大巨蛋真的壓制打擊嗎？2025 CPBL 球場因子全解析

1. 什麼是 Park Factor？

同一位打者在樂天桃園主場打出 .320，在大巨蛋客場只打 .265 — 這個差距，有多少是打者本人的問題，又有多少是「球場」造成的？Park Factor（球場因子，PF）就是用來量化這個差距的工具。

計算邏輯很直觀：

比較同一支球隊在主場和客場的每場得分（RPG）
PF = 主場 RPG ÷ 客場 RPG
PF > 1.00 表示主場比客場更容易得分（打者友善）；PF < 1.00 表示主場壓制打擊（投手友善）

          白話翻譯：PF=1.15 代表在這個球場打球，每場比賽會多產生 15% 的得分；PF=0.86 代表每場會少 14% 的得分。這對球員的打擊數據詮釋至關重要。
        

2. 球場排行：打者天堂 vs 投手樂園

2025 年賽季，7 座 CPBL 球場的 Park Factor 如下（最低門檻 10 場）：

球場	PF	平均 RPG	場次	類型
樂天桃園	1.152	9.19	48	打者天堂
洲際	1.137	9.07	45	打者天堂
澄清湖	0.987	7.88	65	中性
天母	0.967	7.72	39	中性
新莊	0.965	7.70	57	中性
台南	0.916	7.30	23	投手優勢
大巨蛋	0.856	6.83	66	投手優勢

打者天堂（PF ≥ 1.10）

中性球場（0.95–1.05）

投手優勢（PF < 0.93）

聯盟平均每場得分（RPG）為 7.978。樂天桃園和洲際的每場得分均超過 9 分，比聯盟平均高出 15% 左右。大巨蛋則只有 6.83，比聯盟平均低了整整 1.15 分。

3. 大巨蛋效應：為什麼富邦打者的數據被壓制

台北大巨蛋是 CPBL 史上第一座室內球場，2024 年啟用後就引發廣泛討論：大巨蛋真的壓制打擊嗎？數據給出了明確答案。

PF=0.856 是七座球場中最低，代表在大巨蛋打球，每場得分比聯盟平均少了 14.4%。以全季 66 場計算，相當於整季少了大約 76 分的得分機會。

          實際影響：富邦悍將的主場 Team PF 只有 0.917，是六隊倒數第二。在大巨蛋打主場的打者，整季打擊數據系統性地被壓低。如果你在比較富邦悍將打者和其他球隊打者的原始打擊率，需要先做球場修正，否則會低估富邦打者的真實能力。
        

大巨蛋的壓制因素可能來自多個方向：室內空調對球路的影響、人工草皮的球速特性、球場尺寸（左右中外野距離）。由於資料限制，目前無法進一步拆分，但整體壓制效果已相當明確。

4. 洲際 vs 樂天桃園：中部打擊狂潮

台中洲際和桃園樂天桃園是 CPBL 兩個最友善打者的球場，PF 分別為 1.137 和 1.152，兩者差距僅 0.015，幾乎並列。

樂天桃園的 RPG=9.19，是七球場之冠。桃園球場的外野距離相對較短，加上當地氣候（溫暖潮濕）對球的飛行距離有一定助益。樂天桃猿的 Team PF 達到 1.121，是六隊最高，主客場得分差異最懸殊。

洲際以台中為主場的中信兄弟，Team PF=1.090，同樣受惠於球場加成。如果你在評估樂天或中信的打者，他們的主場打擊成績需要向下修正，才能和在大巨蛋打主場的富邦打者做公平比較。

5. Team-based vs Venue-based：兩種算法的差異

Park Factor 有兩種常見算法，結果有時會不一致：

Venue-based PF：以特定球場為單位，分析所有在該球場比賽（不論哪隊主客）的得分率。
Team-based PF：以球隊為單位，比較該隊主場場次與客場場次的得分率。

球隊	Team PF	主場 RPG	客場 RPG
樂天桃猿	1.121	8.48	7.57
中信兄弟	1.090	—	—
味全龍	1.054	—	—
統一獅	0.945	—	—
富邦悍將	0.917	—	—
台鋼雄鷹	0.894	—	—

台鋼雄鷹的 Team PF 只有 0.894，但台南球場的 Venue PF 是 0.916。兩者接近但不完全相同，差異來自台鋼客場的構成（主要在大巨蛋或洲際客場的次數不同會影響客場基準值）。在一個聯盟只有六隊、總場次較少的環境下，兩種算法互相參照會比單獨使用更可靠。

6. 對球員評價的影響：wRC+ 如何用 PF 修正

wRC+（Weighted Runs Created Plus）是 CPBL Analytics 計算的核心指標之一，它在公式裡已內建球場修正：

wRC+ 球場修正邏輯（簡化）

wRC+ = (wRC / PA ÷ 聯盟平均 wRC/PA) × 100

其中 wRC 已用球場因子修正

修正後 wRC+ 100 = 聯盟平均，>100 優於平均，<100 低於平均

具體影響舉例：假設富邦悍將某位打者整季 wOBA = .330（和聯盟平均相當），但他全季主場都在大巨蛋（PF=0.856）打球。未修正版本會說他只是「聯盟平均」，修正後他的 wRC+ 會接近 110-115，因為他是在壓制性球場達到這個數字的。

球場加成球員（樂天/中信打者）

原始數據看起來更好，但 wRC+ 修正後會比原始數字低。不修正就高估他們的能力。

球場壓制球員（富邦/台鋼打者）

原始數據被壓低，wRC+ 修正後會高於原始印象。不修正就低估他們的能力。

交易評估與自由球員

球員換隊後打擊數據可能因球場改變而大幅波動，Park Factor 是讀取真實能力的關鍵濾鏡。

7. 方法論與限制

計算方式：Venue-based PF = 該球場所有比賽的每場總得分（主客雙方合計）÷ 聯盟平均每場總得分。Team-based PF = 球隊主場 RPG ÷ 球隊客場 RPG。最低門檻：Venue-based 10 場，Team-based 完整賽季。

          重要限制：
          CPBL 每支球隊只有一個主場，樣本量遠小於 MLB（一季 120 場 vs MLB 162 場）。單賽季 PF 波動性較大，建議多年平均更穩定。
台南球場樣本僅 23 場，PF 0.916 的信心區間較寬，解讀需保守。
未控制「主場球隊投手陣容強弱」對 PF 的影響。投手強的主場球隊會人為壓低主場 RPG，導致 Team PF 偏低。
球場物理改造（如草皮更換、外野圍牆調整）會改變 PF，歷史數據不能直接套用未來。

        

完整互動式球場因子圖表請見 Park Factor 分析頁面。