運氣還是實力？
2025 CPBL BABIP 回歸分析

1. 什麼是 BABIP？聯絡安打的本質

BABIP（Batting Average on Balls In Play）是「在場內球情境下的打擊率」— 只計算打到場內（不含全壘打和三振）的結果。

一個打者的 BABIP 由三個力量共同決定：打球品質（打線速度、仰角）、守備表現（對方守備好不好）、以及運氣（球落在哪裡）。

MLB 研究顯示，長期 BABIP 的聯盟均值約在 .295–.305 之間，2025 CPBL 的上半季聯盟平均為 .304，與 MLB 歷史數據高度吻合。

2. 均值回歸：上半季運氣好，下半季打回原形

均值回歸（Mean Reversion）的概念很直觀：如果一個打者的表現有一部分由運氣驅動，那麼隨著打席數增加，運氣成分會逐漸抵消，最終回歸到真實能力值。

我們分析 74 位達到資格打席數的打者，比較他們的上半季 BABIP與下半季打擊率變化（ΔAVG）。

散點圖的趨勢線斜率為 -0.4946，R²=0.2652。這代表：上半季 BABIP 每高出聯盟均值 .100，預計下半季打擊率會下滑約 .049。

3. 回歸斜率 -0.49：CPBL 的回歸比 MLB 更強？

在 MLB 的同類研究中，BABIP 的半年回歸斜率通常落在 -0.2 到 -0.35 之間。CPBL 的 -0.4946 明顯更高 — 上半季的幸運成分在下半季被「糾正」得更徹底。

有幾個可能的解釋：

4. 王順和案例：.435 BABIP 到底有多誇張

王順和的上半季 BABIP .435 是 74 位資格打者中的最高值，比聯盟均值 .304 高出整整 .131。

為了讓這個數字有感，可以這樣理解：他每 10 顆打到場內的球，有 4.35 顆變安打。即使是 MLB 中靠速度出名的打者，長期 BABIP 維持在 .370 以上都極為罕見。

下半季，王順和的打擊率下滑了 .136，是整個分析中最大的單一降幅。即使是模型預測的 -0.49 斜率，對 .435 的 BABIP 也只預測 -0.064 的 ΔAVG，實際回歸幅度幾乎是模型預測的兩倍。

這可能反映了一個複合效應：運氣回歸 + 打擊技術問題（可能是對手針對性調整了配球策略）的雙重打擊。

5. 抗回歸打者：胡金龍為什麼沒掉

胡金龍的上半季 BABIP .379 是前五高，但下半季打擊率非但沒有下滑，反而上升了 +.013。這是一個統計上的顯著例外。

抗回歸通常對應以下真實能力：

6. R²=0.27 的意思：運氣 vs 實力的比例

R²（決定係數）= 0.2652，代表上半季 BABIP 能解釋下半季打擊率變化的 26.5%。剩下的 73.5% 由其他因素決定（打擊技術改變、傷病、對手調整、賽程等）。

這個數字的解讀應該是：BABIP 是一個有意義但不完整的預測信號。它能告訴我們打者有多少「運氣成分」需要修正，但不能單獨作為預測下半季表現的工具。

更好的預測模型應該同時納入：Barrel Rate（優質擊球率）、Exit Velocity（出棒速度）、Sprint Speed（跑速）— 但這些數據在 CPBL 目前尚未公開，這也是我們只能以 BABIP 作為 proxy 的根本原因。

7. 方法論與限制

資格標準：上半季達到最低打席門檻的 74 位打者。同時要求下半季有足夠打席數，確保 ΔAVG 有統計意義。

BABIP 計算：使用標準公式 (H - HR) / (AB - K - HR + SF)。資料來源為 Rebas Open Data 逐打席記錄（PA 表）。

回歸模型：OLS 線性回歸，以上半季 BABIP 為自變數，下半季打擊率變化（ΔAVG = 下半季 AVG - 上半季 AVG）為因變數。

完整互動式 BABIP 圖表與所有 74 位打者的詳細數據請見 BABIP 分析頁面。