生态位视角下CBA联赛中技战术指标的势重分析及球队攻防实力的综合评价研究

李金桥

(扬州大学 体育学院，江苏 扬州 225127)

中国男子职业篮球联赛(简称CBA)自1995年创办以来经历了22个赛季，通过这22年来的经营与发展，CBA联盟的规模不断壮大，俨然已成为我国体育竞技比赛中的一个品牌赛事。参赛队伍由12支球队发展到20支球队的同时，俱乐部资金注入量的提升，外籍运动员和教练的引进，观众的需求等诸多因素均在不同层面刺激了CBA联赛的竞技性发展，使得CBA联赛无论是在对抗水平还是欣赏程度上都在不断的增强，这也使其得到了社会各界的广泛关注和认可。

众所周知，CBA联赛能否得到快速发展取决于球队比赛质量的高低，因此球队管理者以及教练员为了提高球队的竞技能力以增加获胜机会，非常重视比赛双方在球场上的绩效表现，并以此为基础有针对性地制定训练策略和技战术方案。在此方面，国外学者对篮球比赛大数据分析的研究较为深厚，尤其是美职篮关于篮球技战术指标的大数据分析更是催生了一批以数据分析为主要业务的数据公司，可见大数据分析在体育竞技领域的重要性所在。近年来，受国外大数据分析发展趋势的影响，我国学者也相继基于大数据理论对CBA联赛中球队间技战术指标进行分析研究。然而在实际赛事中，攻防综合评价与技战术指标之间普遍存在“软相关”，甚至“假相关”的现象。究其原因是各项技战术指标在综合评价体系中所占据位置以及指标间功能关系与作用的矛盾冲突，关于此方面的研究尚缺探讨。基于此，本文首次提出运用“生态位”的理论审视与分析CBA联赛的发展，对所统计的各项指标进行深层次分析，通过指标个体间矛盾、冲突、博弈的相关性演变规律探索指标数据间相互竞争、协同进化与共存的平衡支点，探析决定比赛胜负的关键指标要素以及客观准确的致胜规律，达到不断优化综合评价攻防能力的基础体系，为管理者和教练员制定合理的训练方案和技战术策略提供理论依据。

1 研究对象与方法

1.1 研究对象

以2016 ～ 2017赛季CBA职业联赛前8强球队为研究对象。

1.2 研究方法

1.2.1 文献资料

结合本研究的需要，查阅CNKI数据库，归纳和整理关于统计分析CBA联赛各球队近年来攻、防能力以及篮球比赛竞技能力的文献。此外，本研究从新浪网中国篮球数据库 (http://cba.sports.sina.com.cn/cba/) 收集中职篮2016～2017 赛季前8强球队在常规赛的攻、防技术指标原始数据并进行整理加工。

1.2.2 数理统计[13]

1.2.3 录像观察

通过网络赛事直播以及重播录像观看2016 ～ 2017赛季CBA职业联赛中8支球队的的比赛实况，在观看的过程中了解8支强球队在比赛中的攻防技战术特点，重点观察本研究所涉及的技战术指标。

1.2.4 秩与比法 (RSR法)运算法则

秩与比法 (Rank sum ratio)，简称RSR法，其基本原理是将n个评价对象(球队)的m个评价指标(技战术指标)排列成n行m列的原始数据表。根据高、低优指标编出各个技术指标的秩次，并遵循同一指标数据相同者编平均秩的原则，最终得到秩矩阵。根据公式(1)进行秩转换运算，获得无量纲统计量RSR值，继而运用参数统计分析的概念分析研究RSR值的分布，进而以RSR值的分布评价对象的优劣进行直接分档排序，最终实现对球队攻防能力的综合评价。

(1)

其中Rij为第i行第j列元素的秩，RSR值越大评价对象的综合水平越高，根据秩次的大小可知最小、最大。

1.2.5 Probit模型及线性回归方程的建立

Probit模型是一种广义的线性模型，服从正态分布。本研究依据秩与比综合评价法确定RSR值的分布。RSR值的分布是指用概率单位Probit表达的值特定的累计频率，具体方法如下：首先编制攻防RSR值频率分布表，列出各组的频率f，并计算各组累计频率数∑f；其次确定各组RSR的秩次范围S以及平均秩次 ，并计算累计频率，最后累计按照进行校正，并通过百分数与概率单位对照表，查得各累计频率所对应的概率单位；最后将概率单位值Probit作为自变量，攻防RSR值作为因变量，进行线性回归分析。

万科董事会主席郁亮表示，万科非常重视此次与太古的业务合作，借此不仅希望能够向太古学习借鉴、取长补短，更希望双方未来在更广泛领域加强合作交流，包括在粤港澳大湾区建设等国家战略规划中共同寻找合作契机、发挥重要作用。计划在三年内形成覆盖30多个节点城市的冷链物流网络。

2 研究结果与分析

2.1 技战术生态系统的构建

生态位是指一个种群在生态系统中，在时间空间上所占据的位置及其与相关种群之间的功能关系与作用，基于此，本研究初步建立一个以CBA联赛2016 ～ 2017 赛季中前8强球队在常规赛的所有赛事为一个生态系统，该生态系统中的种群为衡量球队攻防能力的各项技战术指标。此生态系统中共有8支球队，248场赛事，其中8支球队所面临的比赛场次，对手以及所处的主客场情况完全相同，意味着各支球队所发挥的攻防能力是对称均衡的，即8支球队的各项技战术指标总和是对称分布的，这为后期的统计分析提供了最基本的数据保障。所有攻、防技战术指标原始数据均从新浪网中国篮球数据库中收集并整理。

2.2 生态种群的界定

为了建立从生态位分析技战术指标到球队攻防实力的对应接轨模式，本研究应选取合理的生态种群以达到客观反应球队攻防能力的目的，因此技战术指标种群的界定对于分析结果的合理性影响至关重要。通过文献以及实际的统计分析，本研究从指标种群在生态系统中所占据的位置以及功能关系出发，选取11项进攻指标和4项防守指标。其中11项种群作为进攻指标，分别为：(1) 场均差分 (即场均得分与场均失分的差值)、(2)2分球场均中篮次数、(3)2分球命中率、(4)3分球场均中篮次数、(5)3分球命中率、(6)场均罚球中篮次数、(7)罚球命中率、(8)进攻篮板、(9) 助攻、(10)失误、(11)被侵；4项种群作为防守指标，分别为： (12)防守篮板、(13)盖帽、(14)抢断、(15)犯规。

其中，本研究选取种群(1)场均差分作为指标种群，而摒去了场均得分的种群指标，究其原因是场均得分与本研究中的(2)、(4)、(6)三项指标之间存在着定量关系，如以下公式所示

场均得分=种群(2)*2+种群(4)*3+种群(6)*1

从生态位理论出发，不难发现场均得分的生态位势重与种群⑵、⑷、⑹三项的综合生态位势重是等值的，即场均得分在球队进攻能力中所呈现的生态位功能是⑵、⑷、⑹种群指标的功能重复，势必会造成综合评价的不准确性。相比之下，场均差分为场均得分与场均失分的差值，不但避免了重复指标对攻防综合能力的二次影响，更能体现出球队间的攻击能力水平，即差分数值越大进攻能力越强，这也是不选取场均失分做为独立的防守指标的原因。

同理：

场均总中篮次数 = 种群(2)+ 种群(4)

场均总投篮命中率=[种群(2)+种群(4)] /

[种群(2)/种群(3)+种群(4)/种群(5) ]

所以场均总中篮次数的生态位势重与种群(2)、(4)生态位总势重是等值的，场均总投篮命中率的生态位势重与种群(2)、(3)、(4)、(5)的生态位总势重是等值的，因此本研究的进攻指标摒除场均总中篮次数和场均总投篮命中率两项指标种群。

2.3 技战术综合能力RSR值的数据分析

首先分别按照15项指标种群的高、低优原则进行秩次排序，秩转换运算得到常规赛中前8强球队攻防综合能力的秩与比量化RSR值 (如表1所示)。

表1 2016～2017赛季CBA联赛常规赛前8强球队攻防综合实力RSR值的综合评价一览表

通过表2可以清楚地看到，8支球队的攻防综合能力排名与实际赛事排名总体上较为相符，结合表2中攻防综合RSR值与球队实际胜场数之间的相关系数R与显著性参数P可知，8支球队的攻防综合RSR值与实际胜场数的R=0.916，P=0.001 (﹥0.01)，双侧检验两者间呈显著相关性。说明本研究采取的从生态位理论出发，依据各项种群指标的生态位势重选取技战术信息所分析的秩与比RSR值与各球队能力的实际发挥较为相符。因此本研究基于生态位理论建立的从技战术指标分析到攻防实力综合评价的对应接轨模式是合理的，该模式能够客观地以技战术种群信息直接体现各支球队的攻防实力以及球队间的实力差距，为球队如何更加有针对性地训练提高技战术能力提供理论依据。

表2 2016 ～ 2017 赛季CBA联赛前8强球队攻防综合RSR值与常规赛排名间的Pearson相关性分析一览表

注：**在0.01水平 (双尾检验) 上具有显著相关性

2.3.1 常规赛榜首新疆队的种群生态位分析(常规赛胜场数32)

通过表1的数据统计分析，排名联赛第一的新疆队，15项种群指标保持中上等的强势力量，其中场均分差、2分球命中率、3分球命中率和助攻4项指标均占据进攻种群的榜首位置，盖帽和犯规占据了防守种群的第二位置，综合RSR为0.76，排在8支球队的第一位。从生态位视角分析，新疆队在保证高质量的进攻能力同时并未放松防守质量的保持，基本能够做到攻守平衡的状态，这也是球队获得成功的关键之处。通过视频赛事对新疆队不同位置主力球员进行了深层次的分析，后卫亚当斯、中锋布莱切和周琦、前锋李根在2分球及其命中率、3分球及其命中率上均有较高的贡献值。布莱切和周琦的内线搭档占据了绝对的优势，两人场均23个篮板球和3.8次盖帽，为球队的胜利建构了坚实的防卫线。

2.3.2 常规赛第2名广东队的种群生态位分析(常规赛胜场数30)

常规赛实际排名第2的广东队与RSR值的体现不慎相符，可以说是8支球队中的特例。针对此问题本研究从广东队种群指标和球队实际情况两方面切入进行分析研究。首先从生态位理论出发对广东队的种群指标分析发现广东队的2分球场均中篮次数非常高，场均达到32.71次，排名仅次于深圳的32.97次，且在数值上仅比第一名少了0.26次，说明广东队在2分球得分方面显示出非常明显的强势状态。

通过实际赛事中广东队不同位置主力球员表现的进一步探析，广东队在后卫线上拥有唐纳德·斯隆、前锋线上有易建联和周鹏坐镇、中锋有多年NBA经验的布泽尔把守，对其四人的2分球技术指标进行分析发现，场均24.4次的中篮次数占据了整个球队场均总中篮次数的74.6%，这也是其他7支球队一定程度上无法超越的。与此同时。广东在2分球命中率上却排名中等偏后，为第5名，并且在数值上比第一名少了2.31%，换算成投篮次数相当于广东队场均比排名第一的新疆队多投篮2.42次，说明广东队场均控球几率以及控球时间比其他球队要高出很多，加上失误次数与被侵次数均较低更加佐证了广东队在控球方面的优势所在。实际的赛事观察发现广东队在整个常规赛中的38场赛事中均能做到压制对手降低2分球的投球机会，不得已改投3分球，而强势的防守能力又迫使对手的3分球命中率极低，同时广东队在内线拥有易建联和布泽尔把守，两人场均可以抢到23个篮板，成功地将球权夺回增加了控球的几率，为球队的胜利贡献力量。

以上分析说明在防守篮板较为强势的条件下，增强球队的控球能力以提高2分球出手次数的同时提高命中率，即在保证较高中球次数的前提下，提高出手次数能够促使球队取得最终的胜利，说明2分球的得分能力在技战术生态系统占据的生态位势重较大，这也是广东队虽然RSR值排名第六却在实际赛事中胜利30场的原因所在。

2.3.3 上海、广厦、辽宁三支球队的种群生态位分析

上海、广厦、辽宁、三支球队的RSR值分别是0.66、0.62、0.63，排名分别是上海第二、广厦第四、辽宁第三，观察可知上海、广厦和辽宁在RSR值上差距较小，与实际排名较为相符。其中，辽宁队常规赛胜场数为29，其在RSR上却排在了胜场数为30的广厦队之前，通过各项种群指标的分析发现辽宁队的攻守失衡现象较为严重并且得分转换率较低。在进攻方面辽宁队总体处于上等水平，仅次于新疆的进攻水平；在防守方面，辽宁队显得非常弱势，防守篮板、盖帽以及犯规均处于中下等水平，充分说明了辽宁队攻防失衡的局面。另外值得一提的是辽宁队虽有强势的进攻能力，但是在进攻转化为得分的能力上较为薄弱，其2分球的命中次数排名倒数第三，这与广东队得分转化能力形成鲜明对比，更加佐证了2分球的得分能力在技战术生态系统中占据了较大的生态位势重。

2.3.4 深圳、四川、山东三支球队的种群生态位分析

深圳、四川、山东三支球队的RSR排名与实际赛事排名十分相符，通过对其各种群的分析也很难发现数据间的伯仲关系，各项数据间均表现为此消彼长的现象。但是深圳和四川两支球队在总体上表现为攻防失衡的状态，其中深圳队表现为相对强势的进攻能力，并且2分球的得分也较高，但是较高的2分球命中率反应了深圳队的控球力度并不好，加上防守能力非常薄弱(防守指标均处于中下等水平)， 注定球队处于中下游水平。相反，四川队的防守能力比较强势，防守篮板与盖帽均占据榜首位置，犯规也是上等水平，但是在进攻方面非常薄弱。通过对球队的球员进行深层次的分析我们发现，四川队拥有约什·史密斯和哈达迪双塔坐镇内线，两人场均可以贡献26.5个篮板球和4次封盖，在球队的防守上起到了一定的震慑作用，但是球队的后卫线上却缺兵少将，只有孟达一人勉强把守，纵观15-16赛季夺冠时的四川队，后外线上又少了外援邓特蒙的穿针引线，也一定程度上左右了四川队的战绩发挥。说明这种攻弱守强的球队状态没有任何获得胜利的优势，也说明进攻种群指标相比于防守种群指标在生态位系统中占据着较为重要的生态位空间。山东队则在进攻与防守上都处于薄弱状态，这与其常规赛仅胜利22场的末尾排名十分相符，该球队在以后的训练中应全面提升各种群的指标能力。

2.4 建立Probit模型与线性回归方程

为了进一步证明生态位理论用于分析技战术综合能力的合理性，本研究建立了8支球队的攻防综合RSR值的Probit模型并对其进行了线性回归分析。首先确定攻防综合RSR值的分布即概率单位Probit表达的值特定的累计频率，并根据百分数与概率单位对照表，查得各累计频率所对应的概率单位值，具体数值如表3所示。

表3 2016～2017赛季CBA联赛前8强球队攻防RSR分布及Probit概率单位值一览表

注：最后累计依照 (1-1/4n)*100% 进行校正

本研究将2016～2017赛季CBA联赛常规赛中前8强球队的攻防综合RSR值以及Probit概率单位值输入SPSS统计软件，以概率单位值Probit作为自变量，攻防综合RSR值作为因变量，进行线性回归分析。表4所示的分析结果是对模型的简单汇总，即对线性回归方程拟合情况的描述，通过表格可知相关系数R=0.981，决定系数即相关系数的平方R2=0.962。决定系数是自变量Probit解释的方差在总方差中所占的比列，该模型的决定系数比较接近1，说明模型的效果比较好。表5是对Probit模型进行方差分析的结果，从表中可以看出F=152.179，P=0.000 (﹤0.01)，具有呈高度显著相关性。表6是对回归方程中常数项a和回归系数b的估计值以及检验结果，从表中可知a=-0.114，b=0.129，尤为重要的是 t=12.336，P=0.000，检验的结果与表8中F检验的结果完全等价，说明所建立的线性回归方程具有统计意义。因此该Probit模型的线性回归方程为：

RSRi=-0.114+0.129*Probiti

表5 线性回归模型的方差分析

表6 线性回归方程的参数估计值及检验结果一览表

图1 攻防RSR分布与概率单位值Probit间的散点图

从图1中也可看出变量之间存在明显的线性关系，结合回归方程可知概率单位每增加一个单位，攻防综合指数RSR值平均提高0.129个点。综合分析证明了本研究采用生态位理论择取的技战术指标在统计分析8支球队攻防综合能力中的合理性， 所得到的结果对实际技战术策略的制定具有一定的指导意义。

3 结论与建议

1)初步建立了2016 ～ 2017 赛季8强球队在常规赛中的技战术生态系统，从生态位理论出发，通过种群指标的矛盾关系择取适宜的技战术信息并用于8支球队的综合攻防能力RSR的分析与研究，结果显示该方法得到最终RSR值与球队在实际赛事中的排名较为相符，且与球队的实际胜场数的相关性为：R=0.916，P=0.001 (﹥0.01)，双侧检验两者间呈高度显著相关性，能够客观地反应出所择取的技战术指标对球队的攻防能力的影响规律。

2)运用SPSS 22.0 统计软件建立了攻防综合RSR值的Probit模型，结果显示根据攻防综合RSR值及其对应的概率单位值Probit建立的模型具有很好的拟合结果，经检验决定系数R2=0.962，F=152.179，P=0.000 (﹤0.01)，呈高度显著相关性，所建立的线性回归方程具有统计意义，说明本研究所择取的技战术指标能够较为客观地反应球队的攻防实力，为球队有针对性地制定训练方案以及技战术策略提供理论依据。

3)通过广东队分析说明了技战术指标中得分转换能力的权重作用，即较高中球次数决定了得分的多少，而较低的投篮命中率则说明了球队主动抑制对方得分几率的能力，加上较低的失误次数和被侵次数以及较高的防守篮板能够有效促使球队取得最终的胜利，此几项种群在技战术生态系统占据的生态位势重较大，建议球队在进攻得分能力上加强建设。

4)篮球竞技比赛是双方攻防技术相互矛盾博弈的一个过程，是利用主体进攻技术打破客体防守技术以及主体防守技术阻断客体进攻技术的过程。在这个矛盾博弈的过程中以得分多寡为胜负标准，即一支球队的竞技能力是一场比赛中所有上场球员通过各种技能的发挥，将技战术能力转化为得分的能力。通过研究发现球队在制定技战术策略时应加强投球次数、控球时间、失误次数、被侵次数以及防守篮板这几项种群技战术的训练，尤其要注重投球次数与控球时间对胜负决定性的影响，并针对在较高的投球次数的基础上提高命中率制定相关策略。

参考文献：

[1] 张光宇, 张玉磊, 谢卫红, 刘贻新. 技术生态位理论综述[J]. 工业工程, 2011,14(4):11-16.

[2] 张磊, 张廷安, 夏辉, 任定猛. 中国足球生态系统的构建[J]. 北京体育大学学报, 2016, 39(8):117-124.

[3] 李南, 葛春林, 张立伟. 生态位视角下“三大球”改革与发展研究——基于社会资源的竞争与合作[J]. 北京体育大学学报, 2017,40(5):34-38

[4] 杨振兴, 杨军, 白洁, 刘林星. 基于大数据技术对美国职业篮球联赛的研究[J]. 中国体育科技, 2016,52(1):96 - 104.

[5] 马国全, 杨建文, 张虎祥, 田宇. 大数据在体育科学中的应用及思考[J]. 河北体育学院学报, 2017,29(2):11 - 16.

[6] 甘荔桔, 李成梁. NBA强势进入对CBA的影响及对策分析[J]. 沈阳体育学院学报, 2017,36(5):115-120.

[7] 陆森召. 中国职业篮球联赛球队获胜关键技术指标判定[J]. 沈阳体育学院学报, 2017,36(2):128-133.

[8] 耿建华, 王建刚. 2013-2014赛季CBA联赛各参赛球队攻防竞技实力的比较研究[J]. 中国体育科技, 2015, 51 (1): 28-49.

[9] 朱焱, 周殿学. 2014-2015赛季中国男子篮球职业联赛季后赛各参赛球队攻、防能力比较研究[J]. 中国体育科技, 2016, 52 (1): 105-112.

[10] 侯向锋、光晖、李鑫. 第27届亚洲男子篮球锦标赛中国队与对手攻防实力比较[J]. 上海体育学院学报, 2014, 38 (2): 87-94.