结论先行：预期进球（xG）不是一把统一刻度的尺子，而是多套口径并存的估算体系。同一场比赛，两家数据源给出的xG差值超过0.4并不罕见，这个量级足以改变一场势均力敌比赛的胜负倾向判断。看个球在呈现这类指标时，坚持标注来源与口径版本，目的不是赛事对比迷记住数字，而是让数字可被验证。

射门热区的边界，决定了模型看见什么

预期进球模型的第一层分歧来自射门位置的记录方式。射门点取脚触球位置还是球门线投影位置，在禁区内小角度情况下会产生明显偏移。更关键的是射门热区的划分粒度：有的模型把禁区切成若干网格逐格估值，有的只按大禁区内外加角度粗分。

粒度越粗，远射被系统性高估的概率越大。看个球在整理联赛走势时发现，粗粒度口径下禁区外射门的平均估值往往偏高，因为模型无法区分正面弧顶和边路肋部的实际威胁差异。球迷如果只看一个总数，很容易把一支远射占比高的球队误读为进攻质量更好。

  • 核对射门点定义：触球点、投影点还是两者混合
  • 核对热区粒度：网格数量与边界如何划定
  • 核对是否区分射门方式：头球、脚内侧、凌空是否单独建模

封堵与折射的处理，是最容易被忽略的分叉

被封堵的射门算不算一次射门，直接改变样本量。有的口径把封堵射门计入射门总数但不计入xG，有的两者都计入，还有的按封堵发生位置反推一个折减估值。

折射球同理。一记打在后卫身上变线的射门，实际威胁与原始射门动作的意图已经脱节。看个球在数据口径说明中会明确标注该来源是否对折射做二次修正，因为这类处理会让同一支球队的进攻效率在不同来源之间出现系统性偏差，而不是随机误差。偏差有方向，误判就有方向。

点球权重与补射，两处小设定撬动大结论

点球的xG赋值在不同来源间从0.76到0.80不等，单看一场比赛影响有限，但放到整个赛季的累计口径里，一支获得点球次数偏多的球队，其总xG会被这套设定稳定抬高。补射的处理更微妙：第一次射门已被计入xG，补射是否再计一次，会让禁区内混战型球队的数据明显膨胀。

看个球的做法是把这类设定写进每份数据说明的固定字段，读者可以据此倒推：如果某队xG高但射门数不高，先看是否点球占比大；如果射门数高但xG平，先看是否远射占比大。这套倒推路径比记住任何单场数字都有用。

可复现的读数方法，比结论本身更重要

给球迷一个可操作的建议：拿到任何一组预期进球数据，先问三个问题——来源是谁、口径版本是什么、样本区间多长。三个问题答不上来，这组数据就只能当参考氛围，不能当判断依据。

看个球在赛前预测页面保留口径标注与来源链接，正是为了让每一次读数都能被追溯。数据解读的价值不在于给出一个权威数字，而在于赛事对比迷知道这个数字在什么条件下成立、在什么条件下会失效。看得明明白白，靠的不是数字多，而是口径清。