预期进球是过去十年最有用的统计工具之一，也是最容易被误用的一个。华体会网页版把它拆开：模型的输入项是什么、哪些情况下样本量不足以支撑结论、以及门将在其中被算进了哪一部分。
1、模型的输入是位置与情境
预期进球把一次射门的进球概率估计出来，输入项包括射门距离与角度、身体部位、助攻方式（传中、直塞、定位球）、比赛状态（领先或落后）以及是否头球。不同供应商还会加入防守压力与门将站位等变量。
2、加总是把概率当成期望
把每次射门的概率相加得到全场 xG，含义是"同样机会重复多次的平均进球数"。因此一场比赛 xG 二比一却零比一落败并不是模型失效，只是单次抽样的正常波动，需要几十场才能看出趋势。
3、样本量的门槛比想象中高
位置与角度的相似不等于情境相似：同为禁区内的补射与头球属于两类概率。当某类射门只出现三四次时，其 xG 数值的稳定性很低，把它当成"错失两次绝佳机会"的证据容易过度解读更稳妥的做法是把同类射门合并成整季样本再看偏差，而不是用单场三四次射门去评判一名球员的终结能力。
4、门将被算在哪一侧存在差异
有的模型把射门质量算在进攻方，再单独给出门将的"阻止进球"评价；也有的模型把门前扑救率与 xG 的差值作为门将指标。若一份报告同时使用两套口径，会出现进攻方与门将方互相抢功或互相背锅。
5、赛前与赛后的使用方式不同
赛前 xG 用于评估机会创造能力，赛后 xG 只能反映本场射门分布。用赛后数据倒推教练"战术成功"要小心：对手早早罚下一人或落后导致摆出低位防守时，本方 xG 会被人为抬高同一份赛后 xG 报告，用来评价训练内容是可以的，用来断定某套战术更优则还需要对位与跑位层面的证据。
6、需要交叉验证的三个指标
把 xG 与进攻三区触球、进入禁区的传球次数、真实射正质量放在一起看，可以避免单一口径误导。若三者同步上升而进球没有上升，更可能是终结波动；若只有 xG 上升，则射门选择可能变坏。
本篇的线索可以收成四句：模型的输入是位置与情境；样本量的门槛比想象中高；门将被算在哪一侧存在差异；以及需要交叉验证的三个指标。四句话背后是同一个判断标准——能不能在对手针对之后仍然保持结构完整。这也是我们评价一场比赛时最常用的坐标。
关于这个话题，最常见的误解是把它当成单一原因的结果。实际上「需要交叉验证的三个指标」与「加总是把概率当成期望」之间是相互约束的关系：一端被加强，另一端往往会付出代价。真正值得讨论的是球队愿意把代价放在哪一边，而不是哪种做法绝对正确。
另一个容易被忽略的细节是时间分布：「加总是把概率当成期望」的成效通常在下半场前十几分钟最先显现，而「门将被算在哪一侧存在差异」往往要到最后阶段才见分晓。把这两段时间的表现放在一起比较，比笼统统计全场数据更能说明问题，也更接近教练组赛后复盘的顺序。
如果把「门将被算在哪一侧存在差异」单独拿出来看，它更像一面镜子：球队在没有球时的选择，往往比有球时更能说明训练质量。因为跑位可以临时提醒，而丢球后的第一反应只能靠长期训练建立，这也是为什么同一支球队在不同阶段的表现会差距明显。
把「任意球阵型」近几期的同类内容连起来看，会发现真正反复出现的矛盾只有两个：控制风险与制造威胁难以同时最大化。本栏目之所以坚持逐场拆解而不是只报结论，就是希望读者能把这些片段拼成一套自己的判断方法。
它是量尺不是判决
华体会网页版使用 xG 的口径是把它当作衡量机会质量的量尺，而不是解释胜负的判决。任何"数据证明战术更好"的表述，都要看它是否补充了结构证据。
