The Pinstriped Morningside Heights

Sabermetricians 花了不少工夫讓主流媒體慢慢接受 OPS 這個數據，而不再只有傳統的 BA、RBI、HR 這些東西，不過，OPS 這個數據也要過時了。我自己雖然在討論裡仍然會使用到 OPS，不過現在也逐漸在降低使用率。

Aaron’s Baseball blog 的 Aaron Gleeman 在去年十一月有兩篇文章介紹他自己做出來的這個改良式的 OPS，並且用他自己的名字來命名。觀念很簡單，OPS = OBP + SLG 這個公式太過於低估 OBP 了，而在過去也有不少人提出不同的係數來改良 OPS，他們只是沒有另外起個名字，通稱這個東西為 adjusted OPS 而已。

Rob Neyer 建議的數字是 1.4 * OBP + SLG，而 A’s 的 Assistant GM Paul DePodesta 提出來的是 3*OBP + SLG。Neyer 的數字可能在 80 年代還可以，在現在這個年代太低了點。而 DePodesta 的數字又太大了些。去年三月 Baseball Primer 有兩篇文章由一位署名 Tangotiger 的作者做了相關的整理，他的結論是 OBP 和 SLG 的比重大約在 1.7~2.0 比 1 左右。

檢證係數的比重其實很簡單，把各隊的 OBP 和 SLG 以及得分拿來跑迴歸就行了。攻擊的目的是得分，而 OPS 正是眾多簡化的攻擊數據的一種。OBP 的重要性除了在於有人上壘才能製造得分機會外，還在於它相當接近於打者走上打擊區『不製造出局數』的機率。棒球最珍貴的資源是 27 個出局數，用完了比數還落後就輸球，這是 OBP 重要的原因。背景談完了，回過頭來看 Aaron Gleeman 的公式：

GPA = (1.8*OBP + SLG) / 4

其實沒有什麼了不起，仍然是 adjusted OPS 的觀念，不過除了個 4 而已，可是有趣的地方就在這裡。

BA 這個古老的數據早已深植人心，大家看到打擊率心裡大概有數，知道這個打者的打擊能力如何。OPS 則不然，除非是 stat head，能夠看到 OPS 就知道這個數據代表的是什麼的人有限。除了聯盟平均值大家不見得有概念外 (去年 AL 平均 OPS 0.757，NL 0.744)，對於這個數據的標準差更難捉摸。其實也沒有多少人知道 BA 的標準差是多少，不過看多了 BA 的數據很容易就會有概念。OPS 則不然，當大家看到 Barry Bonds 的 OPS 是 1.278，大家知道這個數字很高，但是 OPS 給我們什麼感覺？老實說不多，因為大家可能對自己喜歡的球員 BA 是多少有概念，多少人會記得自己喜歡的球員的 OPS？

這也就是 Baseball Prospectus 的 Clay Davenport 在設計 EqA 的時候注意讓平均值大約落在 0.260 的原因。即便這個數字遠比 BA 複雜的多，但是如果讓其平均值和分布與 BA 接近，讀者就很容易了解打者的好壞，以及到底有多好或多壞。如果可能的話，Bill James 的 RC/27 或是 Clay Davenport 的 EqA 都是比 OPS、任何版本的 adjusted OPS 以及這裡的 GPA 要來的好，不過這些數據不易操作，沒有電腦以及大量整理資料的時間不容易處理，這也使得 OPS 這一類的數據仍有其生存的空間。將來在討論 Yankees 今年的 lineup 時，我會把選手過去三年的平均 GPA 和 EqA 一起列出來。GPA 雖然計算方式簡單的不能再簡單，可是它跟 EqA 出奇的接近。更重要的是我們可以很輕鬆的算出 GPA 的各種 splits，不管是面對左投、右投，還是在各種不同情況，而 EqA 沒有如此方便的資料，也不適合自己計算。

Aaron Gleeman 在他的第二篇介紹這個 GPA 指數的文章中列出了聯盟平均以及一些按照位置或其他標準分組的各組領先群的成績可供參考。

Position GPA
C: .245
1B: .279
2B: .251
SS: .245
3B: .251
LF: .276
CF: .256
RF: .274
DH: .268
P: .125

League GPA
AL .257
NL .254

由歷史資料來看，OBP 和 SLG 之間的比重雖然應該超過 1 沒有疑問，不過這個數據並不是固定不變的。Gleeman 這個數據能夠維持多久我不曉得，不過趁現在新鮮熱辣的時候拿來用用也無妨。