WINSportsAI

球場別パークファクター徹底解説|本塁打・得点の出やすさと野球予想への使い方

📅 公開: 2026-06-23🔄 更新: 2026-06-23✍️ WINSportsAI 編集部⏱️ 読了 約11分
同じ打者でも、神宮で打てば本塁打、別の広い球場ならフェンス前で失速——野球では「どの球場で試合をするか」だけで得点の出やすさが大きく変わります。この球場ごとの偏りを数値化したのがパークファクター(Park Factor / PF)です。本記事では、PFがなぜ生まれるのか、どう計算するのか、そしてAIが試合予想やトータル(オーバー/アンダー)予想にどう活用するのかを、サンプル数の落とし穴も含めて解説します。これは特定の球場で「必ず点が入る」という保証ではなく、得点期待値を球場で補正するための統計的な考え方です。

// TL;DR (この記事の結論)

①PFは球場の得点・本塁打の出やすさをリーグ平均1.00として相対化した係数 ②広さ・フェンス高・天候・人工芝などが要因 ③NPBでは神宮・東京ドームが打高、甲子園・バンテリンが投高傾向 ④用途は「選手成績の補正」「投手の割引」「トータル予想の調整」 ⑤1年では振れるので複数年で安定させる

// 目次

  1. パークファクターとは何か
  2. なぜ球場で差が出るのか — 5つの要因
  3. 計算方法と数式
  4. NPB主要球場の傾向(一般論)
  5. サンプル数の罠と複数年平均
  6. 予想への3つの使い方
  7. トータル(O/U)予想とPF
  8. よくある質問

パークファクターとは何か

パークファクターは、ある球場でどれだけ得点や本塁打が出やすいかを、リーグ平均を1.00として表した係数です。PFが1.00より大きければ「打者有利(打高)」、小さければ「投手有利(投高)」を意味します。たとえばPF1.20なら、その球場では平均より約20%得点が出やすいという見方になります。逆にPF0.80なら2割出にくい投高球場です。

重要なのは、PFは「両チームに等しく作用する中立的な環境要因」だという点です。打高球場では自軍も相手軍も点が入りやすくなります。だからこそ、選手の成績を比較するときや、1試合の総得点を予想するときに、この環境の偏りを取り除く(または織り込む)必要があるのです。

なぜ球場で差が出るのか — 5つの要因

球場ごとのPFの違いは、主に次の5要因から生まれます。

要因打高に傾く条件投高に傾く条件
フィールドの広さ外野が狭い外野が広い
フェンスの高さ低い高い(打球が阻まれる)
ファウルゾーン狭い(凡飛が安打に)広い(凡飛がアウトに)
気象・屋根追い風・高温・乾燥向かい風・低温・ドーム無風
標高・芝高地・打球が伸びる芝低地・打球が止まる芝

たとえば外野が狭くフェンスが低い球場は本塁打が出やすく、PFが高くなります。逆にファウルゾーンが広い球場は、本来ならスタンドインしていた凡フライがファウルフライとして捕られるため、打者がアウトになる機会が増え、PFが下がります。気温も無視できず、暖かく乾いた空気は打球が伸び、寒く湿った空気は失速させます。

計算方法と数式

パークファクターの基本的な計算は、「ホーム試合での得点」と「ビジター試合での得点」を比較することで、チームの強さを打ち消し、球場の効果だけを取り出します。

PF = (ホーム試合の1試合平均得点 + 失点) ÷ (ビジター試合の1試合平均得点 + 失点)

※ ホーム/ビジターの試合数差を補正
※ 複数年(例: 3年)を合算して安定化

得点と失点の両方を使うのは、自軍の攻撃力・投手力という「チーム要因」を相殺し、純粋に「その球場では点が入りやすいか」だけを抽出するためです。多くの場合、より精緻なモデルでは相手チームの質や年度間の得点環境の変化も補正します。

NPB主要球場の傾向(一般論)

NPBでは、球場の特性から一般に次のような傾向が知られています。なお具体的な係数は集計年・集計方法で変わるため、ここでは方向性を示す目安として捉えてください。

球場傾向(一般論)主な理由
明治神宮野球場打高寄り狭く本塁打が出やすい
東京ドーム打高寄りドームで打球が伸びやすい
横浜スタジアムやや打高外野が比較的狭い
阪神甲子園球場投高寄り広い外野・浜風
バンテリンドーム投高寄り広く本塁打が出にくい
✅ 注意: 上記はあくまで一般的な傾向の目安。実際のPFは年度・改修・気候で変動するため、最新の集計値で確認するのが原則です。

サンプル数の罠と複数年平均

パークファクターで最も陥りやすい間違いが、1シーズンの数字を鵜呑みにすることです。1年分のホーム試合は70試合程度しかなく、その年たまたま乱打戦が多かっただけでPFが跳ね上がることがあります。これは球場の本質ではなく「運」です。

そのため、信頼できるPFは3年前後を平均して算出します。複数年で均すことで、年ごとの偶然の振れが平滑化され、球場本来の特性が浮かび上がります。これは精度評価の記事で触れた「サンプル数が小さいと運と実力を区別できない」という原則と同じ考え方です。

予想への3つの使い方

AIや分析者は、パークファクターを主に次の3つの目的で使います。

① 選手成績の球場補正: 打高球場を本拠地とする打者の本塁打数は、実力以上に多く見えがちです。PFで割り戻すことで「中立球場ならどれくらいか」という真の実力(park-adjusted)を見積もれます。投手も同様に、投高球場の好成績は割り引いて評価します。

② 投手評価の補正: 打高球場で投げる投手は、同じ実力でも被本塁打・失点が増えがちです。逆に投高球場の投手は数字が良く見えます。試合予想では、登板球場のPFを考慮して失点期待値を上下に調整します。

③ 対戦カードの環境読み: 打高球場 × 強力打線同士のカードは点が入りやすく、投高球場 × 好投手対決は締まった展開になりやすい。この環境バイアスを織り込むことで、勝敗だけでなく総得点の予想精度が上がります。

トータル(オーバー/アンダー)予想とPF

パークファクターが最も直接効くのがトータル(オーバー/アンダー)予想、つまり「両チームの合計得点が基準を上回るか下回るか」の予想です。ここではPFがそのまま総得点の期待値を押し上げ・押し下げます。

予想総得点 ≒ (両チームの基準得点力) × 球場PF × 先発投手補正 × 気象補正

たとえば打高球場で、両軍とも打線が好調、先発がともに四球の多いタイプなら、総得点の期待値は基準より上振れしオーバー寄りに傾きます。逆に投高球場で両エースが先発するカードは、アンダー寄りと読めます。WINSportsAIのモデルでは、PFを得点分布シミュレーションに組み込み、各試合のオーバー/アンダー確率と期待値(EV)を算出しています。

✅ 結論: パークファクターは勝敗予想よりも「総得点(O/U)予想」で威力を発揮する。球場という中立要因を見落とすと、両軍の得点期待値を丸ごと読み違える。

🔥 球場補正込みの試合予想を毎朝配信

パークファクターを織り込んだNPB試合別AI予想・トータル予想を毎朝配信中。球場が勝率・総得点予想にどう効くかを実例で確認できます。

SPORTS×AI コミュ参加 →

よくある質問 (FAQ)

パークファクター(PF)とは何ですか?

ある球場でどれだけ得点や本塁打が出やすいかをリーグ平均を1.00として相対化した係数です。1.00より大きければ打高、小さければ投高を意味します。

なぜ球場ごとに得点の出やすさが違うのですか?

フィールドの広さ、フェンスの高さ、ファウルゾーン、屋根の有無、標高・気象、芝の種類などが影響します。広くフェンスが高いほど本塁打が出にくくなります。

パークファクターはどう計算しますか?

ホーム試合の得点とビジター試合の得点を比較し、チームの強さを打ち消して球場効果を抽出します。1年だと振れるため複数年を平均して安定させます。

パークファクターは予想にどう使えますか?

①選手成績の球場補正、②打高球場での投手の割引、③トータル(O/U)予想での総得点調整、の3つが主な用途です。

本塁打パークファクターと得点パークファクターは違いますか?

はい、別物です。本塁打は出にくいが二塁打・三塁打が出やすい球場では、本塁打PFが低くても得点PFはそれほど低くないことがあります。目的に応じて使い分けます。

🤖
WINSportsAI 編集部 NPB+格闘技AI予想プラットフォーム。パークファクターを得点分布シミュレーションに組み込み、毎日全試合の勝敗・トータル予想を公開。

※本記事は野球統計・球場分析の教育を目的とした解説であり、収益や的中を保証するものではありません。無料の朝予想はTelegramコミュニティで配信しています。