是什么 Usage Rate Calculator?
▾
使用率 (USG%) 衡量球队以特定球员在场上投篮、犯规或失误而结束的控球百分比。它由迪恩·奥利弗 (Dean Oliver) 开发并通过《Basketball-Reference》而普及，是量化球员对球队进攻的核心程度的权威指标。了解使用率对于了解几乎所有其他进攻性统计数据至关重要——看起来相同的效率数字在不同的使用水平下意味着非常不同的事情。 考虑一下挑战：两名球员的真实投篮命中率均为 0.560。但其中一个的使用率是 32%，通过运球突破防守并吸引包夹，而另一个的使用率是 14%，利用斯蒂芬·库里的重力接球并投出空位三分。第二个玩家的效率更容易实现。使用率让分析师能够区分精英控球者和受益者。 在现代 NBA 中，使用率最高的球员是像卢卡·东契奇 (37%+) 和乔尔·恩比德 (35%+) 这样的球员，他在控球率上达到了创纪录的水平，而乔尔·恩比德 (35%+) 则经常在低位指挥包夹。詹姆斯·哈登 (James Harden) 在休斯顿火箭队 (2018-19 年) 的巅峰时期的使用率为 40.5%，这是 NBA 历史上整个赛季的最高水平，同时保持着 0.610 的 TS%，这是有史以来统计上前所未有的组合之一。 教练和总经理以多种方式使用使用率：设计优化球分布的比赛，评估明星球员是否被过度使用（造成疲劳和比赛后期效率低下），寻找在被要求增加使用率时能够保持效率的角色球员（未开发的上升空间的标志），以及预测球员在被交易到具有不同使用期望的新系统后将如何表现。一个典型的错误是给角色球员一份顶薪合同，期望他在更高的使用率下复制他的效率——从历史上看，大多数球员的效率随着使用率的上升而下降。
DigiCalcs delivers precision-engineered tools for engineers and STEM professionals.
公式
▾
USG% = 100 × (FGA + 0.44×FTA + TO) × (Tm MP / 5) / (MP × (Tm FGA + 0.44×Tm FTA + Tm TO))
其中：FGA = 球员投篮次数； FTA = 球员罚球次数； TO = 球员失误次数； MP = 球员上场时间； Tm MP = 球队总上场时间； Tm FGA = 球队投篮次数； Tm FTA = 球队罚球次数； Tm TO = 球队失误数。 (Tm MP / 5) 因素考虑了五名球员同时共享球场的事实，将球队统计数据标准化为每个球员的基础。
工作示例 — 詹姆斯·哈登 2018-19（休斯顿火箭队）：FGA = 1588，FTA = 800，TO = 464，MP = 2867 分钟。队伍：Tm MP = 19805，Tm FGA = 7026，Tm FTA = 2380，Tm TO = 1323。 USG% = 100 × (1588 + 0.44×800 + 464) × (19805/5) / (2867 × (7026 + 0.44×2380 + 1323)) = 100×（1588+352+464）×3961/（2867×（7026+1047.2+1323））=100×2404×3961/（2867×9396.2）≈40.5%。变量说明
▾
| 符号 | 名称 | 单位 | 描述 |
|---|---|---|---|
| FGA | 射门尝试 | attempts | 球员在场上的投篮尝试次数 |
| FTA | 罚球尝试 | attempts | 球员在场上的罚球次数 |
| TO | 营业额 | turnovers | 球员在场上的失误；算作二手财产 |
| MP | 比赛时间 | minutes | 测量期间球员在场上的分钟数 |
| tmMP | 球队出场时间 | minutes | 测量的球队比赛总分钟数，通常为同时上场五名球员的 5 倍比赛分钟数 |
| tmFGA | 球队投篮尝试 | attempts | 球员在场上的时间里球队的总投篮次数 |
| tmFTA | 球队罚球尝试 | attempts | 球员上场时间内球队罚球总数 |
| tmTO | 球队失误 | turnovers | tmTO参数代表使用率调节器计算中的关键定量输入，以其标准单位测量并通过数学公式直接影响计算结果 |
如何 Usage Rate Calculator
▾
- 1收集球员的个人赛季统计数据：投篮次数、罚球次数、失误以及总上场时间。
- 2收集球队的赛季总计以获得相同的统计数据 - 总投篮次数、总罚球次数和球队总失误数 - 加上球队所有球员的总上场时间。
- 3将 0.44 权重应用于个人和球队数据的罚球尝试，将罚球次数转换为与控球权定义一致的控球当量。
- 4通过将球队上场时间除以 5 来计算球队的每名球员分母，这将五名球员的球场标准化为单人视角，并防止球队总计压倒个人贡献。
- 5将球员的加权控球权总数除以每个球员的球队控球权总数，然后乘以 100，将结果表示为球队所用控球权的百分比。
- 6在位置和角色的背景下解释结果——25%的使用率对于中锋来说很高，但对于主要控球手来说很低，因此基准比较必须考虑位置。
例题解析
▾
东契奇 37% 以上的使用率反映了他在每 10 个回合中近 4 个回合中作为达拉斯队的主要发起者的角色，这一比率需要在持续的防守注意力下具有非凡的耐力和决策能力。
约基奇在20多岁的时候的使用率看似适中——他的传球为队友创造了如此多的轻松得分，以至于他的直接使用低估了他的进攻中心性，显示出精英组织大个子的指标的局限性。
低于 15% 的使用率对于接球投篮、切入和与球星比赛的补充侧翼球员来说是典型的情况——他们的效率统计数据必须在这种低压环境下进行评估。
一名使用率达到 23% 的替补球员在替补席上扮演着主要得分手的角色——这是一个真正高压的角色，比有限上场时间的原始统计数据所显示的更值得赞扬。
实际应用
▾
NBA 管理层在提供合同之前使用使用率预测来模拟自由球员的效率在其系统中可能如何变化，从而避免了为依赖系统的效率付费的常见错误。
教练组会监控比赛中的使用情况，以防止明星球员疲劳——如果主要控球手在三个季度内的使用率超过 40%，教练就会调整轮换阵容，以减轻他们在比赛后期的压力。
球员发展部门将 G 联赛中使用率上升的潜在候选人视为准备好担任更多 NBA 角色的潜在突破候选人。这代表了使用率计算器在专业和分析环境中的重要应用领域，其中准确的使用率计算器计算直接支持明智的决策、战略规划和绩效优化
体育博彩玩家和 DFS 玩家将使用率作为关键的伤病替代变量——当先发球员被排除时，最有可能吸收其使用率的队友会获得明显更好的预期值。
特殊情况
▾
赛季中期交易后使用率急剧增加的球员（例如，
在赛季中期交易后使用率急剧增加的球员（例如，从明星云集的球队转会到重建球队）通常会看到效率下降 3-7% TS%，因为防守不再需要担心其他威胁。在使用率计算器中，在解释使用率计算器结果时，这种情况需要额外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析以及当使用率调节器计算落入非标准范围时使用替代方法交叉引用结果。
对于像尼古拉·约基奇或这样的精英组织者来说，使用率可能会低得令人误解
对于像尼古拉·约基奇或勒布朗·詹姆斯这样的精英组织者来说，使用率可能会低得令人误解，因为助攻（组织进攻）不计为使用的控球权——摆脱包夹的球员仍然在消耗控球权而没有获得使用权积分。在使用率计算器中，在解释使用率计算器结果时，这种情况需要额外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析以及当使用率调节器计算落入非标准范围时使用替代方法交叉引用结果。
垃圾时间膨胀：在井喷中获得大量上场时间的球员的时间减少
垃圾时间膨胀：在防守强度降低的情况下，在井喷中获得大量上场时间的球员可以看到他们的使用率和效率统计数据膨胀 - 过滤到竞技比赛分钟可以提供更清晰的画面。在使用率计算器中，在解释使用率计算器结果时，这种情况需要额外小心。标准公式可能无法完全考虑到这种边缘情况中存在的所有因素，可能需要进行补充分析或专家咨询。专业最佳实践包括记录假设、运行敏感性分析以及当使用率调节器计算落入非标准范围时使用替代方法交叉引用结果。
使用率 — NBA 球员基准
▾
| 玩家 | 季节 | 尿比重% | TS% | 结果 |
|---|---|---|---|---|
| 詹姆斯·哈登 | 2018-19 | 40.5% | 61.0% | HOF 级别的赛季得分王 |
| 卢卡·东契奇 | 2022-23 | 37.3% | 60.8% | NBA最佳阵容第一阵容 |
| 乔尔·恩比德 | 2022-23 | 35.4% | 63.8% | NBA最有价值球员奖 |
| 科比·布莱恩特 | 2005年6月 | 38.7% | 55.7% | 81分，洛杉矶球队纪录 |
| 凯文·杜兰特 | 2013-14 | 32.3% | 63.5% | NBA最有价值球员奖 |
| 尼古拉·约基奇 | 2021-22 | 29.8% | 60.4% | NBA最有价值球员奖 |
| 史蒂芬·库里 | 2015-16 | 32.1% | 67.0% | 全票 MVP、历史 TS% 记录 |
常见问题
▾
高使用率会降低效率吗？
几乎普遍情况是这样的——随着使用率的增加，防守对球员的影响越来越大，投篮质量下降，决策疲劳开始出现。很少有球员能够在使用率超过 30% 的情况下保持精英效率（休斯顿的哈登，金州勇士队的库里）是真正特殊的进攻天才。这在使用率计算器计算的情况下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的使用率计算器计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
有史以来最高的使用率是多少？
詹姆斯·哈登在休斯顿火箭队的 2018-19 赛季保持着约 40.5% 使用率的现代记录，这意味着火箭队每五个回合中近五分之二以哈登投篮、犯规或失误结束——这几乎是前所未有的进攻负担。这在使用率计算器计算的情况下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的使用率计算器计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
使用率会不会太低？
对于作为主要得分手或球星付费的球员来说，使用率低可能表明系统适配不佳或教练滥用。然而，低使用率与高效率相结合对于角色扮演者来说是一个积极的信号，他们在其定义的角色中做出最大的贡献。这在使用率计算器计算的情况下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的使用率计算器计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
使用率与获胜有何关系？
研究一致表明，使用更平衡的球队（没有一名球员超过 35%）往往会在季后赛中赢得更多，因为防守可以专注于阻止一名球员。常规赛的成功更能容忍明星的大量使用。这在使用率计算器计算的情况下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的使用率计算器计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
使用率和控球率一样吗？
Usage rate measures possession-ending actions specifically (shots, fouls, turnovers) and does not capture the full picture of a player's ball-handling time, pick-and-roll initiations, or playmaking.像约基奇这样的球员尽管使用率不高，但仍可以成为进攻引擎。这在使用率计算器计算的情况下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的使用率计算器计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
季后赛中的使用率有何变化？
随着教练简化轮换并在关键回合中依靠最好的球员，明星球员在季后赛中的使用率通常会增加 2-5%。角色球员的使用率经常下降。这就是为什么季后赛相对于常规赛的球星效率是一个如此关键的评价点。这在使用率计算器计算的情况下尤其重要，其中准确性直接影响决策。多个行业的专业人士依靠精确的使用率计算器计算来验证假设、优化流程并确保遵守适用的标准。了解基本方法有助于用户正确解释结果并确定何时需要进行额外分析。
常见错误注意事项
▾
- !在不控制使用率的情况下直接比较效率统计数据 - 替补球员在 12% 使用率下投出 0.620 TS% 并不一定比明星球员在 32% 使用率下投出 0.590 TS% 更好，因为后者要困难得多。
- !假设一名球员的大学使用率将转化为 NBA——大学防守对于高使用率球星的准备要少得多，因此对于大多数新秀来说，大学 USG% 通常会高估 NBA USG%。
- !忽略使用率是相对于球员在场时的球队控球权而不是球队总控球权来计算的——一个球员坐了四分之一的时间并不是为队友“节省”控球权，只是减少了他的样本。
专业提示
当预测球员在新的团队环境中的表现时，首先估计他们预期的使用变化。使用率每降低 5%，预计大多数玩家的 TS% 大约会提高 1-2%（效率与使用权衡）。使用量每增加 5%，效率就会相应下降。这使您可以对现实的预测进行建模，而不是假设当前的效率将持续存在。
你知道吗？
威尔特·张伯伦 (Wilt Chamberlain) 1961-62 赛季的场均得分为 50.4 分，如果现代方法存在的话，估计使用率将超过 45%，相比之下，哈登的 40.5% 显得保守。
Regional Guides
▾
🇺🇸 US▾
🇬🇧 UK▾
🇪🇺 EU▾
获取每周数学提示
加入 12,000+ 订阅者，每周都会获得计算器提示。