対象三塁手に対する9人のアナリストの採点

三塁手部門は9名のアナリスト全員が1位票を投じた岡本和真（読売）が受賞者となりました。しかしどのような分析を行いこうした評価に至ったかはアナリストごとに異なります。三塁手部門は参考として二階堂智志氏の分析を掲載します。2020年三塁手のUZRはこちらから。

三塁手参考分析：二階堂智志

パークファクターとは？

はじめに前提を共有しておきたい。守備の目的は失策を減らすことではなく失点を減らすことだ。よって守備の優劣は失点をどれだけ減らしたかで定められるべきである。これについてはどのアナリストも基準が統一されているだろう。

しかし、実際のゾーンデータを利用したUZR（Ultimate Zone Rating）という完結したものがある以上、個々の「良かった探し」をしたところで、最終的な評価ランキングはUZRの高い順に帰結してしまいがちになる。そのため、今回はUZRに直接手を加える方向で評価を行うこととした。

ただ今回は分析に入る前に、今回UZRに手を加えるベースとなる考え方について説明を簡単に行う。

野球ファンならば、打者が放った打球がフェンスギリギリで超えたとき、「○○ドームなら入っていなかった」「××球場だからホームランになった」という感想を抱いたことはあるだろう。球場によって本塁打の出やすさは違う。同様に、ヒットの出やすさや二塁打・三塁打の出やすさなども違う。

セイバーメトリクスでは、こうした球場ごとのイベント発生率の偏りを表す数字としてパークファクター（PF）というものが存在する。

本塁打であれば、そのチームのホームでの本塁打・被本塁打数とビジターでの本塁打・被本塁打数を、それぞれの試合数で割って1試合あたりの本塁打率を算出した上で、ホーム本塁打率÷ビジター本塁打率としてやると求めることができる。共に同じチームを対象にしているため、所属選手の能力は影響しない。

1.000を基準とし、高いほどそのイベントが発生しやすく、低いほど発生しにくい。例として、2020年のセ・リーグで本塁打PFが最も高かったのは神宮球場の1.464、最も低かったのはナゴヤドームの0.750だった。

各球団が異なる球場を本拠地にしている以上、このように球場ごとの成績の有利・不利が発生することは免れない。そこで、本拠地球場の違いによる不平等を防ぐために、投手や打者の指標ではこのパークファクターを使って成績を補正するものもある[2]。選手は基本的に本拠地でプレーすることが多くなるが、それを全試合リーグの平均的な球場でプレーしたと仮定して機会を補正するのだ。なおセイバーメトリクスでは選手評価を得失点ベースで行うのが主流であるため、補正を行う際は基本的に得点パークファクターを使用している。

守備にパークファクターは必要か？

次に、年度ごとのチームUZRを比べてみたい。

チームの守備力が毎年極端に変動することは考えにくいため、数値の上位・下位には偏りがある。これは打撃や投手成績にも言えることではある。ただ守備に関しては数字が短期的に悪化しても表面化しにくいため、「調子が上がらないので控え降格」「打ち込まれているため二軍調整」といった生存バイアスの発生頻度が低く、より数字が安定しやすい。

しかしこうして見ると、上位は屋内球場、下位は屋外球場を本拠地にする球団が集中している。上位のソフトバンク、西武、読売、中日はもっぱら堅守のイメージが強い。一方で下位の阪神、楽天はよく守備の脆さを指摘されており、投手が過小評価されやすい環境とされている。

こうした屋内・屋外球場の上位・下位への偏りは偶然なのだろうか。もし球場の差が守備力に大きな影響を与えているのだとしたら、有利・不利を均すために、UZRにもパークファクター補正を行う必要が生まれるだろう。今回はUZRにパークファクター補正を行ったうえで選手の守備力評価を行ってみたい。

守備成績の球場比較

まずいきなりUZRの話に入るのではなく、ゴロアウト割合、フライアウト割合が球場によってどの程度変わるのかをパークファクターを使って見ていきたい。

なお以降におけるパークファクターは、前述した計算式のように分母にビジター成績を使うのではなく、自チームも含めた同リーグ6本拠地平均を使っている。さきほどと同じ本塁打を例にすると以下のような算出式となる。ちなみに地方球場、交流戦は除外されている。なぜこの手法をとったかというと、こちらのほうが「平均」をより適切に表現できると考えたからだ[1]。

またこれ以降は、ホーム＝本拠地、ビジター＝同リーグほか5球団の本拠地を指すことに注意してほしい。

ゴロアウト割合

表2-1、2-2にセパのゴロアウト割合パークファクターを示した。上が2020年、下が2018-20年の過去3年平均だ。今季は試合数が少なかったこともあり、1年分のデータではブレが発生してしまうため、集計対象を広めにとったものも掲載している。アウト割合のパークファクターなので、この数値が高いほどゴロがアウトになりやすく、低いほどアウトになりづらいことを意味している。

例えば、2020年シーズンに1番ゴロアウト割合PFが高かったのは東京ドームの1.028。これは、リーグの平均的な球場を基準とした場合、1.028倍ゴロをアウトにしやすかったことを意味している。パ・リーグでは札幌ドームが1.022と最高の値になっている。

その下の2018-20年の合算分では、セ・リーグではナゴヤドームの1.025、パ・リーグではZOZOマリンの1.017が最も高い数字だった。一方で低い球場は甲子園やマツダスタジアムなどの屋外球場、特に天然芝の本拠地が多い。

札幌ドームは2020年のみだと1.022とリーグトップの数字だったが、3年間の合算だと1.000を割っており、サンプルサイズの巨大なゴロアウト数であっても多少のぶれが発生することがわかる。ただ、こうした数字の対象年度を増やしていくと、テラス席の増設や芝の張替えなどで球場の特性自体が変わっている場合も多く、範囲を広げるほど実態から離れた数値になりかねない。あちらを立てればこちらが立たず、という関係にある。

フライアウト割合

今度は表3-1、3-2に本塁打を除くインプレーとなったフライ（ファウルは除くが邪飛は含める）のアウト割合パークファクターを掲載する。

単年、3年間分のデータともに、ゴロアウト割合PFに比べると球場間の差が小さい。打球が地面に触れない分、球場から受ける影響が単純に減っているためだろう。

2018-20年のデータで見た場合、最も高いのはセ・リーグではマツダスタジアムの1.020、パ・リーグは京セラドーム大阪の1.015。低いのはセ・リーグでは横浜スタジアムの0.986、パ・リーグではZOZOマリンの0.984となっている。

DELTAでは人間には明らかに捕球不可能と思われるフェンス上部に直撃した打球のデータも取得している。表4には、各球場のフライアウト割合PFとフェンス上部直撃打球数を示した。

これを見るとフェンス上部直撃打球が多い球場はパークファクターが低く、少ない球場はパークファクターが高い傾向にある。フェンス上部直撃打球が多いことはフェンスが高いことを意味している。そうした球場の場合、外野手がまず処理できない打球が増えるため、アウト割合が低くなりやすいのだろう。

しかし例外もある。2018-20年のフェンス上部直撃打球が6つと少ないZOZOマリンのパークファクターが0.984とかなり低い。これはスタジアムに吹き付ける不規則で強烈な海陸風がフライアウトの捕球を妨げているのが原因だろう。そう考えると、浜風で有名な甲子園も同様にフライの処理に難儀しそうに思えるが、こちらはフェンスが低いためかパークファクターで見ると1.004。ややアウトを取りやすい球場のようである。

ここまでゴロアウト、フライアウト割合のパークファクターを見てきた。これらの数字を見る限りでは、UZRに有利あるいは不利にはたらく球場が存在していそうだ。よってUZRにパークファクター補正をかける意味は十分あると考えられる。

UZRのパークファクター補正

さて、ここからは最終的な評価に向かってUZRの補正に入っていく。当然この場合はUZRのパークファクター補正を使うべきだが、UZRは0を平均とした相対評価であるため、ほかの指標とちがってパークファクターを求めるのが難しい。しかし、今回は球場ごとの補正値さえ得ることができれば良い。

やり方としては、パークファクターの集計対象と同じ条件（交流戦・地方球場を除外）で、各打球がゴロだった場合と外野へのフライ・ライナーだった場合とに分け、加算・減算されたRngR（UZRの構成要素の1つ。打球処理貢献を示す）をホーム・ビジター別に集計。それぞれ集計した数値を打球数で割り、差分を求める。

例として、2018-20年のゴロの場合は表5の値が得られた。

東京ドームやナゴヤドーム、PayPayドームは高く、甲子園やマツダスタジアム、楽天生命パークは低いという、ゴロアウト割合のPFと似た傾向を示している。

ただしこれは「ホームでの打球・被打球がビジターでの打球・被打球に比べて何点分アウトになりやすいか」という数字であり、リーグ内の平均的な球場でプレーした場合を想定する場合適当ではない。ホームRngRから引くのはビジターRngRではなく、ホームRngRとビジターRngRを1:5で合わせたものにするのが好ましい。

比較対象をリーグ平均とした場合、表6のとおりになった。

ここまでで小数点が多くてややわかりにくいため、約1シーズン（1200イニング）あたりで大体何点分の有利・不利がはたらくかを計算した。すると表7のとおりになる。これは表6の数字を単純に1200イニング換算したわけではなく、その球場をホームにしているために発生する差を表記している。

イメージしやすい数字になっただろうか。人によっては大きいと感じる人もいれば小さいと感じる人もいるかもしれない。楽天生命パーク以外は+-5点以内に収まっているパ・リーグに比べると、セ・リーグは差が大きく、各球場によって環境に大きな違いがあるようだ。

なお、この値は内野の合算であるため、個々の評価を求める際には守備位置ごとに振り分ける必要がある。しかし、守備機会数やプレーの質が異なる内野手に均等に振り分けるのは不公平であるため、ポジションごとに算出した数字を当てはめることになる。

一般的にはここからホーム球場とビジター球場の試合数に応じてパークファクター補正を行うわけだが、今回は精度を上げるため全プレーに対して球場ごとの補正をかけることにした（なお、一般的なパークファクター補正を行っても結果はあまり変わらなかった）。

以上を踏まえると2020年の三塁手のRngRは以下のとおりに変化した（守備シフトは除いた数値）[3]。

上位の岡本、高橋周平（中日）はゴロの処理に有利な球場をホームにしていたため値が低下し、下位の大山悠輔（阪神）や堂林翔太（広島）は底上げされた。特に甲子園は内野手の中でも三塁手のRngRに大きなマイナス効果をもたらしていたようで、大山は-5.9から+1.7へと数字を大きく改善させている。逆に宮﨑敏郎（DeNA）はもともと低かったRngRが、-13.1へとさらに厳しい数字になった。

ここまででRngRの補正を行ったが、ErrR（失策抑止貢献）、内野手ならDPR（併殺完成貢献）、外野手ならARM（進塁抑止貢献）の補正も同様に行っている。

UZR評価はRngRの占めるウェイトが大きいため、パークファクター補正による変動も激しくなるのだが、ErrRやDPRは影響が少なく、最も変動が大きかった堂林のErrRでも+1.3の変化に留まった。

最終的に、トータルの評価は以下のようになった。

ベースとなるUZRが非常に優れていた岡本、高橋の1・2位の評価は覆らなかったものの、大きなマイナスを計上していた大山や堂林の数字が改善されたり、逆にプラスだった松田宣浩（ソフトバンク）がマイナスに転落したりと、それなりに意義のある補正だったのではないかと思う。

ポジション内で上位から下位までが20点程度の差に収まることが多いUZRのスケールで考えた場合、最大5〜6点の変動は非常に大きい。打撃であればNPB屈指のヒッターズパークである神宮球場をホームにした場合、1シーズンでこのくらいのマイナス補正が発生する。ただパークファクター補正値は前述の通り数値のブレ幅が大きい。今回筆者は補正を適用して評価を行ったが、これをベーシックなものに組み込むべきかどうかは慎重に考えるべきだろう。

ちなみに三塁手はほかのポジションと比べても球場の性質を強く受けやすいようだ。筆者のほかのポジションへの投票結果を見てもらえればわかるが、パークファクター補正によって大きな順位変動が望めるポジションは少なかった。

選手ごとのゾーン別アウト獲得評価

これまで分析手法を述べたが、今度は選手個々の打球処理状況についてチェックしていきたい。今回は選手ごとのゾーン別のゴロアウト割合を確認していく。

しかし今回はただのゴロアウト割合ではなく、これについてもパークファクター補正が施されたもので行ってみたい。

その前提として、まず球場ごとの三塁手ゴロアウト割合パークファクターをゾーン別に見たものを掲載しておこう。対象としたのは距離1～3のゾーンC～Hの範囲。これがフィールド上のどこにあたるかは以下の図1を参考にしてほしい。ちなみにRngRとは異なり失策や野選も「アウトにできなかった」ものとしてカウントしている。

表12、13のパークファクターは上の分析と同様、2018-20年過去3年間分の合算だ。3年とはいえ、ポジション別のゾーン別パークファクターともなれば流石にサンプル面で不安が残る点には注意したい。ゾーンHなどは、そもそも三塁手が処理する数が少ないため、数字のばらつきが極めて大きくなっている。

しかしながら、球場ごとに興味深い傾向が表れていることも事実だ。目を引くのが、内野に天然芝を敷いている甲子園、マツダスタジアム、楽天生命パークの3球場だ。いずれも三塁守備に不利な球場であることは共通しているのだが、特に三遊間にあたるゾーンE～Gのパークがかなり低めに出ている。ゾーンFは甲子園では0.650、マツダスタジアムは0.818、楽天生命パークは0.656と、非常に処理が難しいゾーンであったことがうかがえる。三塁手が遊撃手に任せるケースが増えるから、という仮説も立てられるが、遊撃のゾーン別ゴロアウト割合PFでもゾーンFは同じような数字だったため、単に天然芝の球場だと三遊間の処理が難しくなる、と判断するのが妥当だろう。

それでは、パークファクター補正を行ったゾーン別のアウト割合を選手ごとに見ていく。 補正込みのUZRを算出した際にはゾーンごとではなくゴロ全体をベースに補正を与えたのだが、今回はそれによってどれだけゾーン別処理が変わるのかを捉えやすくするため、特殊な手法を取っている。

トップグループ（岡本和真、高橋周平、鈴木大地）

まず補正込みUZRで見た場合の上位3人、岡本、高橋、鈴木大地（楽天）の3名だ。

このグラフは選手ごとの各ゾーンのアウト割合を示しており、破線は全三塁手の平均値である。破線を見ると、ゾーンDのアウト割合が最も高く、離れていくほど低くなるため、ゾーンDが平均的な三塁手の定位置だということが推察される。

オレンジの線で示した岡本はH以外のすべてのゾーンで平均を上回る数のアウトを獲得しており、守備範囲の広さを象徴する結果になった。今年が出来すぎの可能性も大いにあるが、複数ポジションをたらい回しにされることの多かった昨季までと違い、三塁手専任になり負担が減ったことが一因なのかもしれない。

青線の高橋は三塁線付近のゾーンCの打球の処理率が芳しくないものの、三遊間方向には高い水準の処理能力を有している。2019年も同じような数字を残しており、三塁の名手と呼んでも差し支えなさそうだ。

紅色の線は鈴木で、ゾーンF・Hは並以下だがゾーンGが飛び抜けて高いという歪なかたちになっている。サンプルが30球ほどなので単なる偏りと捉えるのが自然だろうか。ゾーンFは無補正だと40%を切る低い数値だが、楽天生命パークのパークファクターを加味すると平均レベルにまで向上した。

ミドルグループ（大山悠輔、中村剛也、安田尚憲）

黄線の大山は補正なしだと三塁手平均に近いのだが、ゴロアウト割合パークファクターが低い甲子園をホームにしているため、補正込みの数字ではプラスに転じる。甲子園でアウトを奪いにくい三遊間側のゾーンF～Gで利得を稼いでいたようだ。

藍色の中村剛也（西武）はゾーンEがもっともアウト割合が高いという変わったかたちとなっている。実は中村は昨季もゾーンEでのアウト割合が高かった。遊撃を守るのは支配的とも言える守備能力を持つ源田壮亮であるため、それが影響しているのだろうか。

安田尚憲（ロッテ）は三塁線側の打球にはめっぽう強い反面、遊撃寄りの打球になるとアウトにできる割合が大きく減っており、守備範囲にかなりの偏りが見られた。ZOZOマリンは定位置～三塁線方向にあたるゾーンC・Dのパークファクターが低く、逆に三遊間のE～Hはかなりアウトにしやすいため、球場の特性に真っ向から反するような成績だ。ロッテ遊撃手の守備範囲があまり広いとは言えないことを考えると、これからの伸びしろに期待したいところである。

ボトムグループ（松田宣浩、堂林翔太、宮﨑敏郎）

最後に下位3名のアウト割合だ。

2010年代に三塁手として支配的な守備力を見せてきた松田はどのゾーンも全体的にアウト割合が低めだ。主に遊撃手側のゾーンE～Hの打球処理がかなりのネックとなっている。パークファクターなしだと平均以上のアウト割合を示していたが、三塁手に非常に有利にはたらくPayPayドームであったため、補正によりマイナス評価となった。昨季もUZRがマイナスだったこと、来季には38歳を迎えることからすると、今後も三塁手一本で考えるのは厳しいかもしれない。

赤線の堂林は三遊間のゾーンF・Gには強いが、定位置付近のD・Eのアウト割合が平均を下回る。原因は失策にあり、ゾーンEは10%、正面のゾーンDに至っては15%の打球を失策している。補正を行うことによって見られる数字にはなったが、改善の余地はあるだろう。

UZR最下位の宮﨑も松田同様、遊撃方向を中心に低めの数字が出ており、大きなマイナスを記録した。宮﨑も松田ほどではないにしろすでに32歳と若い選手ではない。今オフには一塁を守っていたホセ・ロペスが退団したため、コンバートも視野に入ってくるかもしれない。

まとめ

かつて、「加齢によって守備力が衰えたため負担の軽いポジションにコンバート」というプロセスは、主観をものさしにした守備評価でタイミングを測るのが当たり前であった。ただ現在はUZRにより実態に近い数字を観測して判断することができるようになっている。コンバートについての判断もより適切なタイミングで行えるようになってきているだろう。

しかしこのUZRにさらにパークファクター補正を行ったものを使用するかどうかで、編成側の感じるコンバートの逼迫度合いはまた違ったものになるかもしれない。