基于逐步回归分析的CBA参赛球队整体进攻能力研究

2015-12-04孙红霞殷学锋杨彬长江大学体育学院湖北荆州434023

长江大学学报(自科版) 2015年19期

孙红霞，殷学锋，杨彬（长江大学体育学院，湖北荆州434023）

篮球运动是对抗性非常激烈的集体竞赛运动项目，双方队员通过各种专门的技术动作并以集体战术配合为手段展开攻守对抗，最后以得分多少来决定比赛胜负［1］。随着CBA联赛的深入展开，篮球技战术的发展日新月异，攻防方法也变化多端，对各种技战术运用的最终目的都是为了投篮得分以及最大限度的制约对手得分，其中较强的整体进攻能力可以创造出较多的得分，因而整体进攻能力的高低是衡量一支球队整体实力强弱的重要标志，同时也是CBA强队进攻战术执行能力和竞技水平的重要体现［2］。为了较为全面、客观地反映CBA参赛球队的整体进攻能力，笔者运用逐步回归分析和Spearman等级相关分析方法对2013～2014赛季CBA联赛18支参赛球队的各项常规技术统计指标进行统计分析，旨在为提高CBA参赛球队的整体进攻能力提供参考。

1 研究对象与研究方法

1.1 研究对象

以2013～2014赛季CBA 18支参赛球队（包括八一、北京、东莞、佛山、福建、广东、广厦、吉林、江苏、辽宁、青岛、山东、山西、上海、四川、天津、新疆和浙江队）34轮常规赛以及季后赛共计335场比赛为研究对象。

1.2 研究方法

1）文献资料法查阅与篮球运动和逐步回归分析方法有关的文献资料，访问中国篮球协会的官网查找有关数据资料，为研究提供理论依据。

2）数理统计法通过Excel 2013软件对18支参赛球队的技术统计指标数据进行整理，利用SPSS17.0进行逐步回归分析和Spearman等级相关分析建立CBA参赛球队整体进攻能力的数学模型。

3）录像观察法通过回放2013～2014赛季CBA参赛球队的部分实况录像对参赛球队的得分表现进行详细观察与分析，深入了解参赛球队在比赛过程中的技战术特点，为找出影响参赛球队整体进攻能力的因素提供依据。

2 比赛得分和各项技术指标统计结果

球队的整体进攻能力常通过比赛中的常规技术统计指标反映出来，主要包括得分、2分球命中率、3分球命中率、罚球命中率、进攻篮板、防守篮板、助攻、抢断、盖帽、失误以及犯规等11个指标。这些常规技术统计指标对球队的整体进攻能力有着影响显著和影响不显著之分，同时也存在着影响程度的差别。为了深入分析球队整体进攻能力的影响因素，笔者采用逐步回归多元统计方法对2013～2014赛季CBA参赛球队常规技术统计指标进行深入分析，对球队整体进攻能力影响显著的技术统计指标引入回归方程，对于影响不显著的技术统计指标进行剔除，使方程中的每一个技术统计指标都具有显著性意义，最终建立最优化的回归模型。表1为2013～2014赛季CBA18支参赛球队34轮常规赛以及季后赛共计335场比赛的常规技术指标统计结果。

表1 2013～2014赛季CBA各参赛球队常规技术指标统计结果

3 得分能力的回归方程检验

整体进攻能力是球队在比赛活动中通过个人技术或集体战术配合来打破对方防守而进攻得分的能力。球队的整体进攻能力受多种因素的影响，在比赛中整体进攻能力的强弱主要由各项技术统计指标反映出来。笔者以2013～2014赛季CBA 18支参赛球队335场比赛的得分为因变量Y，以其余的10个技术统计指标为自变量X，对得分能力的回归方程进行检验。对于多元线性回归方程，需要采用方差分析法进行显著性检验来判断自变量整体对因变量的影响是否具有显著性［3］。由表2可知，对11个技术统计指标经过方差分析P＝0.00＜0.01，说明回归方程的建立有非常显著性意义。

表2 回归方程方差分析表

4 参赛球队的得分能力影响因素分析

以得分为因变量，通过逐步回归分析，发现并不是所有的技术统计指标都对因变量有着显著性影响。从表3可知，运用逐步回归分析后有2个指标（防守篮板球和盖帽）被剔除。由于国际篮联新的场地标准在CBA联赛中得到应用，使限制区范围得到扩大，防守篮板球更容易得到保护，加之防守篮板球直接转化为得分的效率很低，所以并不能作为主要因素影响球队整体进攻能力。在盖帽方面，CBA联赛整个赛季的场均盖帽只有3.11个，其在比赛过程中体现出来的进攻价值较低，因而并不能从整体上影响球队的整体进攻能力。因此，影响球队整体进攻能力的主要因素为2分球命中率、3分球命中率、罚球命中率、进攻篮板球、助攻、抢断、失误以及犯规，而且每个因素对球队的整体进攻能力都有非常显著性意义。

表3 回归系数与标准化回归系数

根据表3建立CBA联赛各参赛球队整体进攻能力的数学模型如下：

该模型即CBA参赛球队得分能力的定量表达式。标准化回归系数有助于判断多元回归方程中各自变量单位不统一时哪个自变量对因变量的影响较大，标准回归系数越大，说明该变量的影响作用越明显［4］。

由表3可知，相应的影响顺序为：

其中，只有失误的标准回归系数为负数，说明在篮球比赛中减少失误有利于球队的整体进攻能力的提高，在比赛中出现一次失误就会给对手增加一次进攻得分的机会。其他的7个因素的标准化回归系数均为正数，表明这7个影响因素与球队的整体进攻能力呈正相关关系，然而需要强调的是，犯规的标准回归系数为正，并不意味着犯规的次数越多，球队的整体进攻能力就越强。因为引入回归方程中的回归系数属于偏回归系数而不是简单相关系数，当回归模型中的其他因素不改变的情况下，每改变其中的一个变量的一个单位，因变量都会发生相应的变化，如果该变量的回归系数为正，则因变量改变的方向会与之相同［5］。如由于犯规的标准回归系数为0.21，说明在其他因素不变的前提下，每增加一次犯规球队的整体进攻能力就增加0.21。因此，在篮球比赛中，通过合理犯规可以有效减少对方的得分机会，尤其在比赛关键时刻可以利用犯规来改变比赛的最终结果。

5 得分能力影响因素的回归方程拟合度检验

复相关系数是衡量因变量对所有自变量之间的线性相关的密切程度，其取值越接近1，表明线性关系越密切；而判定系数可以用来表示在因变量的变动总量中可以被回归方程拟合的百分比［3］。通过以得分为因变量，以其余的10个技术统计指标为自变量进行回归方程的拟合度检验（见表4）。

由表4可知，建立的回归方程复相关系数为0.73，说明两者的相关程度较高，且判定系数为0.53。因此，说明以10个技术统计指标作为影响得分能力的因素所建立的回归方程拟合度很好，方程的精度较高。

表4 回归方程拟合度检验表

6 各队得分能力与比赛名次分析

球队的整体进攻能力与比赛的竞技能力之间存在一定程度的相关关系，为了进一步验证建模后球队得分能力表达式的有效性，以2013～2014赛季CBA参赛球队的比赛名次作为效标（见表5）对建模后的各队得分能力与比赛名次之间进行Spearman等级相关分析，经检验P＝0.00＜0.01，说明该研究建立的得分能力模型具有较高的可信度，能有效地反映CBA参赛球队的整体进攻能力。CBA各队的教练员可以利用该函数模型各个影响因素及其影响程度的大小结合球队的实际情况进行有针对性的训练，由此提高球队的整体进攻能力和技战术水平。