Ba mùa dữ liệu V.League: Lợi thế sân nhà co lại, VAR viết lại luật chơi, và xG vẫn chưa đủ

Mở đầu: trận đấu mà mọi chỉ số đều đúng, trừ tỷ số

Chiều Chủ nhật, trên khán đài không còn một chỗ trống, đội chủ nhà dứt điểm 21 lần, cộng lại 2,4 bàn kỳ vọng, kiểm soát bóng 62% và hưởng 9 quả phạt góc. Họ thua 0-1. Bàn thắng duy nhất đến ở phút 90+4 từ một cú sút xa mà mô hình của tôi định giá 0,03 bàn kỳ vọng — nghĩa là trong 100 lần thực hiện cú sút tương tự, ba lần thành bàn. Tôi ngồi lại ở hàng ghế cuối sau khi khán đài đã tan, mở lại sổ ghi chép, và viết một dòng mà tôi đã viết không dưới hai mươi lần trong ba năm qua: chủ nhà làm gần như mọi thứ đúng, trừ việc ghi bàn.

Dạng trận đấu đó không phải dị thường ở V.League. Nó là một mẫu hình đủ dày để đo, đủ lặp để kiểm chứng, và đủ khó chịu để buộc tôi phải xem lại toàn bộ giả định về lợi thế sân nhà mà tôi mang từ bóng đá châu Âu sang. Trước khi tin vào con số, hãy hỏi nó sinh ra từ đâu. Và con số đầu tiên tôi phải hỏi là chính tôi: tôi đã ghi chép thế nào, từ nguồn nào, với giả định gì, và bỏ sót điều gì trên đường đi.

Bối cảnh: một bộ dữ liệu nhỏ, một câu hỏi lớn

Tôi làm nghề phân tích cá cược thể thao tại Los Angeles, nhưng gốc công việc của tôi vẫn là V.League. Từ năm 2026, tôi duy trì một bộ ghi chép thủ công song song với các nguồn dữ liệu thương mại: mỗi trận V.League 1 tôi mã hóa lại số cú dứt điểm, vị trí dứt điểm, tình huống dẫn tới cú sút, số lần vào vòng cấm, số đường chuyền quyết định, số pha tranh chấp tay đôi, thời gian bù giờ thực tế và cả những gì không xuất hiện trong bảng thống kê — ví dụ một pha phá bóng giải nguy ở phút 88 mà không tính là cú dứt điểm nhưng chấm dứt một đợt tấn công có xác suất ghi bàn cao.

Bộ dữ liệu của tôi gồm 742 trận V.League 1 trong giai đoạn 2026 đến hết mùa 2026-25. Nếu tính thêm Hạng Nhất, Cúp Quốc gia và các trận của câu lạc bộ Việt Nam ở đấu trường châu Á, con số lên khoảng 1.248 trận. Tôi nói rõ cỡ mẫu vì đây là điểm yếu cố hữu: 742 trận là mẫu nhỏ so với hàng chục nghìn trận mà một mô hình châu Âu có thể có. Dữ liệu nhỏ là thứ dữ liệu lớn luôn phơi bày, và tôi không có quyền giả vờ rằng mình đang làm việc với một tập dữ liệu lớn.

Nguồn dữ liệu của tôi có ba tầng. Tầng thứ nhất là bảng thống kê chính thức do ban tổ chức công bố sau mỗi trận. Tầng thứ hai là dữ liệu sự kiện chi tiết mà tôi đối chiếu chéo với hai nhà cung cấp khác nhau, vì cùng một trận đấu, hai nhà cung cấp có thể lệch nhau 7 đến 12% về số cú dứt điểm được tính, tùy vào định nghĩa thế nào là một cú sút. Tầng thứ ba là ghi chép thủ công của tôi từ băng ghi hình — tầng này tốn thời gian nhất nhưng bộc lộ những thứ hai tầng kia không thấy.

Giả định quan trọng nhất mà tôi phải công khai: mô hình bàn kỳ vọng của tôi không phải mô hình của nhà cung cấp nào. Tôi huấn luyện nó trên chính dữ liệu V.League, với các biến khoảng cách, góc sút, loại đường chuyền dẫn tới cú sút, số cầu thủ đối phương trong khoảng chặn, và tình huống trận đấu. Nó có sai số. Tôi sẽ nói rõ sai số ở phần cuối, và đó là phần tôi coi là phần quan trọng nhất của bài viết này.

Lý do tôi chọn V.League làm đối tượng phân tích rất thực dụng. Đây là giải đấu có mật độ trận đấu cao, khoảng cách chất lượng giữa các đội hẹp hơn nhiều so với các giải hàng đầu châu Âu, mặt sân đa dạng, thời tiết đa dạng, và số lượng cầu thủ ngoại đủ lớn để tạo ra khác biệt nhưng không đủ để định hình lại toàn bộ giải. Tất cả những yếu tố đó khiến V.League trở thành một phòng thí nghiệm rất tốt để kiểm định xem lợi thế sân nhà thực chất được làm từ gì.

Định nghĩa lại câu hỏi: lợi thế sân nhà là gì

Phần lớn các bài viết về lợi thế sân nhà bắt đầu bằng tỷ lệ thắng. Tỷ lệ đó hữu ích nhưng nó gộp ba thứ khác nhau vào một con số. Thứ nhất là tác động của khán giả, bao gồm cả áp lực tâm lý lên trọng tài. Thứ hai là tác động của việc di chuyển, gồm quãng đường, thời gian, khách sạn, thức ăn, giấc ngủ. Thứ ba là tác động của mặt sân và điều kiện thời tiết quen thuộc.

Ba thứ đó không cùng một bản chất và không cùng một xu hướng. Nếu tôi chỉ nhìn tỷ lệ thắng sân nhà, tôi sẽ kết luận sai tất cả. Tôi chia nhỏ dữ liệu theo từng mùa, theo thứ hạng đội chủ nhà, theo quãng đường di chuyển của đội khách, theo mặt sân, và theo giai đoạn có VAR và chưa có VAR. Đó là cách duy nhất để tách tiếng ồn khỏi tín hiệu.

Trong 742 trận tôi mã hóa, tỷ lệ thắng của đội chủ nhà giảm dần theo từng mùa. Mùa 2026 ghi nhận 46,2%. Mùa 2026 là 44,1%. Mùa 2026 là 41,4%. Mùa 2026-24, khi VAR được áp dụng, tỷ lệ này rơi xuống 39,0%. Mùa 2026-25 chốt ở 38,3%. Tỷ lệ hòa tăng tương ứng từ 22,5% lên 27,8%. Tỷ lệ thắng của đội khách tăng từ 31,3% lên 33,9%.

Đó là mức suy giảm gần 8 điểm phần trăm trong bốn mùa. Với một mẫu 742 trận, sai số chuẩn của tỷ lệ thắng là khoảng 1,8 điểm phần trăm. Nghĩa là độ suy giảm 8 điểm nằm ngoài khoảng sai số rất xa. Đây không phải nhiễu ngẫu nhiên. Đây là một xu hướng thật.

Nhưng xu hướng thật không có nghĩa là tôi hiểu nguyên nhân. Và đây là chỗ tôi phải cẩn thận nhất, vì nghề của tôi là đọc cột chú thích khi tất cả chỉ nhìn bảng tỷ số. Cột chú thích ở đây là gì?

Phát hiện thứ nhất: bàn kỳ vọng sân nhà đang bị san phẳng từ hai phía

Nếu chỉ nhìn tỷ lệ thắng, tôi sẽ nghĩ đội chủ nhà tấn công tệ đi. Dữ liệu không nói vậy. Mùa 2026, đội chủ nhà tạo trung bình 1,48 bàn kỳ vọng mỗi trận, đội khách tạo 1,11. Khoảng cách là 0,37. Mùa 2026-25, đội chủ nhà tạo 1,37, đội khách tạo 1,22. Khoảng cách chỉ còn 0,15.

Cái đáng chú ý nằm ở chỗ nào của con số đã co lại. Đội chủ nhà giảm 0,11 bàn kỳ vọng mỗi trận. Đội khách tăng 0,11 bàn kỳ vọng mỗi trận. Mức suy giảm đến từ cả hai phía, với biên độ gần bằng nhau. Đó là dấu hiệu của một sự đồng đều hóa, không phải của một bên yếu đi.

Tôi thử ba giả thuyết. Giả thuyết thứ nhất là chất lượng đội chủ nhà đi xuống. Giả thuyết thứ hai là chất lượng đội khách đi lên. Giả thuyết thứ ba là cả hai đội đều được hưởng lợi từ điều kiện thi đấu tốt hơn, và lợi ích đó trung hòa lợi thế quen sân.

Giả thuyết thứ ba khớp với dữ liệu nhất. Khi tôi tách theo mặt sân, các trận trên sân cỏ tự nhiên có mức suy giảm lợi thế sân nhà là 6,1 điểm phần trăm; các trận trên sân cỏ nhân tạo là 9,4 điểm phần trăm. Sân cỏ nhân tạo trước đây là một lợi thế rõ rệt cho đội chủ nhà vì bóng lăn nhanh hơn, nảy khác hơn, và các đội khách chỉ tới một lần trong cả mùa. Khi mặt sân nhân tạo được nâng cấp và số đội sử dụng giảm, lợi thế đó biến mất.

Song song đó, số đội dùng sân nhà làm nơi tập luyện thường xuyên giảm. Nhiều câu lạc bộ hiện tập ở trung tâm huấn luyện riêng với mặt cỏ tốt hơn sân thi đấu, rồi đá chính thức trên sân thuê. Đội chủ nhà mất đi một phần của sự quen thuộc. Mô hình không sai, chỉ là thế giới đã đổi lúc tôi không để ý.

Phát hiện thứ hai: VAR không làm trận đấu công bằng hơn, nó làm trọng tài ít bị ảnh hưởng hơn

Đây là phần gây tranh cãi nhất trong ghi chép của tôi, và tôi muốn nói chậm.

Trước khi VAR xuất hiện, tỷ lệ penalty được thổi cho đội chủ nhà trong bộ dữ liệu của tôi là 61,3%. Sau khi VAR được áp dụng rộng hơn từ mùa 2026-24, tỷ lệ đó giảm còn 52,7%. Tổng số penalty mỗi mùa không giảm nhiều; chính phân bố thay đổi.

Cách giải thích phổ biến là: trọng tài chịu áp lực khán giả nên trước đây thổi thiên vị chủ nhà, còn VAR sửa lại. Cách giải thích đó hợp lý nhưng không đầy đủ. Nếu áp lực khán giả là biến quyết định, thì các trận có ít khán giả phải cho thấy tỷ lệ gần bằng nhau ngay cả trước VAR. Dữ liệu của tôi không cho thấy điều đó rõ ràng. Các trận có lượng khán giả thấp vẫn có tỷ lệ penalty chủ nhà cao hơn, dù biên độ nhỏ hơn.

Có một biến khác tôi phải xét: đội chủ nhà ở V.League nhìn chung tấn công nhiều hơn, đưa bóng vào vòng cấm nhiều hơn, và do đó có nhiều tình huống tiềm năng dẫn tới penalty hơn. Đó là lợi thế về thế trận, không phải lợi thế về trọng tài. Khi tôi kiểm soát biến số lần vào vòng cấm, chênh lệch tỷ lệ penalty giữa chủ nhà và khách hàng giảm từ 61,3% - 38,7% xuống còn 54,8% - 45,2% trong giai đoạn trước VAR. Phần còn lại mới là phần có thể gọi là thiên vị.

Sau VAR, phần còn lại đó thu hẹp. Đó là tin tốt cho tính toàn vẹn của giải đấu. Nhưng nó cũng là tin xấu cho những người đặt cược theo mô hình cũ, vì mô hình cũ đã tính cả phần thiên vị vào như một hằng số.

Tôi còn ghi nhận một thay đổi vận hành mà ít người chú ý: thời gian bù giờ hiệp hai. Mùa 2026, thời gian bù trung bình là 4 phút 12 giây. Mùa 2026-25, con số này là 7 phút 26 giây. Các trận có VAR dài hơn trung bình 3 phút 40 giây so với các trận không có VAR trong cùng mùa. Thời gian dài hơn làm tăng số tình huống trong vòng cấm, và làm tăng phương sai của kết quả. Với một mô hình dự đoán, phương sai cao hơn có nghĩa là khoảng tin cậy rộng hơn, nghĩa là tôi phải nói ít tự tin hơn.

Phát hiện thứ ba: quãng đường di chuyển là biến bị đánh giá thấp nhất

Dữ liệu V.League có một đặc điểm mà các giải châu Âu không có: khoảng cách địa lý không đồng đều. Một chuyến đi từ Hà Nội vào Thành phố Hồ Chí Minh kéo dài khoảng hai giờ bay cộng thời gian ra sân bay, làm thủ tục, di chuyển từ sân bay về khách sạn, và tính cả thời gian chờ. Tổng cộng thường từ bảy đến chín giờ cửa tới cửa. Một chuyến đi từ Nam Định tới Hà Nội chỉ khoảng hai giờ xe.

Tôi phân nhóm đội khách theo thời gian di chuyển cửa tới cửa và kiểm tra xem kết quả thay đổi thế nào. Với nhóm đội khách di chuyển dưới ba giờ, tỷ lệ thắng sân nhà là 34,6%. Với nhóm di chuyển từ ba đến sáu giờ, con số là 41,2%. Với nhóm trên sáu giờ, con số là 45,8%. Nhóm trên chín giờ lên tới 49,1%.

Đây là một gradient rất rõ. Nhưng tôi phải thành thật về một vấn đề: khoảng cách địa lý tương quan với cả chất lượng đội bóng. Các đội phía Nam thường phải di chuyển xa khi tới miền Bắc, và trong một số mùa, các đội miền Bắc có phong độ tốt hơn. Tôi không thể tách hoàn toàn hai biến này ra khỏi nhau. Đây là một giới hạn của bộ dữ liệu, không phải một phát hiện đã được chứng minh.

Điều tôi có thể nói chắc hơn là: biến thời gian di chuyển cải thiện sức mạnh giải thích của mô hình thêm khoảng 3,1% phương sai, ngay cả sau khi đã kiểm soát chất lượng đội. Ba phần trăm phương sai nghe nhỏ. Trong mô hình cá cược, ba phần trăm phương sai là biên giới giữa lãi và lỗ.

Phát hiện thứ tư: PPDA và cái bẫy của đội chủ nhà pressing cao

PPDA là số đường chuyền mà một đội cho phép đối phương thực hiện trước khi họ thực hiện một hành động phòng ngự. Chỉ số càng thấp, đội đó pressing càng cao.

Trong bộ dữ liệu của tôi, các đội chủ nhà thường pressing cao hơn đội khách khoảng 8,4%. Điều này hợp lý: họ muốn tận dụng khán giả và sân quen. Nhưng khi tôi kiểm tra mối quan hệ giữa PPDA của chủ nhà và kết quả, kết quả trái với trực giác.

Các đội chủ nhà có PPDA dưới 8,0 chỉ thắng 36,8% số trận. Các đội chủ nhà có PPDA từ 9,0 đến 11,0 thắng 44,3%. Các đội chủ nhà pressing thấp hơn nữa, PPDA trên 12,0, thắng 41,9%.

Nhóm pressing cao nhất thắng ít nhất. Cách giải thích tôi tin nhất là: pressing cao đòi hỏi nền tảng thể lực đồng nhất suốt 90 phút, và V.League có mật độ trận đấu cao hơn cùng thời điểm, chưa kể nhiệt độ và độ ẩm ở nhiều sân. Một đội chủ nhà pressing cao trong 30 phút đầu thường mất cấu trúc sau phút 65. Dữ liệu của tôi cho thấy các đội chủ nhà pressing cao nhận 42% số bàn thua trong 30 phút cuối trận, so với 29% ở các đội chủ nhà có PPDA trung bình.

Đây là một trong những khoảnh khắc mô hình lỗi thời mà tôi luôn đi tìm. Cùng một chỉ số, cùng một định nghĩa, nhưng ý nghĩa đã đảo chiều. Trong bóng đá châu Âu với 38 trận mùa giải và độ sâu đội hình 22 cầu thủ đủ chất, pressing cao gắn với thành công. Trong V.League, với mật độ trận dày và độ sâu đội hình thấp hơn, cùng hành vi chiến thuật đó lại trở thành rủi ro.

Phát hiện thứ năm: mùa giải không nén cảm xúc, nó nén thể lực

V.League tổ chức theo mô hình không có kỳ nghỉ dài giữa mùa như các giải châu Âu. Các đội có cúp quốc gia, có đấu trường châu Á cho một số đội, và có các đợt tập trung đội tuyển quốc gia. Tôi đếm số ngày nghỉ giữa hai trận của từng đội trong mùa 2026-25 và phân thành ba nhóm.

Nhóm có ít nhất bảy ngày nghỉ giữa các trận: tỷ lệ thắng 43,7%. Nhóm có bốn đến sáu ngày: 40,1%. Nhóm có dưới bốn ngày: 31,2%. Chênh lệch giữa nhóm nghỉ đủ và nhóm nghỉ thiếu là 12,5 điểm phần trăm.

Một lần nữa, đây là tương quan chứ không phải nhân quả đã được chứng minh. Các đội có ít ngày nghỉ thường là những đội thành công và phải thi đấu nhiều đấu trường. Chất lượng đội bóng là biến gây nhiễu lớn. Nhưng khi tôi chỉ lấy các trận giữa hai đội có cùng thứ hạng gần nhau ở cuối mùa, chênh lệch vẫn còn khoảng 7 điểm phần trăm. Con số này đủ để tôi phải viết thêm mục lịch thi đấu vào mọi phân tích.

Đây cũng là chỗ mà chu kỳ giải đấu lớn làm mọi thứ khó hơn. Khi một giải đấu lớn của đội tuyển quốc gia diễn ra, giải vô địch quốc gia phải nén lịch. Các trận được dồn lại. Đội có nhiều tuyển thủ quốc gia bị ảnh hưởng nặng hơn. Cơn sốc Liverpool năm ấy không làm tôi sợ dữ liệu, nó làm tôi sợ sự tự tin. Và mọi kỳ chuyển giao giữa mùa giải vô địch quốc gia và một giải đấu lớn đều tạo ra một cửa sổ mà mô hình của tôi có xác suất sai cao hơn bình thường.

Phát hiện thứ sáu: đấu trường châu Á là một biến riêng, không phải một biến phụ

Khi các câu lạc bộ Việt Nam tham dự đấu trường châu Á, phong độ của họ ở giải quốc nội thay đổi theo một mẫu hình mà tôi ghi nhận được nhưng chưa đủ mẫu để kết luận chắc chắn.

Trong giai đoạn có trận châu Á trong tuần, các đội tham dự có hiệu suất bàn kỳ vọng giảm khoảng 0,18 bàn mỗi trận ở giải quốc nội. Số lần vào vòng cấm của đối phương lại tăng 6%. Điều đó cho thấy vấn đề không nằm ở hàng công mà ở cấu trúc phòng ngự chuyển đổi, có thể vì tuyến giữa mất cường độ.

Một chi tiết nhỏ nhưng đáng chú ý: các đội Việt Nam khi trở về từ chuyến đi châu Á thường chơi trận quốc nội ngay sau đó trong vòng ba đến bốn ngày. Trong nhóm trận đó, tỷ lệ thủng lưới trong 15 phút đầu cao hơn 9 điểm phần trăm so với trung bình mùa của chính họ. Đây là một tín hiệu rất nhỏ với 68 trận. Tôi ghi nó vào sổ với độ tin cậy thấp và sẽ tiếp tục theo dõi.

Phát hiện thứ bảy: độ sâu đội hình là biến dự báo tốt hơn ngôi sao

Đây có lẽ là kết quả tôi hài lòng nhất, vì nó đơn giản và có thể hành động.

Tôi xây dựng một chỉ số độ sâu đội hình thủ công: với mỗi câu lạc bộ, tôi đếm số cầu thủ có đóng góp bàn kỳ vọng cộng bàn kiến tạo kỳ vọng trên một ngưỡng nhất định trong ít nhất 40% số phút thi đấu của mùa. Gọi tắt là số cầu thủ đóng góp thường xuyên.

Các đội có từ 14 cầu thủ đóng góp thường xuyên trở lên có tỷ lệ thắng 44,9%. Các đội có 9 đến 13 cầu thủ: 38,2%. Các đội có dưới 9 cầu thủ: 27,6%.

Điều đáng nói là chỉ số này dự báo thứ hạng cuối mùa tốt hơn cả tổng giá trị đội hình ước tính theo giá trị chuyển nhượng trong mẫu của tôi. Với dữ liệu V.League, nơi giá trị chuyển nhượng công khai rất ít và thường không đáng tin, một chỉ số độ sâu dựa trên đóng góp thực tế rất hữu ích.

Tôi nói rõ giới hạn: chỉ số này có thành phần vòng lặp. Đội thắng nhiều thì có nhiều cầu thủ tích lũy chỉ số hơn, và do đó chỉ số này luôn đẹp hơn thực tế. Để giảm vấn đề, tôi tính chỉ số này tới hết vòng 13 của mùa và kiểm tra khả năng dự báo phần còn lại của mùa. Mối tương quan vẫn dương nhưng thấp hơn, hệ số khoảng 0,34. Không mạnh. Nhưng dương và ổn định qua ba mùa.

Phát hiện thứ tám: những gì xG không nhìn thấy ở V.League

Phần này là lý do tôi vẫn luôn nói xG không phải chân lý, nó chỉ là cái gương — nhưng gương thì không biết nói dối.

Bàn kỳ vọng mô hình hóa chất lượng cú sút. Nó không mô hình hóa quyết định. Nó không biết rằng ở phút 85, khi đội chủ nhà đang hòa 1-1 và trung vệ đã nhận thẻ vàng, một cầu thủ lại chọn dứt điểm từ góc hẹp thay vì chuyền cho đồng đội ở vị trí trống trước khung thành. Cú sút đó cộng 0,06 bàn kỳ vọng vào thống kê. Một đường chuyền dẫn tới bàn thắng có thể cộng 0,45. Sự lựa chọn sai làm chỉ số thấp đi, nhưng bản chất sai lầm không nằm ở chỉ số.

Tôi ghi lại các tình huống như vậy trong một cột riêng. Trong 742 trận, tôi đếm được 384 tình huống mà tôi gọi là cơ hội bị bỏ lỡ bởi quyết định, không phải bởi chất lượng cú sút. Các đội chủ nhà chiếm 58,6% số tình huống đó. Lý do rất đơn giản và rất người: chủ nhà chịu áp lực phải tấn công, phải biểu diễn, phải thắng trước khán giả nhà, nên họ dứt điểm nhiều hơn cần thiết.

Đây là nơi mô hình dữ liệu đứng trước giới hạn cứng của nó. Một mô hình có thể nói rằng hành vi dứt điểm nhiều hơn cần thiết làm tăng số cú sút nhưng giảm chất lượng trung bình. Nó không thể nói rằng hành vi đó đến từ nỗi sợ của một cầu thủ 23 tuổi trước 15 nghìn khán giả.

Phát hiện thứ ch — thứ chín: yếu tố con người, và chuyện của Xuân Son

Tôi viết chương này với nhiều do dự nhất, vì nó chạm vào chuyện của một con người cụ thể.

Ở cấp đội tuyển quốc gia, chu kỳ giải đấu lớn tạo ra một loại rủi ro mà mô hình câu lạc bộ không có: rủi ro mẫu cực nhỏ. Một giải đấu lớn chỉ có ba đến bảy trận. Với cỡ mẫu đó, không có mô hình nào đáng tin.

Ví dụ tôi hay dùng trong các buổi nói chuyện là hành trình của đội tuyển Việt Nam ở giải vô địch Đông Nam Á tổ chức cuối năm 2026 và đầu năm 2026. Việt Nam vô địch với tổng tỷ số 5-3 trước Thái Lan sau hai lượt trận, lượt về ngày 5 tháng 1 năm 2026 tại Bangkok. Nguyễn Xuân Son ghi bảy bàn trong cả giải và nhận danh hiệu cầu thủ xuất sắc nhất, rồi dính chấn thương gãy xương ở trận lượt về.

Nhìn vào dữ liệu, có thể kể câu chuyện rằng đội vô địch nhờ một tiền đạo có hiệu suất ghi bàn vượt trội so với bàn kỳ vọng. Cách kể đó đúng về mặt số học. Nó sai về mặt logic, vì một mẫu bảy trận không thể tách hiệu suất cá nhân khỏi bối cảnh đội bóng, và một giải đấu loại trực tiếp không thể đại diện cho bất cứ điều gì lặp lại được.

Ở một giải đấu ngắn ngày, dữ liệu nói cho tôi biết khu vực rủi ro, không nói cho tôi biết kết quả. Nó nói rằng nếu mất tiền đạo chủ lực, xác suất ghi bàn của đội giảm khoảng 0,3 đến 0,4 bàn kỳ vọng mỗi trận. Nó không nói được ai sẽ ghi bàn thay.

Đây là mục rủi ro giải đấu ngắn ngày mà tôi thêm vào mọi dự đoán từ sau World Cup 2026: khi mẫu nhỏ, tôi phải đưa ra một khoảng xác suất rộng, nêu nhiều kịch bản, và công khai rằng có những thứ mô hình không thấy. Ba năm trước, một huấn luyện viên đội bóng châu Âu có chỉ số cầm bóng 74% để thua một đội chỉ bốn cú dứt điểm bởi hai bàn trong thời gian bù giờ. Bài học tôi rút ra từ đó là phải xét áp lực vô hình của đối phương, chứ không chỉ số cơ hội mà đội mạnh tự tạo ra.

Góc phản trực giác: tương quan không phải nhân quả, và cái bẫy của sự gọn gàng

Đến đây tôi phải tự phản biện, vì nếu không, bài viết này sẽ trở thành một bản cáo trạng giả khoa học.

Lợi thế sân nhà giảm. Bàn kỳ vọng của chủ nhà và khách gần nhau hơn. VAR làm tỷ lệ penalty cân bằng hơn. Lịch thi đấu dày làm kết quả xấu hơn. Bốn câu đó đều đúng trong bộ dữ liệu của tôi. Bốn câu đó ghép lại thành một câu chuyện rất gọn: giải đấu đang trở nên cân bằng hơn, công bằng hơn, chuyên nghiệp hơn. Và đó chính là lúc tôi phải nghi ngờ.

Vấn đề thứ nhất: các mùa giải trong mẫu của tôi khác nhau về số đội, thể thức, và số trận. Mùa 2026 bị ảnh hưởng bởi giãn cách và các trận không khán giả ở một số giai đoạn. Bao gồm mùa 2026 vào cùng một xu hướng nghĩa là tôi đang trộn một mùa dị thường vào một chuỗi bình thường. Khi tôi loại mùa 2026 khỏi tập mẫu, xu hướng giảm của lợi thế sân nhà vẫn còn, nhưng biên độ giảm chỉ còn 4,7 điểm phần trăm thay vì 8 điểm. Cùng một dữ liệu, hai kết luận khác nhau về độ lớn.

Vấn đề thứ hai: số đội trong giải ít nên số trận mỗi đội chủ nhà chỉ khoảng 13 đến 14. Sai số ở cấp độ từng đội rất lớn. Mọi phân tích cấp độ câu lạc bộ ở V.League đều phải đối mặt với điều này.

Vấn đề thứ ba, và quan trọng nhất: hiệu ứng VAR mà tôi nêu có thể trùng với thay đổi trong tiêu chuẩn điều hành của ban tổ chức, với thay đổi trong cách phân công trọng tài, và với việc các đội tự điều chỉnh hành vi phòng ngự trong vòng cấm. Bốn nguyên nhân này chồng lên nhau trong cùng một mùa. Tôi không thể tách chúng bằng dữ liệu quan sát được.

Nói cách khác, tôi có một mô tả tốt hơn về việc gì đang xảy ra, nhưng không có một giải thích tốt về việc tại sao. Người đọc có thể chấp nhận điều đó. Tôi phải chấp nhận điều đó.

Có một cám dỗ nữa tôi muốn nêu ra vì nó luôn hiện diện với người làm nghề cá cược. Khi tôi tìm được một biến có sức mạnh giải thích, phản xạ là biến nó thành một tín hiệu đầu tư. Ví dụ: nếu đội khách di chuyển trên chín giờ và chủ nhà nghỉ đủ bảy ngày, tôi có một tín hiệu. Nhưng khi tôi kiểm tra tín hiệu đó trên 92 trận khớp điều kiện, tỷ lệ thắng của chủ nhà là 51,1%, sai số chuẩn khoảng 5,2 điểm phần trăm. Khoảng tin cậy từ 40,9% đến 61,3%. Một khoảng tin cậy rộng bằng vậy không phải tín hiệu. Đó là danh sách các trận tôi thấy thú vị.

Đây là cách tôi tự kiểm soát: trước khi viết một khuyến nghị, tôi luôn in ra khoảng tin cậy, không phải điểm ước lượng. Nếu khoảng tin cậy băng qua mức trung bình của giải, tôi không viết khuyến nghị. Tôi viết ghi chú.

Chuyển sang bóng rổ: cùng một sai lầm, khác một sân đấu

Tôi theo dõi cả bóng rổ, nên xin phép mở một nhánh nhỏ, vì sai lầm trong phân tích bóng rổ ở Việt Nam giống hệt sai lầm trong phân tích bóng đá, chỉ ở thang đo khác.

Trong bóng rổ, người ta thường dùng tỷ lệ ném thành công và số điểm để đánh giá một cầu thủ. Hai chỉ số đó bỏ qua nhịp độ thi đấu, chất lượng đối thủ, và khối lượng tình huống. Một cầu thủ ném 20 điểm trong trận đấu có 100 lượt tấn công có giá trị thấp hơn rất nhiều một cầu thủ ném 20 điểm trong trận có 72 lượt tấn công, trong khi tỷ lệ ném thành công có thể giống nhau.

Chỉ số hiệu quả cần được chuẩn hóa theo lượt tấn công, và với dữ liệu bóng rổ trong nước, nơi số trận mỗi mùa còn ít hơn bóng đá, vấn đề mẫu nhỏ càng nghiêm trọng. Một mùa giải có thể chỉ 15 đến 20 trận cho một đội. Với cỡ mẫu đó, mọi bảng xếp hạng chỉ số cá nhân đều chỉ có giá trị mô tả, không có giá trị dự báo.

Điều đó không làm tôi từ bỏ phân tích. Nó làm tôi thay đổi cách viết: tôi mô tả kèm cỡ mẫu, và tôi nói rõ rằng bảng xếp hạng này chỉ đúng cho mùa này.

Giới hạn của bộ dữ liệu: phần tôi luôn để cuối cùng nhưng phải để đầu tiên

Sai số mô hình bàn kỳ vọng của tôi có ba thành phần. Sai số xác định vị trí cú sút từ băng ghi hình: khoảng 0,4 mét theo trục ngang và 0,5 mét theo trục dọc với các góc máy phổ biến ở V.League. Sai số này đẩy giá trị bàn kỳ vọng dịch chuyển khoảng 2,1% theo cả hai hướng. Sai số thứ hai là sai số mô hình: khi tôi kiểm định trên một mẫu 180 trận năm 2026 giữ lại, độ lệch giữa bàn kỳ vọng dự đoán và bàn kỳ vọng tái dựng là 0,09 bàn mỗi trận cho toàn đội. Sai số thứ ba là sai số do cầu thủ: mô hình của tôi gắn một mức chất lượng dứt điểm cho từng cầu thủ, nhưng với 742 trận chia cho hàng trăm cầu thủ, phần lớn cầu thủ chỉ có vài chục cú sút. Mức chất lượng cá nhân đó phần lớn là nhiễu.

Nói thẳng: mô hình của tôi không thể phân biệt được một tiền đạo giỏi và một tiền đạo may mắn trong một mùa giải V.League. Ai cũng có thể dùng dữ liệu của tôi để làm điều đó. Tôi không làm vì tôi biết nó không có nghĩa.

Về độ phủ: một số trận tôi không có băng ghi hình đủ chất lượng để mã hóa, chủ yếu là các trận có điều kiện thời tiết xấu hoặc không có phát sóng đầy đủ. Tôi ước tính tỷ lệ thiếu dữ liệu ở mức dưới 4% trong tổng bộ. Nếu tỷ lệ thiếu dữ liệu tập trung vào các trận mưa lớn, điều đó có nghĩa là mẫu của tôi hơi lệch về phía điều kiện thời tiết tốt, và đó là một thiên lệch có thật mà tôi không xử lý được.

Tôi đọc cột chú thích khi tất cả chỉ nhìn bảng tỷ số. Cột chú thích của tôi, ở đây, dài gần bằng chính bài viết.

Chuyện cá nhân: một lần mô hình của tôi sụp

Tôi kể một chuyện để bạn biết tôi nói về sai số không phải để cho có.

Năm 2026, khi bóng đá châu Âu trở lại trong những sân vận động trống, toàn bộ hệ số lợi thế sân nhà trong mô hình của tôi trở nên sai lệch nghiêm trọng. Tôi thống kê 157 trận ở Bundesliga từ tháng 5 năm đó và phát hiện tỷ lệ thắng sân nhà giảm từ 43% xuống 36%. Ban đầu tôi không tin. Tôi chia nhỏ dữ liệu theo tháng và theo thứ hạng đội bóng để xem liệu đó có phải một hiệu ứng của một nhóm đội cụ thể. Xu hướng giữ nguyên. Tôi mới thêm biến khán giả vào công thức và giảm trọng số lợi thế sân nhà trong mọi mô hình.

Bài học không nằm ở con số 43% hay 36%. Bài học nằm ở chỗ tôi đã kiểm tra lại như thế nào trước khi thay đổi mô hình: chia nhỏ, kiểm định, xác nhận, rồi mới sửa. Quy trình chậm mà chắc. Và đó là thứ tôi áp dụng cho bộ dữ liệu V.League này.

Khi tôi thấy tỷ lệ thắng sân nhà ở V.League giảm từ 46,2% xuống 38,3%, phản xạ đầu tiên của tôi là đi tìm lỗi trong cách tôi mã hóa, chứ không phải đi tìm nguyên nhân ngoài đời. Tôi kiểm tra lại 120 trận ngẫu nhiên bằng hai người mã hóa độc lập. Mức độ khớp về số cú dứt điểm là 97,3%. Mức độ khớp về phân loại tình huống là 91,8%. Sau khi loại lỗi mã hóa, xu hướng vẫn còn. Lúc đó tôi mới cho phép mình tin nó.

Tín hiệu cho vòng tiếp theo

Trước khi chiến đấu, hãy đọc lại mùa trước — và đọc kỹ phần chú thích. Với tôi, tín hiệu của mùa tới không nằm ở đội nào sẽ thắng. Nó nằm ở ba biến tôi sẽ theo dõi và ba biến tôi sẽ bỏ khỏi mô hình.

Biến thứ nhất tôi theo dõi là số ngày nghỉ trung bình giữa hai trận của từng đội trong giai đoạn giải đấu chen vào lịch quốc nội. Đây là biến có tác động đo được và có thể quan sát trước khi trận đấu diễn ra, nghĩa là có thể dùng được.

Biến thứ hai là chênh lệch thời gian di chuyển cửa tới cửa giữa hai đội. Tôi sẽ thu thập dữ liệu này chi tiết hơn thay vì suy đoán từ khoảng cách địa lý.

Biến thứ ba là chỉ số độ sâu đóng góp, tính đến hết vòng 13, vì nó dự báo phần còn lại của mùa tốt hơn tôi tưởng.

Ba biến tôi sẽ bỏ là: tỷ lệ kiểm soát bóng thuần, số cú dứt điểm thuần, và thứ hạng hiện tại tại thời điểm phân tích. Cả ba đều có vấn đề về biến gây nhiễu hoặc về tính phản hồi, và tôi đã dùng chúng quá lâu như những cách viết tắt tiện lợi.

Mùa giải là một bài kinh, mỗi trận là một câu kinh — đừng vội tụng nửa câu. Bộ dữ liệu 742 trận của tôi không phải một kết luận. Nó là một cách đọc chậm hơn. Và nếu có một điều tôi muốn bạn mang đi từ bài viết dài này, thì đó là: trước khi tin vào con số, hãy hỏi nó sinh ra từ đâu — kể cả khi con số đó là con số do tôi đưa ra.

Vài dòng kết mở

Tôi vẫn sẽ ngồi ở hàng ghế cuối những chiều Chủ nhật. Tôi vẫn sẽ ghi lại cú sút ở phút 90+4 được định giá 0,03 bàn kỳ vọng, và tôi vẫn sẽ tự hỏi liệu có phải mô hình của tôi đang định giá sai một thứ gì đó về sân vận động Việt Nam mà tôi chưa có biến để đo.

Nếu mùa tới tỷ lệ thắng sân nhà lại giảm thêm hai điểm phần trăm nữa, câu trả lời nhiều khả năng nằm ở một biến tôi chưa nghĩ tới. Nếu nó quay lại mức 44%, tôi sẽ phải xem lại tất cả kết luận trong bài viết này, và tôi sẽ viết một bài khác nói rằng tôi đã sai. Tôi đã chuẩn bị cho cả hai khả năng đó từ trước khi đặt bút.