我们经常出现的一个问题是“上垒率（OBP）和长打率（SLG）的价值谁相对更加重要？” OBP中50％以上的话，SLG的重要吗？或60％？还是别的什么？所谓的OPS只是一个给他们以同等的重视的统计。但是，也许份量不应该是平等的。例如，按照2001-03年每场比赛来运算，这里是团队的回归方程：
R/G = 17.11*OBP + 11.13*SLG - 5.66

这使得OBP中比SLG重要性超过了53%，一个相当典型的结果。但OBP有可能对于一个确定的位置更加重要，就像开路先锋一样，而SLG呢，可能对于清垒者更加重要。检查到这一点，我求出了关于每场比赛得分是因变量（DV），而每个打击棒次的OBP和SLG独立变量（IVs）的回归。 OBP1指开路先锋的OBP，SLG3的意思是1989-2002年赛季的第三位打者SLG等等，我用数据来源于Retrosheet。 Retrosheet显示每个队打击顺序的统计信息。表1中b.coeff表示标准化回归系数（Beta值），std. error表示标准误差，t表示t分布，p表示拒绝域的面积或概率，Variable表示变量，Constant表示常数，其余表都相同，以下表1是“IVs”的系数值。

表1

这里有相当多的方差。开路先锋的OBP每一点都价值约每场比赛0.003分，（一个开路先锋的OBP有0.021的增加意味着每场比赛要多拿约0.063分，大约每个赛季多拿10分，通常意味着1胜）。而对于第八棒，OBP明显就不那么有价值了，对于开路先锋，OBP要比SLG重要三倍。对于清垒者，他们几乎是相同的。因此，这一分析表明，OBP和SLG的相对值可能会有所不同，取决于打击顺序的位置。
在我的分析中可能会有多重共线性，意味着可能会因为各个IVs高度相关而导致系数的估计是不可靠的。我讨论我所做的检测多重共线性就在下面。但如果这是一个问题，我尝试了一个不同的，但能使各个系统能减少相关性的类似的模式。
每个打击顺序有3个变量：保送率，打击率和长打率。保送，打击和长打分母是打席（PAs）。OBP和SLG有一个很小的区别OBP和SLG，OBP是以打席作为分母，而SLG是以打数作为分母。此外，使用长打有点像独立电源。 而SLG并不总是拥有良好的功率测量功能，因为一个人谁打了一支singles就能驱动他的SLG。独立电源是SLG-AVG，和长打并通过打数来划分的。当然，在这里，我使用的是打席。 H1是开路先锋的击中率，W1是开路先锋的保送率，XB1是开路先锋长打率等等，这里是系数估计见表2：

如表2，同样，也有一些比较大的差异。一个开路先锋被保送对自己球队价值是一个第六棒打者的两倍。而在长打方面清垒者有最高的价值。
我没有尝试一些其他的变量。我曾在每场比赛的盗垒成功和盗垒失败的第一个模型，与OBP和SLG一样。事情还是基本上和想象中的一样，但在很多情况下，一个被抓盗垒的价值是积极的，在一个棒次中，一个盗垒的价值竟然是消极的。为什么一些打击棒次盗垒是负值，被抓盗垒反而还是正值，目前尚不清楚。我试图在AL分析一个回归，因为他们有DH——一个第九棒的普通球员。结果似乎还是相同的。
现在讨论多重共线性。在分析OBP和SLG的第一种模式，大部分“IVs”之间的相关性在0.5以下。但有些更高，他们所有的OBP和SLG与打击顺序一一对应。OBP1和SLG1之间的相关性为0.596。这些相关基本上介于0.596到0.739，除了OBP9和SLG9之外，这都是非常高的0.897，
但在第二个模型中，只有一个IVs的相关性超过0.5——H9和XB9是0.648。其他的绝大多数在0.2以下。

表3

你可以去评判有DH和没有DH的区别（表4）

表4

确实，有的棒次盗垒反而是不利因素（表6）

To be continue，有事去了

虽然不太懂，但好像很厉害的样子

我胡汉三又回来了，继续……

现在各个IVs可能呈现线性关系。我除了这一次不做任何计算，如果我做了，我就会革新这个故事。我运算了一个回归与一些不同的变量来尽量避免或减轻这一问题。每个打击顺序仍然是3个变量：OBP，SLG和XB。OBP，SLG，和XB，分母是打席。这与OBP以打席作分母，SLG以打数作为分母不同（表7），仍然是H1是开路先锋的击中率，W1是开路先锋的保送率，XB1是开路先锋长打率等等。

表7


现在是在DH制中把盗垒和反盗垒的因素加进去（表8）