自山姆-格林在 2012 年发表创新文章介绍预期进球以来，该指标已成为足球分析中最广泛、最具洞察力的指标之一。
本博客将对这一指标进行简要回顾和概述，并提供一些最新实例。
预期进球 (xG) 是对机会质量的量化测量，这一概念在体育运动中被广泛使用。
观看比赛时，我们可以根据各种因素直观地分辨出好机会和坏机会。射手距离球门有多近？射门角度大吗？是一对一吗？是头球吗？
xG 将这些因素和其他因素考虑在内，并计算出特定射门得分的可能性。这些计算基于大量的历史射门数据（在撰写本报告时，Opta 数据库中有超过 30 万次射门数据），并根据不同联赛进行了调整。
*更深入的计算解释请参见附录
该指标反映了我们分析比赛的方式；创造出更多高质量机会的球队通常被我们认为是 "更好的球队"。xG 模型对得分机会的质量进行了量化衡量，并在原始射门和射正总数之外为球员或球队的射门增加了额外的背景信息。
与实际进球数相比，预期进球数通常是一种更稳定的表现衡量标准。进球是相对罕见的事件，来得快去得也快，而一个球队或球员的 xG 值在每场比赛中的波动往往要小得多。显然，实际进球数才是赢得积分的关键，但 xG 为我们评估球队表现提供了更多的依据。
了解团队的基本表现
请看阿森纳在 2015-16 赛季英超联赛开始时的表现。在前六场比赛中，他们只打进了五球，平均每场进球数为 0.83 个。对于一支有望挑战冠军的球队来说，这个数字低得令人担忧。然而，在此期间，阿森纳的预期进球数超过了 12 个，平均每场比赛的预期进球数为 2.11 个。
本赛季结束时，阿森纳平均每场比赛进球数为 1.71 个，与赛季初的 "预期进球数"（Expected Goals）相差无几。
如果我们只分析阿森纳在本赛季前几场比赛中的进球，我们绝不会想到他们会以如此多的进球结束本赛季。然而，通过观察他们的 xG，我们可以更清楚地了解阿森纳的实际表现。
了解球员的基本表现
通过比较球员的进球数和 xG 所提供的机会，我们可以更好地了解是什么在推动球员的表现。如果 xG 数据明显低于球员的进球数，这可能是一个不可持续的迹象，或者至少值得进一步研究，以了解为什么会出现这种超常表现（至少与平均水平相比）。
通过分析球员每次射门的平均 xG 值，我们可以了解球员是射门质量高，还是射门次数多，而射门的位置又不太可能得分。
圆圈越大 ，表示击球的 xG 值越高
预期进球是评估机会质量和预测球员及球队未来表现的有效工具。机会质量的概念并不新鲜，但预期进球数会为每次射门分配一个量化值，以便进行更深入、更有意义的分析。
附录
Opta的 xG 模型采用逻辑回归法计算，因变量为射门是否进球，回归输入如下：
- 传球（开球、直接任意球、定位球、角球、助攻、界外球）
- 助攻类型（长传球、横传、直塞、危险区传球、回拉）
- 上场后
- 反击
- 头球
- 到球门的距离
- 球门可见角度
- 1 v 1
- 大机会
- 针对部分比赛的调整
