NFL的EPA與CPOE是什麼：預期得分與成功率

NFL EPA的意思是預期得分增量；Success Rate是指定樣本中成功檔次的比例；CPOE則是實際完成率減去模型預期完成率。 三者分別看得分價值的變化、成功出現的頻率與傳球完成表現相對於預期的差距，不能當成同一種百分比。

本文依nflfastR開發者方法文件、公開程式與NFL合作夥伴AWS的NGS詞彙說明查核，日期為2026年11月13日。下列數字例子全部為教學自製，不是球員成績，也不是跑過模型的實測輸出。

一、先分清EP與EPA：期待值不是比分

EP是Expected Points，預期得分。以nflfastR的模型架構來說，它評估半場內接下來的得分事件，包括本方得分、對手得分與沒有得分，再換成以目前進攻方為基準的得分價值。因此EP可以有小數，也可能是負值，不代表記分板真的出現負分。

模型需要知道場上狀態。開發者列出的輸入包含球位、第幾檔、距離首攻還差幾碼、半場剩餘時間及雙方暫停等資訊；不是只拿本檔推進碼數查固定加分表。

EPA全名Expected Points Added，重點在「這一檔改變多少價值」。在沒有得分、沒有換手，也沒有跨半場邊界的簡化例子，可以理解為：

EPA = 本檔結束後的EP − 本檔開始前的EP。

如果發生達陣、抄截、掉球換手或半場結束，就要處理實際得分、持球觀點及邊界條件，不能直接拿兩列不同進攻方的EP相減。本文只用簡單狀態示範減法，完整計算交由具名資料來源的規則處理。

還不熟悉逐檔紀錄與一般數據表，可先看NFL數據表：碼數、首攻與攻勢紀錄怎麼讀。這些是理解模型輸入的背景，但單靠完賽總碼數，無法還原每一檔EPA。

二、同樣推進5碼，EPA為何可能一正一負？

以下兩球都假設沒有犯規、得分或球權轉換，起攻球位及時間背景相同；EP數字是為了示範算術而指定，不是任何模型對這兩個狀態的實際預測。

情境A：第三檔差3碼，推進5碼

這球取得新首攻。假設本檔前EP是1.0，本檔後EP是1.8，則EPA為「1.8 − 1.0 = ＋0.8」。球隊增加的是模型尺度下的0.8預期分，不是當場拿到0.8分。

情境B：第三檔差15碼，推進5碼

這球結束後成為第四檔差10碼。假設本檔前EP是0.6，本檔後EP是0.1，則EPA為「0.1 − 0.6 = −0.5」。雖然向前移動5碼，卻消耗一檔且未取得首攻，仍可能降低得分期待。

這兩例說明為什麼不能只用碼數判斷價值，不是在宣告所有第三檔轉換都固定加0.8、所有短傳都扣0.5。要知道真實比賽的值，必須取得完整狀態及同一版本模型的輸出。

三、Success Rate怎麼算？先問成功的定義

本文採用nflfastR的success欄位口徑：EPA大於0算成功。選定要分析的有效檔次後，成功檔數除以總檔數，再乘100%，就是這個口徑的Success Rate。

假設5檔EPA依序為＋0.8、−0.5、＋0.2、0、＋0.1：

• 大於0的共有3檔；EPA剛好等於0不算成功。
• Success Rate為3 ÷ 5 = 60%。
• EPA合計為＋0.6，EPA/play則為0.6 ÷ 5 = ＋0.12。

60%描述頻率，＋0.12描述每檔平均增加的預期分。 一次大幅負EPA會影響平均幅度，Success Rate則只看該檔是否跨過成功門檻。因此兩隊成功率相同，平均EPA仍可能不同。

其他資料表可能使用按檔數與所需碼數判定成功的定義，不能只看到Success Rate就假定等同正EPA比例；找不到方法註記時，不應直接跨站合併排名。

這也不是Gamebook中的第三檔轉換率。第三檔轉換率看的是特定檔次的轉換結果；本文的成功率可以分析多種檔次，判定標準也不同。

四、CPOE怎麼算？差的是百分點

CPOE通常展開為Completion Percentage Over Expected。NGS的相關欄位也以Completion Percentage Above Expectation命名：先估計逐次傳球的Completion Probability（完成機率），再整理成預期完成率，最後與實際完成率比較。

AWS與NFL合作的說明指出，NGS完成機率使用追蹤資訊，例如接球員與最近防守者的距離、所在位置，以及四分衛出手時與衝傳者的距離。這是在估計每次傳球的完成難度，並非單純拿聯盟平均完成率當所有人的預期值。

假設同一組4次合格傳球，模型給的完成機率為80%、70%、60%、50%，實際完成前三球、第四球未完成：

1. 預期完成率為（80%＋70%＋60%＋50%）÷ 4 = 65%。
2. 實際完成率為3 ÷ 4 = 75%。
3. CPOE為75% − 65% = ＋10個百分點。

這不是「表現比預期多10%的相對增幅」，也不是完成了10次額外傳球。若算相對增幅，分母還要用65%，得到的是另一個量。

nflfastR公開程式則把每次有效傳球的完成結果記為1或0，計算「100 ×（完成結果 − 完成機率）」。在同一有效樣本中取平均，就能得到上述完成率差；單球數值很大，也不等於整場都維持那樣的表現。

五、比較前要對齊模型、樣本與擒殺處理

NGS與nflfastR的CPOE不能只因縮寫相同，就視為同一串資料。 NGS使用球員追蹤資訊；nflfastR開發者公布的CP模型特徵則包含空中傳球碼數、傳球位置、檔數距離與四分衛是否被撞擊等。輸入不同，預期完成機率與結果也可能不同。

擒殺是另一個容易混淆的分母。nflfastR入門文件說明，其傳球分析分類會涵蓋擒殺；但CP/CPOE程式需要符合有效傳球條件，擒殺不能直接當成「完成機率0、未完成1次」塞入CPOE。無效或缺失的模型值也不能自行補0。

閱讀一張效率圖，至少核對以下事項：

• 來源與版本：NGS、nflfastR，或其他供應者的模型？
• 指標欄位：EPA、調整後的qb_epa，還是另一種球員責任分配？
• 有效樣本：只算例行賽或含季後賽？只算出手，還是包含擒殺、持球跑動等退傳事件？
• 篩選方式：是否排除跪地、刻意砸地停錶、犯規檔或特定勝率區間？CPOE缺值如何處理？

不要把「每次傳球嘗試」和「每次退傳」當成同一個分母，也不要因為完成率高，就假定EPA或CPOE必然較高。它們問的問題不同。

六、常見問題

EPA是四分衛一個人的功勞嗎？

一般逐檔EPA描述進攻結果的價值變化，不會自動把阻擋、接球與接球後推進的貢獻全部分離。若資料使用qb_epa或其他調整欄位，須另外閱讀該欄定義，不能把原始EPA直接當成個人技術評分。

正CPOE能證明每一球都傳得準嗎？

不能。它表示指定樣本的完成表現高於該模型的預期，沒有逐球證明傳球落點都正確；接球結果也涉及隊友與防守。少量傳球的平均尤其容易受到單球結果影響，閱讀時應同時保留樣本數。

EPA就是QBR嗎？

不是。ESPN的Total QBR另有情境調整與貢獻分配，不能用平均EPA直接換算。需要區分QBR與傳統Passer Rating，可接著讀NFL四分衛評分公式與QBR差別。

EPA較高，就代表下一場一定贏嗎？

不代表。這些數據是在指定模型與樣本下整理表現，不是比賽結果承諾。觀察攻守、特勤、失誤與比賽情境，仍然有必要。

七、讀效率指標，先確認它在回答哪個問題

看價值變化，用EPA；看指定定義下的成功頻率，用Success Rate；看完成表現相對於模型預期的差距，用CPOE。比較之前先對齊來源、有效樣本及分母，才不會把不同口徑的數字放在一起排名。

把數據用來理解比賽，並安排好觀賽時間與娛樂預算，不將單一指標當作勝負保證。