文：Xavier
繼上個系列的投手進階數據篇後，緊接著我們就來介紹打者進階數據的部分。Xavier就從自己最常用的wOBA，和wOBA衍伸出來的wRAA談起。
在正式介紹wOBA之前，我們得先提提OPS (On-base Plus Slugging)這個數據。OPS至今仍是國內外使用非常普及的攻擊數據，之所以接受度會這麼高，有很大的原因就是因為它計算很簡單：只要把上壘率跟長打率加起來就可以了。
這個概念看似不差，但問題就出在上壘率跟長打率對打者的重要性並不一樣，經過統計推算的結果，上壘率的重要性大約是長打率的1.8倍，而不是OPS採用的1比1加成，我們要介紹的wOBA就可以解決這個問題，只是比較可惜，台灣認識wOBA的人還是太少。
wOBA是由知名棒球數據大師Tom Tango所發明的進階數據，全名叫Weighted On-Base Average。它兼具上壘率和長打率對打者攻擊能力的見解，架構頗像把兩者的公式結合起來，能把打擊的各種情況考慮進去，並給予更合理的權重計算(小缺點是沒有經過球場校正)。
wOBA的基本公式如下：
wOBA = (0.691×uBB + 0.722×HBP + 0.884×1B + 1.257×2B + 1.593×3B + 2.058×HR) / (AB + BB – IBB + SF + HBP)
註： Fangraphs網站每年會對wOBA的加乘權重略做微調，但差距很小。
一般而言，wOBA超過0.370就是很不錯的打者，達到0.400以上就是非常頂尖的打者，去年大聯盟只有8位打者的wOBA能達到0.400，又以Miguel Cabrera的0.455為最高。
wOBA還有一個好處，它能用來計算一個打者的打擊相較於聯盟平均能對球隊貢獻多少分數，衍伸出來的數值就叫做wRAA (Weighted Runs Above Average)。
公式是這樣的：
wRAA = ((wOBA – league wOBA) / wOBA scale) × PA
註：Fangraphs每年的wOBA scale並不一樣，大約落在1.20上下。
只要把一個打者的wOBA減掉聯盟平均的wOBA，再除以wOBA scale，最後乘上打席數就可以得到，算法同樣很簡單。
去年大聯盟wRAA最高的打者是我們上述提到的Miguel Cabrera，他的wRAA高達72.1，領先第二名的Mike Trout達11分之多。
當然，如果攻擊表現太差，wRAA也有可能會變成負的。如去年皇家隊的Alcides Escobar，他的wRAA就為-33.6，是全大聯盟最低。國內球迷熟悉的鈴木一朗，去年的wRAA也非常不理想，只有-14.3，名列大聯盟倒數第五。
