主場優勢會點樣改變比分矩陣？
主場優勢唔係喺每個主勝比分格「加一個固定百分點」。 真正做法係先改變主客預期入球： 目前免費快照主隊平均 1.66 球、客隊 1.39 球， 總和仍然係 3.05 球。 當同一個總入球環境由 1.525／1.525 重新分配成 1.66／1.39， 成張比分矩陣會由對稱變成向主隊方向傾斜。
直接答案：主場優勢會將概率由客隊方向搬去主隊方向
比分矩陣每一格都係：
P(H=h,A=a) = P(H=h) × P(A=a) × τ(h,a;ρ)
所以只要 λH 上升、λA 下降， 1:0、2:0、2:1 呢類主隊比分格就會相對增加； 0:1、0:2、1:2 呢類客隊比分格就會相對減少。 呢個係整張矩陣嘅結構性移動，唔係只改一個「主勝概率」。
想先理解二維比分矩陣點樣由 λ 建立，可以睇 足球比分適合用泊松模型嗎？。
先固定總入球 3.05，再只改主客分配
為咗睇清「主客分配」本身對比分矩陣嘅影響， 可以做一個控制變量示範：
| 情境 | λ_H | λ_A | λ_H + λ_A |
|---|---|---|---|
| 對稱基準 | 1.525 | 1.525 | 3.05 |
| 目前主客平均分配 | 1.66 | 1.39 | 3.05 |
兩個情境總入球完全一樣， 唯一改變係主客兩邊點樣分 3.05。 所以之後矩陣差異可以清楚解讀成「主客 λ 分配改變」嘅數學效果， 而唔係總入球水平改變。
同一總入球 3.05，幾個常見比分格會點樣搬位？
以下使用 HKBetNet 波膽工具同一套 Dixon-Coles ρ=-0.04， 比較「1.525／1.525 對稱基準」同「1.66／1.39 主客分配」。 呢個係結構示範，唔代表任何指定賽事。
| 比分 | 對稱 1.525／1.525 | 主客 1.66／1.39 | 變化 |
|---|---|---|---|
| 0:0 | 5.18% | 5.17% | -0.00pp |
| 1:0 | 6.78% | 7.42% | +0.64pp |
| 0:1 | 6.78% | 6.15% | -0.64pp |
| 1:1 | 11.45% | 11.36% | -0.09pp |
| 2:0 | 5.51% | 6.53% | +1.02pp |
| 0:2 | 5.51% | 4.58% | -0.93pp |
| 2:1 | 8.40% | 9.07% | +0.67pp |
| 1:2 | 8.40% | 7.59% | -0.80pp |
方向好清楚： 1:0、2:0、2:1 向上， 0:1、0:2、1:2 向下。 0:0 同 1:1 因為兩邊總 λ 幾乎冇變，而且仲有 Dixon-Coles 低比分修正， 所以變化會細好多。
將整張矩陣加總，主勝／和／客勝會點樣變？
將所有 h>a 格加埋係主勝； h=a 係和； h<a 係客勝。
P(Home Win)=Σ P(h,a), h>a
P(Draw)=Σ P(h,h)
P(Away Win)=Σ P(h,a), h<a
| 矩陣聚合 | 對稱基準 | 主客分配 | 變化 |
|---|---|---|---|
| 主勝 | 37.5% | 43.5% | +6.0pp |
| 和波 | 25.0% | 24.7% | -0.2pp |
| 客勝 | 37.5% | 31.8% | -5.8pp |
呢個示範入面，主勝由約 37.5% 升到 43.5%； 客勝由約 37.5% 跌到 31.8%。 和波變化相對細。 呢個係 λ 分配改變之後自然由矩陣聚合出嚟，唔係額外手動加「主場加成」。
點解總入球可以完全不變，但波膽分布明顯改變？
如果 H 同 A 都用泊松，而且：
H ~ Poisson(λ_H), A ~ Poisson(λ_A)
咁總入球 T=H+A 嘅期望係：
E[T] = λ_H + λ_A
1.525+1.525 同 1.66+1.39 都係 3.05， 所以一維總入球中心可以幾乎一樣； 但二維比分矩陣已經由對稱變成偏向主隊。
呢個就係本頁同 主場同作客會影響入球概率嗎？ 嘅分工： Goal 頁研究主客場點樣改變入球率； 呢頁研究嗰個 λ 變化點樣傳入具體比分矩陣。
1.66 對 1.39 唔等於已證明「主場造成 +0.27 球」
目前樣本主隊平均 1.66、客隊 1.39， 差值 +0.27 球。 呢個係描述性主客場不對稱， 可以用嚟示範矩陣點樣移動； 但未控制球隊實力、聯賽、賽程、升班隊、紅牌同其他因素。
所以頁面唔會將 +0.27 直接叫做純粹因果「home effect」。 真正估主場係數，可以用 log-link：
log(λ_H) = α + attack_home − defence_away + β_home + ...
再用歷史資料估 βhome， 同時控制球隊攻守能力。 咁先可以將「主場」同「主隊本身較強」分開少少。
編輯研究經驗：最常見錯法，係喺矩陣最後先硬加「主場優勢」
HKBetNet 做比分矩陣 QA 時， 主場效應應該喺 λ 建立階段處理， 唔係矩陣計完之後再將所有主勝格乘一個固定係數。 後者會令概率結構失去清楚數學來源。
第二個常見錯法係只睇主勝概率， 冇睇邊啲比分格實際搬位。 例如 1:0 同 2:0 上升、0:1 同 0:2 下降， 先可以真正睇到 λ_H／λ_A 改變點樣作用落波膽。
做賽事層面核對時，我哋亦會留意球隊強弱同賽程結構。 如果強隊本身較多時候出任主隊， aggregate 主場平均自然會混入實力差異； 所以賽事經驗用嚟檢查數據背景，唔會用嚟取代模型控制。
學術研究點樣將主場優勢放入比分模型？
Maher（1982）嘅足球比分泊松模型以球隊攻擊、防守能力建立主客入球率， 為後來加入主場項提供咗清楚框架。
Dixon & Coles（1997）喺泊松比分模型入面加入主場效應， 同時處理球隊實力隨時間變化同低比分相關。 呢類模型嘅核心唔係「主場固定加幾多球」， 而係先估 λ_H、λ_A，再由兩個 λ 建立聯合比分概率。
Pollard 對足球主場優勢嘅長期研究亦指出， 主場優勢係真實可觀察但成因多重，而且會隨時代、聯賽同環境改變。 所以 β_home 應該係需要估計同更新嘅模型參數，唔係足球永恆常數。
- Maher (1982)：Modelling association football scores
- Dixon & Coles (1997)：Modelling association football scores and inefficiencies in the football betting market
- Pollard (2008)：Home Advantage in Football: A Current Review of an Unsolved Puzzle
HKBetNet 自己嘅資料、模型凍結、回測同校準方法，可以再睇 編輯與研究方法。
限制與不能推出的結論
- 目前 1.66／1.39 係 2026/27 早段聚合平均，唔係控制球隊實力後嘅純主場因果係數。
- 對稱 1.525／1.525 只係控制變量示範，唔代表真實「中立場」應有嘅 λ。
- 矩陣示範使用 HKBetNet 現行 Dixon-Coles ρ=-0.04，ρ 本身係凍結模型參數。
- 示範主勝／和／客勝來自 0–10 × 0–10 矩陣，11+ 入球尾部極細但唔係數學上完全為 0。
- aggregate 主客平均可能混入球隊實力、聯賽與賽程結構，唔應直接解讀成主場因果。
- 本頁研究 λ 改變點樣傳入比分矩陣；主客場對總入球率本身由 Goal 頁負責。
- 模型概率唔係投注建議，更加唔係保證盈利。