最弱的那個人，決定了這支五人組能不能贏。

如果你要預測一支五人組能不能打出頂級表現，你會先看什麼？最高薪的球員？上場最多分鐘的人？還是整組人的平均 Plus/Minus？

這篇 2023 年發表的研究給了一個不太直覺的答案：看最弱的那個。

什麼叫「頂級陣容」？

研究者的定義很嚴格。一個五人組要被稱為「頂級陣容」（elite lineup），必須同時滿足：

• 共同上場超過一定分鐘數（有足夠樣本量）
• 整組的 Plus/Minus 夠正面（真的在場上創造優勢）

光這樣篩下來，NBA 大多數五人組就淘汰了。接下來，他們用一個叫做 ANC（All Nearest Classification）的方法，拿七個不同的統計分類器同時去判斷：這個五人組，算不算頂級？

七個都說「算」，才算。一個說「不算」，就不算。

這設計看起來很嚴苛，但正是這個嚴苛給了它高精準度。在測試集上，它答「是」的時候，有 86.7% 的機率真的是頂級陣容。跨賽季測試也有 76.9%，代表這個模型不只是在記憶歷史數據，它真的抓到了某種持續性的規律。

預測力最強的變數

研究一共測試了幾十個可能的預測變數，包括每個球員的個別 Plus/Minus、整組的平均值、最高值……最後，預測力最強的單一變數是 PMM(1)，也就是五人組裡 Plus/Minus 最低的那個球員的數值。

不是核心球星有多強，而是最薄弱的環節有多弱。

這其實不難理解。一個五人組要能持續打出效益，需要五個人都在合理的水準上運作。如果其中一個人是明顯的漏洞，對手會反覆針對他，整組的結構就會失效。一個 Plus/Minus 很負的球員，不只自己沒貢獻，他還在替對手製造機會。

所以「頂級陣容」的下限，比上限更重要。

勇士 127，湖人 0。

研究者把這個模型套用到實際球隊上，結果的分佈讓人印象深刻。

2015-16 賽季到 2021-22 賽季，勇士隊被預測出 127 個頂級陣容組合。同期的湖人隊？0 個。

這不是說湖人沒有好球員。他們有 LeBron，有 AD，但頂級陣容需要系統性的深度。勇士那個年代的 Death Lineup、Hamptons Five，之所以有效，正是因為每個位置都沒有明顯的弱點。

鹿隊是個例外，但例外本身也說明了問題。

模型在大多數球隊上都預測準確，但有一個明顯的失誤：密爾瓦基公鹿。

預測說他們有很多頂級陣容，但實際表現沒有跟上。研究者後來找到了原因：換了主教練。前任教練的戰術體系，和新教練的完全不同，導致同樣一批球員打出的效益落差很大。

這個例子說明了統計模型的邊界：它能抓到球員能力的規律，但抓不到教練換人這種結構性改變。數據是對的，但環境變了。

「最弱環節」這件事，不只是 NBA 的問題。

這個研究對我來說最有意思的地方，是它用嚴格的統計方法，驗證了一件直覺上我們都知道、但很少被量化的事：

一個組合的上限取決於最強的人，但它的下限才決定它能不能穩定發揮。

七個評審都說好，才算真的好。一個漏洞，就足以讓整組垮掉。

這件事不只在籃球裡成立。