女子网球运动员竞技能力特征与胜率因子回归分析

2014-05-10李小亚何江川

体育研究与教育 2014年2期

关键词：发球网球竞技

王凯，李小亚，何江川，杨放

1 研究对象与方法

1.1 研究对象

李娜参加的40场女单比赛所表现出的竞技能力水平。对阵对手包括:A.拉德万斯卡、阿扎伦卡、莎拉波娃、小威廉姆斯、佩特拉·科维托娃等世界排名前列的选手。

1.2 研究方法

通过观看相关比赛视频，搜索CNKI、WIKI等数字平台，获取相关文献资料，为统计分析研究的定性分析奠定理论基础;通过SPSS15.0对数据进行统计学处理，主要包括:相关分析、主成分分析、回归分析等。

1.3 研究指标

通过ITF、WTA等赛事的官网数据库，收集40场比赛的ACE球数X1、双误数X2、非受迫性失误数X3、一发成功率X4、一发得分率X5、二发得分率X6、发球制胜分数X7、接发球得分率X8、破发成功率X9、网前得分率X10、总得分数X11、最快发球时速X12、一发平均时速X13、二发平均时速X14，共14项数据指标。

2 结果与分析

2.1 因子结构分析

为便于观察样本的基本情况与官网数据统计形成对应，对数据参数指标进行描述性统计(见表1)。

表1 描述统计量

表1数据显示，李娜在比赛中各项指标数据的平均和离散趋势，可从整体上对多场比赛中的各项技术特征进行了解。双误、非受迫性失误是参赛选手比赛中的主动失误，与参赛选手当前身体机能状态、心理状况，以及对手的表现有密切关系。数据显示双误数 M=3.77、R=16、S=3.084，非受迫性失误数 M=31.98、R=67、S=13.868。比赛中对手的世界排名不同、竞技水平不同，个人比赛风格不同，均会对运动员自身的状态调节、技术手段应用、战术策略制定产生影响，使得比赛中呈现出双误、非受迫性失误两项指标各场比赛相差较大的情况。由此推理，单项指标对网球运动员技战术水平、特征进行评价，准确性、可靠性相对较差，信息丢失严重，对运动员竞技能力结构的整体概括不足，为比赛战术策略制定、后期针对性训练安排提供的技术支持不足。为进一步获取统计指标的信息，挖掘指标与指标间的关联信息，阐释指标之间的关联性，本研究对有关数据进行了相关性分析(见表2)。

表2 相关分析

表2显示:12个系数在统计意义上高度相关(P＜0.01)，28个系数在统计意义上相关(P＜0.05)。结合专项理论分析，发球技术具有不受对方控制的特性，发球的质量也直接关系到是否能够有效地限制对手的回球，实现预想中的战术设计，占据比赛中主动性的战术意义［1］。ACE球、一发得分率、发球制胜分数、破发成功率四项指标均与发球技术环节存在紧密的联系。比赛中的一发质量、稳定性一般要低于二发，但一发的得分率一般会高于二发(表1平均数X5＞X6);ACE球具有力量、速度、落点和战术相结合的特点。ACE球数量越多，表明球员发球质量越好，而一发的成功率也就越高，可以对对手形成有效的限制，或者在发球环节获得制胜分;在对手的发球局，如果对手发球质量较差，则易反扑而破发，并获得分数。因此，破发是在被动的局面下占据主动性的表现之一，与对手发球环节关系密切［2］。综合分析表明，发球对四项指标的贡献意义显著，指标间的联系性较好:即多重共线性问题突出，适合因子分析。

因子分析是探讨和解决存在相关关系的变量之间多重共线性问题的统计学手段。可以有效挖掘是否存在不能直接观察到的，但对可观测变量的变化起支配作用的潜在的因子分析方法［3，4］。经统计处理，获得因子成分在旋转前后的载荷矩阵(见表3)，以及旋转空间的因子结构图(见图1)。

因子载荷矩阵表示五个共性因子与14项技战术指标的载荷，表示原有统计指标与共性因子的相关程度。例如:李娜作为典型的力量型打法选手，与欧美选手最具有竞争力，具有发球、回球力量大，速度快等特点。李娜在发球局时发球力量大、速度快，极大地限制了对手的发挥;出色的爆发力，体能充沛，快速移动能力突出，身体协调性极佳，且力量化打法下小技术不失细腻，配制以先进的欧洲化风格打法，充分发挥了其自身特点，为其战胜对手提供了有效的保障。基于此推理分析，因子载荷矩阵、相关分析为单项技术指标研究向综合指标研究过渡搭建了有效平台;此外，结合专项理论，借鉴旋转后因子载荷矩阵，结合旋转空间因子结构图，对因子含义进行解释，了解因子特性，以及各个因子在实践中代表的意义，可以很好地为运动训练的控制、训练计划的制定等服务。

表3 因子载荷矩阵

图1 旋转空间因子结构图

主成分分析结果显示:第一主成分(因子)包括破发成功率X9、一发平均时速X13、二发平均时速X14三项指标。网球运动员具有不同的风格特征，李娜是力量型打法的代表，发球力量迅猛，极大地限制了对手的接发球质量，有效提高了回球质量，给予对手更多的压迫，为反被动为主动奠定了基础;在形成“多回合”拉锯战时能够有效控制局面，而且其跑动能力突出，体能储备良好［5］。因此，我们把第一共性因子解释为:机能素质水平。

第二主成分(因子)包括非受迫性失误数X3、一发得分率X5两项指标。作为技能主导类隔网对抗性项群项目突出的代表，发球技术在比赛进行过程中可以完全自我掌控，相对而言受对手影响相对较小，是比赛中占据主动的有力手段之一［6］。在一发时，在发球力量大、角度刁钻、成功率较高的情况下，球员会占据战术意义上的主动性，相对于在对手发球局，如果处于被动状态，为对手所限制，失误则会增加，破发率低。因此，我们把第二共性因子解释为:控制能力。

第三主成分(因子)包括ACE球数X1、发球制胜分数X7、接发球得分率X8三项指标。对抗性运动项目一个突出的特点是:在比赛过程中体现参赛选手之间的控制与反控。在对手发球局，球员已失去战术意义上的主动性，易被对手控制，与发球局形成鲜明对比，难以形成对比赛局面的有效控制;发球局得分多，破对手发球局能力较差，是球员处于被动状态的体现。李娜在比赛中曾多次出现反控对手、破对手发球局时难以应对的现象［7］。因此，我们把第三共性因子解释为:反控制能力。

第四主成分(因子)包括双误数X2、一发成功率X4、总得分数X11三项指标。竞技比赛中，运动员承受着极大的心理负荷和生理负荷，心理状态与机能状态相互牵制，影响球员的运动表现［8］。双误属于比赛过程中的主动失误，而被动情形下、主动失误后，极易产生情绪焦躁，导致比赛中心态失衡，影响总得分。有研究证实，高水平运动员的对决，技术水平差异极小，重点在于心态的调整［9］。因此，我们把第四共性因子解释为:心理调整能力。

第五主成分(因子)包括二发得分率X6、网前得分率X10、最快发球时速X12三项指标。利用娴熟的运动技能，创造得分良机，是运动员在极短的时间内了解对手、推测对手战术意图，选择制定战术方针的目的;而战术意识、战术思维的体现，是信息加工能力、运动智能特征的体现。因此，我们把第五共性因子解释为:运动智能。

2.2 回归分析

综合以上分析可知，影响网球运动员竞技能力结构特征的主成分为:机能素质水平、控制能力、反控制能力、心理调整能力、运动智能。然而，五项共性因子中，哪些主成分影响网球运动员比赛的胜率，统计意义是否显著，均具有理论意义、实践意义。故采用逐步回归分析，建立回归方程，解释胜率与共性因子的线性关系。通过统计学分析获得拟合优度分析数据、方差分析数据(见表4、表5)。

表4 模型汇总(1)

表5显示，系数R=0.979，衡量回归曲线拟合原始数据好坏的指标为拟合优度R，拟合优度越接近于1，散点与回归曲线拟合程度越高［10］。说明回归方程可靠，实用性强，回归方程与观测指标拟合程度好，即，网球运动员的胜率与五个新指标(共性因子)的拟合程度较高。回归系数的显著性检验表明，方程的显著性概率P(sig=0.000)＜0.01，回归方程具有显著意义。

表5 方差分析(1)

综合回归分析数据统计结果表明，机能素质水平、控制能力、反控制能力、心理调整能力、运动智能五个主成分可以与因变量胜率建立可靠的回归方程。回归系数分析情况(见表6)。

表6 回归系数分析(1)

3 讨论

3.1 原指标为自变量的回归分析

为了更好地验证主成分与胜率逐步回归后获得的数据模型的科学性、有效性，对比原技术统计指标能够更好地挖掘数据内容，特对原技术统计指标与胜率进行逐步回归分析(见表7)。

表7 模型汇总(2)

回归模型分析结果显示，系数R=0.705，回归方程可靠，拟合优度较好，即网球运动员的胜率与原有14项统计指标的拟合程度较高。回归系数的显著性检验表明，方程的显著性概率P(sig=0.068)＞0.05，回归方程不具有意义(见表8)。

表8 方差分析(2)

综合回归系数分析，获得回归模型中双误数X2、一发平均时速X13，两项指标回归系数检验值:P(sig=0.045、0.049)＜0.05，其他各项指标的回归系数不具显著意义，P(sig＞0.068)＞0.05，回归方程不具有意义(见表9)。

3.2 回归模型差异

就实践而言，官方统计多采用单项指标对运动员的单项技术特征进行数据描述，观众、教练、运动员对运动员场上的表现观察一目了然，但网球运动作为隔网对抗项目，是一项多回合进行的连续性运动，对于组合技术的运用要求极高［11］。每一次回球、每一次跑动，都需要经过严谨的思考与设计，战术思路明确才能够有效压制住对手，因此，在技术组合的基础上追求一定的战术高度，才能够将技术水平发挥得淋漓尽致。即通过多元统计分析获取数据内涵，挖掘数据信息，对网球运动员竞技能力特征的单技术指标研究向综合指标过渡，单技术因素分析向综合因素分析过渡，才能够有效地解决多重共线性问题，为运动训练服务，实现研究层次的突破。