不過打擊率的罪過還不只是選擇性忽視而已。打擊率的分子部分還有你所不知的缺陷，主要是這個完全由安打數構成的分子對所有的安打都一視同仁，不論你是一壘安打還是全壘打，在打擊率的計算中都有著一樣的權重，即使我們都知道一壘安打跟全壘打在比賽中的分量有多麼不同。
所以關於打者在某段時間內的表現，打擊率實際上告訴了我們什麼？它告訴了我們打者在沒被四壞保送、沒被觸身保送、沒打出高飛犧牲打或犧牲短打，乃至於沒發生其他不計打數的罕見狀況時，其剩下的打席數有多常打出安打；它只告訴了我們打者打出了一些安打，但沒告訴我們他都打了些什麼樣的安打。（所以才會有那句，當打者靠著軟弱內野安打上到一壘後聽到的棒球金句：「鳥安也是安打。」）這明明是個不好的傳統，但卻在糾纏我們長達一百多年後，仍舊在我們討論跟評價打者時帶有其不該帶有的重要性，尤其是我們會因此高估聯盟打擊率的領先者，只因為我們會說他們「贏得了」某種頭銜。我們容易受到混淆，是因為高打擊率的打者普遍來講也是好打者，這點無庸置疑；我們從打擊率處獲得的並不都是假訊息，但我們會受到打擊率之假精度的誤導，我們會以為打擊率精準到小數點後面三位數，就足以讓我們總結出對某個球員的判斷。而想完整了解打擊率的缺陷大到什麼程度，我們可以將之拿來跟其他更完備的數據比較。
我會常在這本書裡用上的一個基本統計工具，名為相關分析（correlation analysis），意思是我會把兩欄資料放在一起對比，然後得出一個數字在零與一之間，重點是這個數字會讓我們知道這兩欄資料的相關性強弱，而讀者可以將之理解為這兩欄資料亦步亦趨的程度高低，零代表兩欄資料毫無相關性，一則代表兩欄資料完美相關。基本上這個數字愈大，兩組數據的相關性就愈強，意即當A數據變動時，B數據也會跟著變動。但這並不代表A造成了B或B引發了A；你應該聽人說過「相關性並不能證明因果關係」，因為相關分析能夠告訴我們的，只是兩組統計數據間看不看得出某種關係。兩組數據之間的相關性背後可能是直接的因果，也可能純屬巧合，但總之這項工具能讓我們知道的，就只有兩個數據亦步亦趨的程度高低。在本書裡，我會經常在提及兩組數據的相關性時表示是其中一個數據「預測」了另外一個。
在下表中，我使用了大聯盟球隊在2011到2015年這5個球季中的統計數據來展示兩樣東西的相關性，一樣是整隊的四種常用打者比率數據，另一樣則是這些球隊的單場平均得分。
打擊率與團隊得分的相關性不算低，大概有0.750。雖然這不能顯示因果關係，但我們仍可以合理期待當一支球隊在其（沒什麼邏輯的狹義）打數中累積愈多安打，其團隊得分就會愈高。但凡事都是相對的，打擊率並不算差的表現還是輸給了另外兩種常用的打者評價數據：上壘率與長打率。
