選秀決策
現代籃球選秀已進入數據分析時代。傳統的球探報告雖然重要,但量化指標能提供更客觀的評估框架。我們的系統整合進階統計數據、生物力學分析、心理測評與歷史選秀模式,建立多維度的球員評級模型。
本系統專注於可預測性指標:不僅評估球員當前表現,更重要的是預測其NBA生涯的成功機率與發展潛力。透過機器學習演算法分析過去20年的選秀數據,我們能識別哪些大學時期的指標最能預測職業生涯表現。
將球員所有正面貢獻與負面表現整合為單一數值。聯盟平均值固定為15.0,超過20被視為明星級表現。
考慮三分球與罰球價值差異的綜合得分效率指標。比傳統FG%更能反映實際進攻貢獻。
控球後衛最關鍵指標。反映球員決策能力與場上視野。高比值代表更成熟的比賽閱讀能力。
球員在場時球隊進攻回合中的參與比例。高使用率配合高效率是超級巨星的標誌。
估算球員每100回合相對於聯盟平均的貢獻值。分為進攻BPM與防守BPM。
估算球員每48分鐘為球隊貢獻的勝場數。整合進攻與防守端的整體影響力。
我們的專有模型整合12個關鍵指標,透過加權平均計算綜合評分(0-100分制):
| 指標類別 | 權重 | 子指標 |
|---|---|---|
| 進攻效率 | 30% | TS%, eFG%, PER進攻部分, USG% |
| 防守影響 | 25% | DBPM, DWS, 防守籃板率, 抄截+阻攻率 |
| 組織能力 | 20% | AST%, AST/TO, 傳球創造得分 |
| 籃板掌控 | 15% | TRB%, ORB%, DRB% |
| 整體貢獻 | 10% | WS/48, BPM, VORP |
不同位置的評估重點差異顯著: