Följer

Populära lag

Populära spelare

Populära ligor

Vilka Allsvenska lag skapar och släpper till de bästa målchanserna?

Allsvenska Bloggen

I Premier League pratas det allt mer om xG för att få fram vettig(are) fotbollsstatistik. Alexander Tanskanen (Twitter: @zorba138, blogg: Taketheshot.co) är en av de få som även samlar ihop den statistiken för Allsvenskan. Så, blogg med honom om det.

Först det enkla: vad är “Expected Goals”?

AT: Expected Goals, eller xG, är en ungefärlig uppskattning av olika målchansers värde, det vill säga hur pass ofta de “borde” resultera i mål. Lag och spelare som lyckas spela sig fram till bra lägen match efter match har större chans att göra många mål. En viktig komponent i en xG-modell är målchansens avstånd till målet – ju närmare desto bättre.

Om man vill ha mer info om xG så finns en FAQ i botten av bloggposten.

Hur många mål varje lag förväntas göra och släppa in per match

AT: Genom att summera xG-värden hos de målchanser som skapas för och emot ett lag, kan en del sägas om deras skicklighet både offensivt och defensiv. Till exempel skapar Malmö och AIK bäst målchanser medan Häcken är sämst på att förhindra motståndarens offensiv.

Annons

thumbnail_01

Lagens förväntade målskillnad per match

AT: Målskillnad hör ofta ihop med ett lags skicklighet. Genom att se på xG-skillnad (xG för minus xG emot) kan vi istället ranka lagen utefter kvaliteten på de målchanser de skapar och släpper till. Malmö leder här klart, eftersom de är skickliga på att skapa bra målchanser samtidigt som de begränsar motståndarnas offensiv.

thumbnail_02

Hur många mål per 90 minuter som varje spelare förväntas bidra med

AT: Genom att ta hänsyn till hur många minuter olika spelare har varit på planen går det att få en bra bild av vem som bidrar med mest xG. Malmös Vidar Kjartansson är den spelare som hittills hamnat i bäst målchanser.

thumbnail_03

xG-skottkarta på Kjartanssons alla avslut i Allsvenskan 2016

AT: Ser vi till de positioner Kjartansson avslutat från är det enkelt att förstå varför han just nu leder xG-ligan: Många avslut innanför straffområdet betyder ofta höga xG-värden.

Annons

thumbnail_04

FAQ med Tanskanen om xG

Vad är Expected Goals?

Expected Goals eller xG är i grund och botten ett sätt att försöka separera prestation och resultat när man tittar på spelare, lag och enskilda fotbollsmatcher. Det har visat sig att den statistik vi är vana vid att se kring matcherna – antal skott, bollinnehav och så vidare – inte säger speciellt mycket om ett lags kvalitet och därför inte heller är så användbar vid djupare analys. Vi kan nog alla räkna upp lag som regelbundet lyckas vinna utan att hålla i bollen som Barcelona eller genom att skjuta massvis med skott per match. Inte ens resultatet i sig garanterar en särskilt god bild över hur lagen har presterat – det händer ju regelbundet att ett bättre lag misslyckas med att få hål på en storspelande målvakt och missar sina många klara lägen, medan motståndarna lyckas sno åt sig en 1-0 vinst genom en av sina få målchanser.

Annons

Expected Goals försöker råda bot på detta genom att se på den faktiska kvaliteten på de målchanser som skapas under en match. Detta görs genom att analysera egenskaperna hos ett stort antal målchanser för att bilda sig en uppfattning om vad det är faktiskt styr spelare och lags målproduktion i grunden – detta genom att räkna hur ofta olika typer av målchanser resulterar i mål. Avståndet till målet är såklart den viktigaste faktorn, det säger sig självt att det är enklare att göra mål ju närmare man är. Modellen utgår sen från att de egenskaper som styrt målproduktionen tidigare kommer fortsätta göra det på samma sätt inom den närmsta framtiden.

Som ett exempel har ca 76 % av straffsparkarna från Superettan och Allsvenskan från säsongen 2011 och framåt resulterat i mål. Vi ger därmed en straffspark xG-värdet 0.76. Man kan helt enkelt säga att en straff är värd 0.76 mål. Jämför vi med ett vanligt skott från straffpunkten så är den endast värd ca 0.25 xG. En viktig sak att komma ihåg är dock att en xG-modell aldrig ska ses som en absolut sanning. Till exempel så kommer vi aldrig kunna mäta alla de faktorer som påverkar en målchans fullt ut – har målvakten solen i ögonen, blåser det kraftigt åt höger, hur pass trött är skytten, och hur är det med hans självförtroende just i detta tillfälle? Ett xG-värde ska dessutom ses som ett medelvärde, motsvarande en spelare mitt i talangskalan. Självklart har Zlatan Ibrahimovic större chans att göra mål i de flesta lägen än vad till exempel Andreas Granqvist har, något som en xG-modell oftast inte tar hänsyn till. Istället ska xG ses som ett förenklat sett att mäta kvaliteten på målchanser – en förenkling som dock visat sig vara väldigt användbar om man är medveten om begränsningarna.

Annons

Finns det olika modeller?

Som nämnts ska Expected Goals ses som förenklad modell av verkligheten. Det innebär att man kan ställa upp många olika modeller, det enda begränsningen är egentligen den data som finns tillgänglig. När det gäller svensk fotboll är möjligheterna väldigt begränsade, men för de större ligorna finns det ett antal statistikföretag som samlar in mängder med detaljerad statistik från varje match. Utifrån detta kan man sen bygga en xG-modell som till exempel tar hänsyn till fasta situationer, vilken typ av avslut som tas, vilken typ av pass som ledde till målchansen eller om chansen kommer av en kontring. Såna modeller visar till exempel att nickar inte är ett särskilt effektivt sätt att göra mål på. Om vi jämför med de tidigare exemplen med avslut från straffpunkten så skulle en nick härifrån ges ett betydligt lägre xG-värde än ett vanligt skott. Det finns till och med modeller som tar hänsyn till chanser som aldrig ens resulterar i ett avslut, men en gemensam svaghet för alla typer av xG-modeller är att försvararnas positioner inte finns tillgängliga i datan. Eftersom det självklart är större chans att göra mål om man är ensam med målvakten än om flera försvarare står i vägen och kan blocka skottet, är detta tyvärr en stor svaghet.

Annons

Hur användbara är siffrorna, enligt dig?

Expected Goals kan användas till många saker. Eftersom det i grunden handlar om en sannolikhet, är xG användbart för en rad olika beräkningar. Till exempel kan vi utifrån enskilda målchansers xG-värden göra en uppskattning av hur sannolikt ett matchresultat är, hur många poäng ett lag i snitt har ”förtjänat”, eller hur sannolikt det är att en spelare har gjort ett visst antal mål. Dessa uträkningar och simuleringar ger dock som bäst en mycket förenklad bild, och vill man använda xG för att förutspå framtiden krävs mer avancerade metoder.

Många stora lag ute Europa har avtal med statistikföretagen och har säkerligen även anställda som bygger xG-modeller – till exempel har Arsène Wenger flera gånger nämnt xG under presskonferenser och intervjuer. Expected Goals kan om det används rätt ge en översiktlig bild av hur spelare och lag presterar, och delvis även belysa vissa taktiska drag som kan vara nyttigt för coacher att hålla reda på. Skjuter motståndaren mest spekulativa långskott med låga xG-värden eller är de bra på att spela sig fram till högkvalitativa lägen inne i straffområdet? Behöver vårt eget lag bli bättre på att komma in och ta avslut i boxen?

Annons

Scoutingmässigt kan en xG-modell användas för att snabbt få fram en lista över tänkbara värvningar och få en bild av hur de har presterat. Dock gäller detta dock bara offensiva spelare då xG på spelarnivå främst ska ses som ett mått på offensiva kvaliteter.

Är 13 matcher tillräckligt många för att få ett underlag som är bra nog?

Expected Goals kan som sagt vara användbart, men det är viktigt att påpeka att enskilda fotbollsmatcher ändå innehåller såpass mycket slumpmässiga moment att det är svårt att med exakthet mäta hur mycket bättre det ena laget faktiskt spelade. Som många andra mått fungerar xG bäst när man har ett större underlag att utgå från. Över längre tid kan vissa mönster bli väldigt tydliga, till exempel genom att jämföra ett lags xG mot de verkliga resultaten.

När det gäller enskilda spelarprestationer är det viktigt att poängtera att xG precis som antal mål eller assists alltid ska ställas mot hur mycket speltid spelaren i fråga har fått. För att rättvist kunna jämföra spelare mäts alltid hur de har presterat per 90 spelade minuter. Det är lättare att hålla en hög nivå över en enda match, en halvlek eller ett kort inhopp – men en riktigt talangfull spelare klarar av att prestera över längre tid.

Annons

@jonas_hansson

samt

Alexander Tanskanen (Twitter: @zorba138, blogg: Taketheshot.co)

Publicerad 2016-07-15 16:40

Kommentarer

Visa kommentarer

Arkiv

Annons
ANNONS
next recommended article
Nästa
ANNONS
fotbollskanalen

Skapa ett gratis konto eller logga in för att få en anpassad nyhets- och matchupplevelse av Fotbollskanalen. Följ dina favoriter:

Spelare
Lag
Ligor & turneringar
Bloggar & poddar
Samma konto på Fotbollskanalen, C More och TV4 Play.
Skapa konto