奧克拉荷馬雷霆當家球星「SGA」亞歷山大（Shai Gilgeous-Alexander）本季打出震撼全聯
盟的史詩級表現，效率全面提升到歷史罕見的高度，甚至其進階數據「EPM」已經超越了201
5-16賽季的柯瑞（Stephen Curry）以及丹佛金塊明星中鋒約基奇（Nikola Jokic），獨居
聯盟第一。

《The Athletic》記者Fred Katz在最新專欄中指出，SGA目前的後撤步三分命中率高達52％
，在所有出手後撤步三分次數位居前四名的球員中遙遙領先。作為對照，出手次數比他更多
的唐西奇（Luka Doncic）、哈登（James Harden）與馬克西（Tyrese Maxey），命中率分
別僅有34％、36％與30％，形成極度懸殊的差距。

Katz在文中形容，SGA的投射武器庫已進化到防守者難以預測的地步。他過去習慣以左側後
撤步為主要選擇，但如今無論何時、何種節奏都能突然出手，讓對手完全措手不及。除了後
撤步投射外，他變速突破與閱讀防守的能力也顯著提升，使其外線威脅與控場能力同步升級
。

更驚人的是，SGA的整體效率已升至歷史級水平。在擊敗獨行俠的比賽後，他的EPM（Estima
ted Plus-Minus）正式突破+11.0，打破自己先前保持的+10.9紀錄。這項指標象徵球員對勝
負的綜合影響力，對比2015-16年柯瑞在MVP賽季巔峰EPM僅達到+10.8，SGA目前的表現代表
他已躋身連歷史巨星都難以觸及的層級。

雷霆近期豪取14連勝、戰績22勝1敗，SGA無疑是最關鍵角色。他在連勝期間場均攻下32.6分
、6.6助攻與4.2籃板，外帶2抄截與僅1.8次失誤，投籃命中率57％、三分命中率50％、罰球
命中率87％，真正命中率高達70.9％，數據精準度近乎不可思議。他也坦言，自己在休賽季
特別強調控球、選擇投籃與比賽節奏掌握，因此才能展現更成熟的球場掌控力。

SGA在多場比賽中提前殺死比賽懸念，對獨行俠一役更在第三節結束前就攻下33分、5籃板、
6助攻與1火鍋，投籃12投10中、三分球全進、罰球12罰11中，真實命中率（TS）高達96％，
正負值+24，效率驚人。他本季整體投籃仍維持56％、三分44％與罰球88％的水準，作為控
衛的TS值高達69％，被球迷形容是「現代後衛中不可能達成的效率」。

在這樣的歷史級表現下，不少球迷與專家已開始討論SGA是否正締造生涯最佳，也可能是聯
盟歷史上最偉大的賽季之一。雷霆以壓倒性的戰績坐上聯盟第一，而SGA的兩端影響力，更
讓外界認為他極有可能在本季繼續衝擊MVP榮耀。這位年僅26歲的超級後衛，正一步步把自
己推向NBA的巔峰舞台。

在高階數據已成為NBA分析主流的今日，EPM（Estimated Plus-Minus，估計正負值）成為被
普遍認可、能全面衡量球員場上影響力的核心指標。EPM源自知名數據網站「Dunks & Three
s」，其演算法結合了RAPM（Regularized Adjusted Plus-Minus，正則化調整正負值）與統
計型正負值模型SPM（Statistical Plus-Minus），並參考了Darko（DPM）等預測思路，被
視為新世代最精準的球員影響力評估工具之一。與傳統只描述球員當季表現的舊版EPM不同
，新版EPM加入預測能力，可藉由大量歷史資料推估球員未來的場上表現。

EPM的核心基礎來自兩個部分。其一是RAPM，透過回合層級（possession-level）的進階運
算，把對手強弱、隊友差異、主場優勢與「橡皮筋效應」（領先或落後時球隊表現傾向改變
）等因素納入模型，使每位球員的影響力被儘量單獨拆解。其

二是SPM，透過跨賽季大量RAPM樣本，估算出每一項統計數據（如投籃、防守、傳球）的權
重，並利用box score、tracking data等多源資料估算球員於無法直接取得RAPM時的真實影
響力。這些模型最終被優化整合，使EPM能有效降低RAPM本身的共線性與過度擬合問題。

新版EPM最具突破性的設計在於「Estimated Skills」──也就是對球員每項技能的預估能
力，而非僅依賴單場或短期數據波動。EPM作者利用差分進化（Differential Evolution）
為不同數據建立預測模型，并設定各項能力的「指數衰減因子」，讓近期表現權重更高、遠
期則被快速削弱。例如三分球穩定性低於兩分球，因此三分會被賦予更高的衰減係數，以避
免短期手感波動誤導模型。藉由此方式，EPM能將球員過往表現、年齡、賽程、對手強度等
因素共同納入估算，使其真實技能更接近本質。

目前的EPM是建立在18年（2002–2019）RAPM資料與近六季（2018–2023）的tracking data
模型之上，每天都會更新。模型會自2002年起所有比賽回合中進行加權學習，將較新的回合
賦予更高權重，並同步調整NBA環境演變，使其能反映不同時代的比賽風格。最終生成的EPM
不僅可衡量球員整體實力，也具一定的預測功能。