Därför kan SHL-värvningen lyfta i Modo
Publicerad: 22 juni 2025
Anton Jansson, Hockeynews nya analytiker och statistikexpert har tittat närmare på Modo-värvningen Emil Larsson.
Den här artikeln är exklusiv för dig med PLUS
Kommentarer - Emil Larsson - WAR-modellen:
Vi har tittat på data från spel i Växjö och Örebro - förra säsongen. I Örebro, där han startade, hade han det väldigt tufft - en svag start. Han spelade totalt 29 matcher i Örebro.
Om vi borrar i lite siffror i Örebro så kan vi se att han hade 43 % corsi, vilket är långt under medel i ligan.
I Växjö så lyfte han sitt spel, där var han väldigt mycket bättre, i Lakers hade han 54 % i corsi vilket är långt över genomsnittet.
Om vi tittar på xG, corsin är inte allt, men ändå en indikation - gällande xG:n så hade han 42 % i xG (for) och i Växjö hade han xG 65 % - en rejält lyft i Växjö-tröjan och kan han hitta den xG-höjden i Modo kan det bli en framgångsrik värvning.
Över hel SHL-karriären är det ändå en stabil spelare i högstaligan och du har kunnat räkna in 20 poäng på honom.
I Örebro var det prognos på att landa på 13 poäng om han hade hållit i den takten och i Växjö 17 poäng, frekvensen i produktionen ökade lite i Lakers.
Tittar vi på WAR-siffran och den uppskattade siffran om prestationen i fjolårssäsongen skulle fortgå så landar den in på 39 %, vilket är under medel. Under perioden i Växjö hamnade han över medel och genomsnittet. Totalt sett en jämn och gedigen SHL-spelare i WAR-modellen vilket du ser i de olika spindelnäten och cirklarna nedan.
Emil Larsson sticker ut något när. det gäller kontrollerade ingångar i offensiv zon med puck.
Bedömningen, mot bakgrund av hans stabila SHL-nivå sett till bland annat återkommande likvärdigt poängantal, är att han kan färga lite mer i sin offensiv i Hockeyallsvenskan eftersom han kliver ner en nivå. Säsongen 2016-2017 spelade han i Hockeyallsvenskan i Almtuna, det blev 34 poäng. Det är svårt att förutse utfallet i Modo men kan tänka mig lite över eller där omkring.
Emil Larsson är rätt mycket av en genomsnittsspelare, han sticker ut i tacklingsfrekvens och i Växjö hade han en bättre och konsekvent jämn nivå i spel & poäng över den tidsperioden.
FAKTA/Statistiska benämningar i modellen:
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 en spelare hög corsi är spelaren. 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.
