xA预期助攻到底是什么？比xG更懂传球的足球数据指标一次讲清
图：Tadeáš Bednarz／CC BY-SA 4.0（来源 Wikimedia Commons）
如今看球聊球，xG（预期进球）已经快成常识了。射门之前，数据告诉你这脚值不值。但你有没有想过一个问题：传球的威胁，怎么量化？ 一个中场在禁区前塞了一脚穿透整条防线的直塞，前锋单刀打飞了，最终数据统计上，他就是"0助攻"。但那个传球真的不"值"吗？xG只管射门那一下，管不了"谁让这次射门发生的"。这就引出了我们今天要聊的东西——xA（Expected Assist，预期助攻）。
什么是xA？xG的兄弟，但管的是传球
xA的全称是 Expected Assist（预期助攻），字面意思是"一次传球预期能产生多少助攻"。它和xG的逻辑一样，但统计的对象从"射门"变成了"传球的瞬间"。
具体来说：每一次形成射门的传球，在它落地的那一刻，数据模型会根据它传到的位置、角度、防守压力、传球类型（是传中还是直塞还是倒三角）来判断——如果接球的人直接射门，这次射门有多大可能进。这个概率值，就是这次传球的xA值。需要说明：xA仅分配给那些最终形成射门的关键传球（key pass），并非衡量每一次普通传球。
比如A球员在禁区角传了一脚弧线球，落点在小禁区线上，防守球员离得远，接球人只要碰到就能顶进。这脚传球的xA值可能高达0.3甚至0.4。而B球员在中圈附近横传了一脚安全球，接球人离球门三十米远，周围还有防守人。这脚横传的xA值可能只有0.01。
需要区分数据模型：在Understat等特定模型下，一次射门的xG值约等于传给它的那次传球的xA值——因为这类模型的xA直接定义为"关键传球所产生射门的xG之和"。但在Opta等主流数据商中，xA独立基于传球类型、终点位置和传球距离等因素计算，评估的是"传球本身变为助攻的概率"，并非后续射门的xG值。
为什么说xA比"助攻"更懂球？
传统助攻统计有一个致命问题：它只看结果，不看过程。 一个边锋把球传到一堆人里，前锋抢点把球硬捅进去。助攻+1。另一个中场在弧顶外一脚30米贴地直塞，穿越三名防守球员，前锋单刀面对门将，推偏了。助攻0。
这两个传球，哪个更"好"？
所有人都知道后者更精彩、更体现传球能力，但传统数据就告诉你看不懂。xA干的事，就是给"好的传球"一个分数，哪怕它最终没变成助攻。
举个例子。2023-24赛季英超，德布劳内因伤缺了大半个赛季，但最终每90分钟xA数据依然排在联盟前列。为什么？因为他每场创造的那两次高质量传球，就算队友没打进，数据模型也知道"这球传得好"。相比之下，一个在边路刷传中的球员，传100脚，进1个，助攻是1，但xA累计下来可能只有个位数——说明他大部分传中其实质量不高，只是碰巧进了一个。
xA能帮你识别"真正会传球的人"，而不是"运气好被队友终结的人"。
一个赛季的xA怎么看？累计和场均
和xG一样，xA也有两种用法：
- 累计xA：一个球员一个赛季所有传球的xA值相加。这告诉你他创造了多少"预期的机会"。但累计数据受出场时间影响大，出场多自然累计高。
- 场均/每90分钟xA：更公平的横向比较。每90分钟的xA，能看出一个球员在有球时段创造机会的能力。
更常见的用法是 xA + xG 一起看。一个球员的总xG+xA，反映了他参与进攻的全部贡献。射门威胁加传球威胁。比如一个前锋xG高但xA低，说明他是终结者而非策应者；一个中场xG低但xA高，明显是创造机会型的组织核心。
还有一个进阶指标：xA减去实际助攻的差值。如果xA远高于实际助攻，说明这个球员运气不好，队友终结能力差；如果实际助攻远高于xA，说明队友帮他进了不少"不该进"的球。要么是神仙球，要么是运气好。
xA的局限：不是万能的，别神化它
xA不是完美的，有几个地方你不能当真。
第一，它不衡量传球难度。 一个中路穿透三人的直塞，和一个在边路无人防守下的传中，如果落点位置和防守条件相近，xA值可能差不多。但前者需要的能力和胆识远高于后者。xA能告诉你"这球传到了哪"，但说不清"这球是怎么传到的"。
第二，它不区分射门后是否被扑。 如果传球落点极好，但接球人一脚爆射被门将神扑——这次传球xA还是很高，因为模型在传球那一刻就定了。但有些数据平台会做二次修正，比如引入"xG after the pass"之类的变体，不过主流用的还是没修正的原始xA。
第三，它依赖数据模型的质量。 不同数据提供商（如Opta）的xA模型不一样，同一脚传球在不同平台上的xA值可能有差异。所以横向对比时，最好用同一个数据源。
第四，xA对"倒数第二传"和"进攻发起"完全失效。 一个中场在禁区弧顶发牌，给边路，边路传中，前锋头球破门。真正关键的传球是那个"发牌"——它改变了进攻方向、撕开了防守缺口。但xA只算给最后那脚传中。这种情况在足球分析里有时借用冰球术语称为"冰球助攻"（Hockey Assist），但在xA模型里它看不见。
下次看球，拿xA试试
下次你打开一个数据网站，别只看谁助攻了几个。找到xA这一栏，对比一下助攻数和xA的差距。如果差很多，说明要么是运气，要么是队友不行。再对比一下xG和xA，看一个球员的进攻贡献到底来自射门还是传球。助攻告诉你"发生了什么"，xA告诉你"应该发生什么"。 两者对着看，你才能接近场上真正发生了什么。