事情就像钟表一样精准。曼联在对阵热刺的比赛中失分，评论员们迅速质疑他们的努力和态度，利用球队的身体统计数据来进行论证。在天空体育节目上，杰米·雷德克纳普说：“我看比赛时不太喜欢的一个模式是，另一支球队的跑动比你多，而数据也不谎言。在目前的英超联赛中，我觉得有几个不可妥协的因素：如果你想赢，就必须比对方跑得多，或者至少要跑得足够接近，以至于不会造成太大的差别。热刺的跑动比曼联多了五公里。” 身体指标如跑动距离和冲刺次数变得越来越容易获取和理解，因此被广泛使用。当一支大球队未能达到预期时，评论员和专栏作家常常研究他们的跑动指标以寻找一个简单的解释。利物浦和切尔西在上个赛季也遭受了类似的评判。但这公平吗？大量跑动与球队成功之间存在多少关联？虽然从表面看数字并不复杂，但回答这个问题确实很复杂，这可能突显出在团队运动中这些指标是如此微妙，因此将过多的重要性与顶线数据联系在一起并不是最佳做法。我们评估这个问题的第一种方式是将英超联赛的积分表与跑动距离和高强度距离的排名进行比较。是的，这相当简单和基础，但这是一个起点。上个赛季英超联赛的积分榜几乎并不反映跑动距离或每场高强度距离的排名。当然，阿森纳和曼城在整体距离上名列前茅，但第三到第八的球队在这方面的表现最多也只是中等。排名前10的球队在整个赛季平均跑动4,363公里；排名后10的球队平均跑动4,332公里。从整体来看，这两个平均值之间的31公里差距相当小。同样，前10名球队的平均高强度跑动距离（338.7公里）与后10名球队（328.4公里）之间也存在轻微差异，但我们谈论的只是3%的增加。同样，当查看本赛季的数据时，很难看到多少关联。不过，将其与积分表联系起来确实无视了成功的相对性。当然，博恩茅斯不可能因为在距离排名中名列第七就能在积分表上排第七。相反，我们可以使用Opta超级计算机的赛季前预测来了解各支球队成功的赛季可能是什么样的，以及表现超出预期的球队是否跑得更多。上个赛季，有10支球队的最终排名比赛季前Opta超级计算机预测的更高，他们在整个赛季的平均跑动距离为4,369公里；而9支排名最后的球队则比赛季前预测的排名低了至少一个名次，平均跑动距离为4,308公里。因此，虽然两者之间存在差异，但仅仅是非常小的1.4%。然而，桑德兰（+13名）和曼联（+9名）在跑动距离上并不在前10名之内，但超出了超级计算机的预期，超越了其他任何球队；而水晶宫（-8名）和纽卡斯尔（-6名）则在跑动距离上位列前10名，但在与赛季前的预期相比却是最令人失望的球队。我们还可以看看预期得分，这是一种基于每场比赛所有射门的xG值模拟两队进球情况的方法，然后模拟每场比赛10,000次，以确定比赛以胜、平、负结束的比例。虽然这不是完美的，因为它受到xG的自然局限性所限制，但它确实为赛季表现提供了一个不错的气象计。上个赛季，跑动距离排名在下半区的球队平均超过了他们的预期得分0.38，而排名前半区的球队则平均减少了1.88分。因此，简单来说，似乎在长时间内（至少在我们尝试描述的方式中）成功与跑动距离之间的相关性非常小。但这并不意味着我们没有发现任何普遍的相关性。在分析2025-26赛季的众多身体指标时，距离覆盖中的持球距离与最终排名显示出最强的关联性。这并不完美，但似乎暗示着在持球状态下跑动的距离越长，排名越高。这并不一定意味着某支球队因为在控球时跑动更多而最终高居榜首；这很可能是由于那支球队拥有较好的球员从而更常控球的反映。但这仍然值得注意。但或许身体指标与成功之间最显著的联系在于……