Linkan i LIF – så bra är han enligt siffrorna
Publicerad: Idag 11:22
Anton Jansson, statistikexpert hos Hockeynews, har tittat närmare på Michael "Linkan" Lindqvist och forwardens underliggande siffror. Blir han en succé i Leksand?
Den här artikeln är exklusiv för dig med PLUS
Kommentarer - Michael Lindqvist - WAR-modellen:
Michael Lindqvist är lite över medel i ligan när det kommer till de flesta mätvärden när vi tittar på spelarkortet och modellen.
Noteringen 82 %, förväntad wins above replacement är en bra siffra i ligan och 0,63 i game score, de här noteringarna är precis som jag inledde med att säga - lite över medel.
Han gjorde 22 poäng och tittar vi på den vänstra spidern så är han lite över medel på första och andra assist till mål - även kontrollerade ingångar.
Lägen via kontringar alltså: rush chances samt tacklingar, där sticker Lindqvist inte ut alls. Där är han minst stark, om vi säger så, enligt denna modell.
Toppnoteringen ser vi i xGoal against, hans defensiva siffror som forward sticker ut, där är han långt över medel och visar väldigt bra siffror. Sen är det stabilt och över medel i hela WAR-modellen.
Över de fyra senaste säsongerna har han hamnat runt 80 procent och i det spannet, i WAR-modellen.
Kommentarer, Michael Lindqvist, 5 mot 5 i defensiv styrka, jämförelse mot Leksands forwards förra säsongen:
I den här tabellen ser vi hur ofta laget vinner pucken i egen zon när den här spelaren är på isen (pucks recovered % DZ). Samt hur många gånger spelaren försöker stoppa motståndaren från att sig in i zonen vid blålinjen (entries denied) och hur många mål motståndarna förväntas göra när den här spelaren är på isen (xG against)
När det gäller Michael Lindqvist är det tydligt att han kommer tillföra Leksand en hel del defensivt, trots att han är forward och i stora delar också en producerande sådan.
Om Michael Lindqvist skulle ha spelat i Leksand förra säsongen så ser ni att han skulle varit i topp sett till defensiva siffror som forward.
Puckvinsterna i egen zon, 60,3 % - få stopp i spelet vid blå 4,8 % och xG against 1,9 % är starka papper.
Leksand får in en användbar spelare och tittar vi på denna tabell och WAR-modellen. Det är en bra tvåvägsspelare vars siffror vi har djupdykt i.
FAKTA/Anton Jansson går igenom statistiska benämningar i sin modell:
WAR
Kommentar: WAR står för Wins above replacement - översättningen och betydelsen är hur många mer vinster du får med den här spelaren i laget i jämförelse med att du skulle byta ut honom mot en spelare som inleder matchen som extraforward exempelvis eller en spelare som inte är ordinarie. Här använder du dig av olika metrics, dvs mätvärden, vad spelaren gör på isen och kommer sedan fram till en poängsumman - som formas till en procentsats. Har du som spelare 100 procent i WAR-modellen är du bäst i ligan, har du lägre procent eller bottennoteringen: 0 procent är du sämst i ligan. Det är en summa som ska förstärka bilden av hur många vinster den aktuella spelaren ger / står bakom - till sitt lag. Är en spelare högst upp - sett till procentsats - då är spelaren bäst i laget.
Data per 60 minutes
Kommentar: Det här en rättvis jämförelse av olika spelare. Vi räknar ut hur många poäng spelaren gör per 60 minuter. Det här är ett mer rättvist sätt att räkna ut poäng och data på olika spelare även fast en spelare har producerat lika många poäng fast den ena har mer speltid mot en annan. Exempelvis 6 poäng delat på 120 minuters spel - så multiplicerar du det värdet med 60 - då blir det ett poängsnitt på 3 poäng - per 60 minuter. På så sätt blir det bättre för den som har mindre speltid som gjort lika mycket poäng. Data per 60 minuter visar hur många poäng en spelare gör i snitt per 60 minuters speltid. Det ger helt enket en rättvis jämförelse mellan spelare med olika mycket istid.
Rush chances
Kommentar: Hur många chanser spelaren skapar när spelaren är i fart och i olika omställningar. Det är antingen när spelaren passar till en medspelare som skjuter eller att spelaren går på avslut själv. Vi tar fram ett värde utifrån hur många chanser en spelare skapar via kontringar av olika slag helt enkelt.
Controlled zone entries
Kommentar: Det är helt enkelt hur ofta spelaren tar in pucken med kontroll i offensiv zon istället för att dumpa ner den i offensiv zon. Alltså: hur många gånger spelaren gör det under en säsong eller under en viss tidsperiod, beroende på hur du vill bryta ner det.
Expected goals, xG
Kommentar: Så många mål förväntas laget göra när spelaren är på isen framåt. Hur många mål han förväntas göra när han är på isen - framåt (offensivt spel)
Expected goals, against
Kommentar: Hur många mål laget förväntas släppa in när han spelaren är på isen (defensivt spel)
Lagets mål / ambition - med xG-värdet är: ett lag vill ha så hög procent som möjligt på xG framåt och så låg som möjligt på against.
Corsi
Kommentar: Genomsnittet ligger på ungefär 50 procent - ett skott framåt och ett skott emot blir 50 %, har man hög corsi är man inne på mer skott framåt än vad man har emot sig. Du vill att spelaren /laget ska ha så hög corsi som möjligt. Mer skott framåt - vill ett lag ha, när laget är ut på isen. Det säger sig självt att det kan öka möjligheten till att vinna.
Game score
Kommentar: En uträkning som tar in flera olika faktorer under en match: mål, assist, skott, blockerade skott, utvisningar - allt som är första och andra assist, skott på mål. De här räknas ut till en viss summa, en poäng - sen gör jag en average-koll över hela säsongen. Ju högre siffra det blir totalt sätt när vi räknar ihop det, desto bättre.
Zone exits
Kommentar: Utgångar ur zon är tillfällen då ett lag lyckas få ut pucken ur sin egna försvarszon och in i mittzonen.
Det kan göras genom att driva pucken, passa den, eller slå ut den över blålinjen för att rensa zonen och påbörja ett anfall.
Poins per minute
Kommentar: Enkelt sammanfattat är antal poäng per minut.
Första och andra assist samt mål - och tacklingar:
Kommentar: Säsongsantalet inom varje segment finns med i den här modellen och visas upp i grafiken hur spelaren står sig kopplat till ligans snitt.
