晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

偶然看到舊聞，2010年9月新聞報導，在當時大聯盟投球局數超過40局的救援投手中，郭泓志不但防禦率最低，另一個較客觀評估投手表現的FIP值（Fielding Independant Pitching），也高居排頭。

防禦率計算要件是責任失分，但責任失分和隊友守備密不可分，因此有人發展出FIP的計算方式，將守備因素扣除，可以更精確的反應投手狀況。【FIP是利用統計學計算方式，方式為（被全壘打數x13+死球x3-三振x2)/投球局數，然後再加上3.2。】

一時興起，到中職官網紀錄統計裏，下載了2010各隊投手的防禦數據。同樣選擇投球局數超過40局的投手（剛好也是40位），用同樣公式計算FIP，有趣的是，FIP竟然出現負值（興農蔡明晉-1.64、兄弟庫倫-1.52），當然這也不是沒有可能，從公式看，只要三振數夠多，的確有負FIP值的可能。

R²=.306，看起來是有股趨勢，防禦率和FIP是相關的，防禦率愈大、FIP也愈大，不過在防禦率2~4之間，FIP的變化頗大。有幾個極端值可以觀察一下，最上面那點是兄弟葉丁仁，雖然防禦率3.86，但FIP卻超高14.62，可見隊友在他上場時蠻幫他的。最左邊那點是Lanew許銘倢，防禦率1.30不錯，但FIP卻高達4.53，也是一個幸運兒。不過防禦率很高，但FIP卻很低的倒沒有，可見如果隊友不幫忙，光靠投手自己很強，大概也沒法降低自己的防守狀況。

話說回來，如果想發展台版的FIP呢？用同樣的指標，該用什麼方法呢？試試主成份分析法吧！它可以將多變量資料轉化為單變量的技術（陳正昌等4人，2005），在SPSS軟體裏選用因素縮減（Data Reduction，跟作因素分析一樣），萃取方法用主成份（principal components），但不要轉軸，且記得勾選「顯示因素分數係數矩陣」。經過分數約分，我找到了以下公式：

FIP=（被全壘打數x8-四死球x5-三振x9) /投球局數

不一樣的地方是，在台灣，四死球竟是降低FIP的重要因素之一，即保送愈多，FIP會降低，這跟投手防禦概念似乎相反，難道都是故意保送，避開強打？原因有待深入探討。但三振的權重提高了，可見K！K！K！還是投手勝利的保證。（以上僅取一年的資料，純屬趣味）