是什么 True Shooting % Calculator?
▾
真实投篮百分比 (TS%) 是一个投篮效率指标，考虑了篮球运动员的所有三种得分方式：两分投篮、三分投篮和罚球。研究员迪恩·奥利弗 (Dean Oliver) 在其 2004 年具有里程碑意义的著作《纸上篮球》中提出了 TS%，它解决了传统投篮命中率中的一个明显缺陷——旧的指标对每次投篮一视同仁，使得只投底角三分球的球员看起来比只靠近距离两分球得分的球员更糟糕，尽管三分球投手每次投篮得分要多 50%。 TS%的优雅之处在于它的简单性：它表达了球员每次投篮机会能得到多少分，其中投篮机会的定义是投篮尝试加上0.44次罚球尝试（0.44系数说明了许多罚球都是成对出现或在投篮后出现）。结果按比例缩放为类似百分比 - TS% 为 60% 意味着球员每 100 次真实投篮尝试得到 60 分。 在现代三分球时代，TS% 或许已经成为最重要的单项命中率指标。斯蒂芬·库里 (Stephen Curry) 2015-16 赛季 0.670 的 TS% 打破了之前的记录，展示了精英三分球命中率与高命中率中距离和罚球命中率的结合如何创造出近乎不公平的得分效率。 2023-24 年 NBA 联盟平均 TS% 徘徊在 0.582 左右。精英射手始终超过 0.600，而历史上伟大赛季的门槛通常高于 0.640。 总经理办公室、教练组和球员发展部门使用 TS% 来识别哪些球员真正帮助或损害了球队的进攻。一名场均 25 分且 TS% 为 0.520 的球员实际上是一个重大的进攻负担——如果他的球队有更好的球分配，他的球队可能会得分更多。相反，场均只有 14 分且 TS% 为 0.640 的球员却是场上最高效的得分手之一。合同估值、阵容决策和镜头创造优先级都来自现代管理层的这一单一指标。
Calkulon makes complex calculations simple — built for students and everyday problem-solvers.
公式
▾
TS% = PTS / (2 × (FGA + 0.44 × FTA))
其中：PTS = 总得分； FGA = 射门次数； FTA = 罚球次数； 0.44 = 罚球调整系数（考虑到一罚球、技术罚球以及只判罚一到两次罚球而不是完整的两罚全中的情况）。
工作示例 — 凯文·杜兰特，2013-14 MVP 赛季：PTS = 2593，FGA = 1688，FTA = 805。TS% = 2593 / (2 × (1688 + 0.44 × 805)) = 2593 / (2 × (1688 + 354.2)) = 2593 / (2 × 2042.2) = 2593 / 4084.4 = 0.635 (63.5%)。这使杜兰特跻身该赛季 NBA 历史上最高效的高得分手之列。变量说明
▾
| 符号 | 名称 | 单位 | 描述 |
|---|---|---|---|
| PTS | 得分 | points | 球员的总得分，包括所有两分球、三分球和罚球 |
| FGA | 射门尝试 | attempts | 两分球和三分球出手总数，不包括罚球 |
| FTA | 罚球尝试 | attempts | 罚球尝试总数；乘以 0.44 来估计使用的罚球次数 |
| 0.44 | 罚球控球重量 | — | 根据经验得出的常数反映并非每对罚球都会结束控球（加一罚球、技术犯规、三分犯规均有所不同） |
如何 True Shooting % Calculator
▾
- 1收集球员的赛季或比赛级别统计数据：总得分、总投篮次数和总罚球次数。
- 2将罚球次数乘以 0.44，将其转换为“真正的投篮次数”——此调整可防止重复计算和一记三分，并考虑到在不使用控球情况下产生得分的技术罚球。
- 3将调整后的罚球数据添加到总投篮次数中，即可得出总“真实投篮次数”分母。
- 4将分母乘以 2，将指标置于类似于投篮命中率的百分比刻度上（因为 FG% 是做出/尝试的，并且 TS% 应该具有可比性）。
- 5将总分除以换算后的分母——得到的小数乘以 100 就得到了真实投篮百分比。
- 6将结果与联盟平均水平（现代 NBA 中通常为 0.570-0.585）和位置基准进行比较，以评估相对于同行的效率。
例题解析
▾
库里在 2015-16 赛季的 0.670 TS% 是历史上主要得分手的最高记录之一，这得益于当时创纪录的 402 次出手中 0.454 的三分命中率以及 0.908 的精英罚球命中率。
勒布朗在各个区域（中距离、突破和罚球线）高效得分的能力在精英领域产生了 TS%，这证实了他 26.8 分的效率是真正高效的，而不是体积驱动的。
处于联盟平均水平的 TS% 反映了足够的效率 - 该球员既不会伤害球队，也不会显着提高球队在使用控球权时的每次控球得分。
在高投篮命中率低于 52% 的情况下，这对球队的进攻来说是一个净负面影响——该球员基本上每次真正的投篮尝试转化的得分不到一分，与联盟平均球运动相比，创造了负面价值。
实际应用
▾
合同谈判中，经纪人使用 TS% 来证明得分手相对于场均得分更高但效率较低的队友的价值。这代表了专业和分析环境中真实投篮百分比的重要应用领域，其中准确的真实投篮百分比计算直接支持明智的决策、战略规划和绩效优化
联合试训草稿球探报告，其中大学赛季的 TS% 是球员前三个赛季 NBA 进攻效率的最强预测指标之一。代表了真实投篮百分比在专业和分析环境中的重要应用领域，其中准确的真实投篮百分比计算直接支持明智的决策、战略规划和表现优化
进攻系统设计决策 - 教练使用阵容 TS% 数据来确定哪些五人单位产生最有效的得分并相应地调整轮换。这代表了真实投篮百分比在专业和分析环境中的重要应用领域，其中准确的真实投篮百分比计算直接支持明智的决策、战略规划和性能优化
比赛中的教练调整，如果球员的投篮选择低于-0.550 TS%，分析人员会进行标记，并建议他们放弃主要创造职责。这代表了专业和分析环境中真实投篮百分比的重要应用领域，其中准确的真实投篮百分比计算直接支持明智的决策、战略规划和表现优化
特殊情况
▾
犯规率高的球员（詹姆斯·哈登、巅峰沙克）可以发布 TS%
犯规率高的球员（詹姆斯·哈登，巅峰沙克）即使投篮命中率平庸，也可以将 TS% 提高到 0.620 以上，因为他们以高转化率产生如此多的罚球点。在真实投篮命中率中，这种情况在解释真实投篮命中率结果时需要格外小心。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，以及当真实命中率计算落入非标准范围时使用替代方法交叉引用结果。
主要通过扣篮、回击和短滚得分的中锋（例如克林特
主要通过扣篮、回撤和短滚得分的中锋（如克林特·卡佩拉或德安德烈·乔丹）可以将 TS% 提高到 0.650 以上，但与主要得分手相比，在较低的训练量和较少集中的防守注意力的情况下，这些数字更容易实现。在真实投篮百分比中，在解释真实投篮百分比结果时，这种情况需要额外谨慎。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，以及当真实命中率计算落入非标准范围时使用替代方法交叉引用结果。
真实射击百分比中的输入值过大或过小可能会推动
真实投篮百分比中的极大或极小的输入值可能会使真实投篮百分比计算超出典型的操作范围。虽然在数学上是有效的，但极端输入的结果可能无法反映现实的真实投篮百分比场景，应谨慎解释。在专业的真实投篮命中率设置中，极端值通常表示测量错误、异常情况或需要额外分析的边缘情况。使用敏感性分析来了解结果如何在合理的输入范围内变化，而不是依赖于单一极端情况的计算。
TS% 基准 — NBA 球员背景
▾
| TS%范围 | 分类 | 示例球员（赛季） | 语境 |
|---|---|---|---|
| .650+ | 历史精英 | S. 库里 2015-16 (.670) | 历史罕见的效率 |
| .620–.649 | 精英 | K·杜兰特 2013-14 (.635) | MVP级别的得分赛季 |
| .600–.619 | 非常好 | 约基奇 2021-22 (.604) | 全明星级别的效率 |
| .575–.599 | 高于平均水平 | 勒布朗·詹姆斯职业生涯场均 | 稳定的入门质量 |
| .550–.574 | 联赛平均水平 | 典型的NBA首发球员 | 中性进攻影响 |
| .500–.549 | 低于平均水平 | 大容量中距离射手 | 轻度负效率 |
| 低于 0.500 | 贫穷的 | 以球为主的 ISO 得分手 | 显着的进攻负担 |
常见问题
▾
NBA的真实投篮命中率是多少？
NBA 联盟平均 TS% 约为 0.580。 TS% 高于 0.600 被认为是良好的，高于 0.620 的是精英，高于 0.640 则标志着联盟历史上得分效率最高的赛季之一。对于高得分手来说，低于 0.520 表明存在严重的进攻效率问题。这在真实投篮命中率计算的背景下尤其重要，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真实命中率计算来验证假设、优化流程并确保符合适用标准。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。
TS% 和有效投篮命中率有什么区别？
有效投篮命中率 (eFG%) 调整原始投篮命中率，使三分球权重为两分球权重的 1.5 倍，但完全不包括罚球。真实投篮命中率纳入了罚球效率，使其能够更全面地评估整体得分值。这在真实投篮命中率计算的背景下尤其重要，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真实命中率计算来验证假设、优化流程并确保符合适用标准。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。
为什么罚球乘数是 0.44 而不是 0.5？
并非每次罚球都会产生两次罚球——一次机会只能产生一次罚球，而技术犯规则产生一次无争议的罚球。 0.44 系数是根据经验得出的平均值，可以在整个投篮情况分布中准确地将罚球尝试转换为控球当量。这在真实投篮命中率计算的背景下尤其重要，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真实命中率计算来验证假设、优化流程并确保符合适用标准。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。
谁的职业生涯真实命中率最高？
德安德烈·乔丹和其他扣篮/吊球专家通常在原始 TS% 方面领先，但在高容量主要得分手中，史蒂芬·库里领先于现役球员。从历史上看，像巅峰时期的沙奎尔·奥尼尔（0.640s）和阿蒂斯·吉尔摩这样的球员都曾取得过精英级别的成绩。这在真实投篮命中率计算的背景下尤其重要，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真实命中率计算来验证假设、优化流程并确保符合适用标准。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。
真实命中率能超过100%吗？
不 - TS% 受到篮球得分数学的限制。理论上，每一次三分球和每一次罚球命中率的球员的最高命中率接近 150% 左右，但实际上，对于上场时间有限但效率极高的球员来说，预选赛中的单赛季最高命中率约为 70-72%。这在真实投篮命中率计算的背景下尤其重要，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真实命中率计算来验证假设、优化流程并确保符合适用标准。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。
TS% 是否考虑了投篮难度？
TS% 与镜头选择完全无关——它奖励结果，而不是过程。有争议的中距离二分球和空位的角球三分球的难度是相等的；只有结果才重要。对于击球质量，分析师使用其他指标，例如来自跟踪数据的预期得分或击球质量分数。这在真实投篮命中率计算的背景下尤其重要，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真实命中率计算来验证假设、优化流程并确保符合适用标准。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。
速度如何影响真实投篮命中率？
配速不会直接影响 TS%，因为它是一个速率统计数据（每次投篮尝试得分）而不是计数统计数据。然而，加快速度的球队往往会产生更多的转换机会，这往往是更高的 TS% 投篮，因此快速的球队可能会通过投篮选择间接提高射手的 TS%。
常见错误注意事项
▾
- !将 TS% 与投篮天赋混为一谈——在一个能够产生空位投篮的系统中的球员（比如库里的无球掩护）可以打出高 TS%，这更多地归功于计划而不是个人技术。
- !在引用 TS% 时忽略数量 — 200 次尝试（备用）中 TS% 为 0.650 的玩家的影响力低于 1400 次尝试中 0.610 TS% 的玩家的影响力，而后者正在大规模高效生产。
- !单独用 TS% 来评价那些在持球防守中表现出色的球员——一个为了防守对方最好的球员而牺牲进攻效率的球员，在 TS% 较低的情况下是理性的，而不是糟糕的。
专业提示
在寻找自由球员或评估续约合同时，请将 TS% 与使用率配对以获得全面的了解。使用率 28% 时拥有 0.620 TS% 的球员（大量创造自己的投篮机会）比使用率 12% 时拥有 0.635 TS% 的球员（接球就投专家）更有价值。该组合告诉您效率是自行生成的还是依赖于方案的。
你知道吗？
2015-16 赛季金州勇士队成为 NBA 历史上第一支在同一场总决赛中，前三名得分手（库里 0.670、汤普森 0.599、杜兰特在季后赛中期加入）的 TS% 全部高于 0.590 的球队，分析分析师称这是有史以来最伟大的进攻球队的集体效率。
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。