河北省大学生体质健康综合评价分级模型的研究*
2021-11-22赵东磊
张 霈 赵东磊
河北省大学生体质健康综合评价分级模型的研究*
张 霈 赵东磊
（河北工业大学 体育部，天津 300401）
为便于大学生快速有效地查询本人的体质健康评价等级，文章使用Fisher判别法，基于R语言结果，构建了河北省大学生体质健康综合评价分级模型。该模型可以对大学生个体或者群体进行综合评价，并且提高了查询评价效率和精准程度，对监测大学生体质健康状况起到积极作用。
判别分析；体质健康；分级模型
教育部近几年的大学生体质健康测试数据显示,我国大学生的体质健康总体状况不容乐观，连续多年呈下降趋势。大学生作为祖国的未来，体质状况不仅关于大学生自身的发展，还关乎祖国未来发展,可以说大学生体质健康状况对大学生未来的发展至关重要。那么如何准确评价与监测大学生体质健康状况将成为亟待体育工作者解决的问题。近些年来，我国专家学者对学生体质健康评价方面进行了一些研究，有专家提出用因子分析、回归分析等数理统计方法评价学生体质健康，但研究不够系统，还有不尽完善的地方。目前2014年新修订的《国家体质健康标准》从身体形态、身体机能和身体素质等方面综合评定学生的体质健康水平，该评价方法首先要根据系数算出每个项目的得分，然后再累加，程序比较繁琐，因此，加强对大学生体质健康综合评价的研究，构建一套比较科学、适用且操作简单的评价方法，有助于大学生自行了解自身的体质健康状况，也有利于教育部及体测监测部门及时科学评价大学生体质健康状况。
1 研究对象与方法
1.1 研究对象
以河北工业大学、河北金融学院、河北农业大学和河北经贸大学等4所高校的学生为主，随机抽取2017级3800人,剔除无效数据330人,选取最终3470人的学生体测数据为研究对象，其中男生2145人，女生1325人。
1.2 研究方法
1.2.1专家访谈法
通过走访高校体育界的专家学者，了解我国高校学生体质健康综合评价的历程和未来发展的思路及建议。
1.2.2判别分析法
本研究依据2014新修订《国家学生体质健康标准》，以身高体重、肺活量、50米、立定跳远、坐位体前屈，800/1000米8项指标作为大学生体质健康综合评价等级的这一研究对象的特征值，依托已有数据及分类，进行判别分析，给待评定对象评定等级。
1.2.3数理统计法
对获得的有效样本数据，运用SPSS23.0进行处理分析。
2 结果
2.1 2014年新修订《国家学生体质健康标准》构成
该标准从身体形态、身体机能和身体素质等方面综合评定学生的体质健康水平，其中，身体形态类包括身高、体重；身体机能包括肺活量，身体素质类中的50米跑、坐位体前屈、立定跳远、800/1000米等，是促进学生体质健康发展、激励学生积极进行身体锻炼的教育手段，是国家学生发展核心素养体系和学业质量标准的重要组成部分，是学生体质健康的个体评价标准。
2.2 聚类分析
由于男生和女生体质健康标准不同，因此，我们在构建分级模型时，应该把男生和女生分开，分别建立相应的评价模型。由于原始数据样本较多，采取聚类分析法进行分类。聚类分析是根据研究对象特征对研究对象进行分类的一种多元分析技术, 把性质相近的个体归为一类, 使得同一类中的个体都具有高度的同质性, 不同类之间的个体具有高度的异质性。本研究把大学生体质健康评价分为优秀、良好、及格和不及格4个类别，1代表优秀；2代表良好；3代表及格；4代表不及格（部分结果呈现见表1、表2）。
表1 男生判别分析结果
序号身高（cm）体重（kg）肺活量（ml）50米（s）1000米（s）坐位体前屈（cm）立定跳远（cm）引体向上（个）类别 1174.471.449747.67270622541 2169.971.148387.8267018002 3167.560.741197.82512122012 4167.550.746258.325211193102 5168.382.243358.22851520803 6178.677.337407.3270622453 7171.67641767.7243922103 8170.47644058.627713.818013 9172.273.643917.523811.821043 10180.973.146047.92609.520053 11173.67338207.52461322403 12184.9118.750887.926915.820304 13174.8101.544088.42721320004 14158.64236687.712701723084
注：表中的类别栏的1、2、3、4分别代表优秀、良好、及格、不及格
表2 女生判别分析结果
序号身高（cm）体重(kg)肺活量(ml)50米(秒）800米（秒）坐位体前屈（cm）立定跳远(cm)一分钟仰卧起坐(个)类别 115451.421859.222013.0188351 2153.158.22731924723.0165242 3168.153.323968.520824185272 415751.532539.126613163422 5160.663.330188.723215166492 6168.555.322758.522511185382 7165.953.930331124717.5127352 817179.936849.224720.0173403 9161.263.936218.922716.0178373 10157.453.130258.120912.0184393 11159.251.629089.524319.0170353 12160.247.5255092236.8177294 13163.344.626188.81979.5187394 14170.547.929138.421019.2160324
注：表中的类别栏的1、2、3、4分别代表优秀、良好、及格、不及格
2.3 Fisher判别分析模型的建立
通过对前期获得原始数据的分析处理的基础上，进行判别分析处理，可以得到男生和女生正规化判别函数系数（见表3和表4）。
表3 男生Fisher判别函数系数
类别1234 身高5.4465.5755.4315.257 体重-0.634-0.545-0.651-0.467 肺活量0.07120.07290.07820.0745 1000米跑0.7740.7720.7120.765 引体向上0.04670.04920.03450.0912 坐位体前屈0.4510.4670.4210.428 立定跳远0.4120.4380.4260.410 50米0.4560.4670.4110.458 常数项-713.467-578.931-678.37-603.459
表4 女生Fisher判别函数系数
类别1234 身高5.1345.4245.1055.119 体重-1.096-1.377-1.041-1.065 肺活量0.05920.02240.04510.0378 800米跑0.9010.9340.9000.904 一分钟仰卧起坐0.2450.2920.2170.236 坐位体前屈0.4870.4600.4920.438 立定跳远0.1040.0730.1170.103 50米0.4780.4360.4910.464 常数项-523.684-453.794-503.80-478.932
计算判别分数时，直接将8项评价指标原始数据代入判别函数即可得到判别函数。根据表3，得到判定大学男生体质优秀、良好、及格与不及格的四个线性判别函数分别为：
F1=5.446XI-0.634X2+0.0712X3+0.774X4+0.0467X5
+0.451X6+0.412X7+0.457X8-713.46(优秀）
F2=5.575XI-0.545X2+0.0729X3+0.772X4+0.0492X5
+0.467X6+0.438X7+0.457X8-578.931（良好）
F3=5.431XI-0.651X2+0.0782X3+0.712X4+0.0345X5
+0.421X6+0.426X7+0.411X8-678.37(及格）
F4=5.257XI-0.467X2+0.0745X3+0.765X4+0.0912X5
+0.428X6+0.410X7+0.458X8-603.459(不及格）
同理，根据表4线性判别函数系数可得到判定大学女生体质优秀、良好、及格与不及格的四个线性判别函数分别为：
F1=5.134XI-0.1.096X2+0.0592X3+0.901X4+0.245X5
+0.487X6+0.104X7+0.478X8-523.684(优秀）
F2=5.424XI-1.377X2+0.0224X3+0.934X4+0.292X5
+0.460X6+0.073X7+0.436X8-453.794（良好）
F3=5.105XI-1.041X2+0.0451X3+0.900X4+0.217X5
+492X6+0.117X7+0.491X8-503.80(及格）
F4=5.119XI-1.065X2+0.0378X3+0.904X4+0.0236X5
+0.438X6+0.103X7+0.464X8-478.932(不及格）
2.4 判别模型的应用
随机选取男大学生中的任意样本，将身高、体重、肺活量、1000米、50米、坐位体前屈、立定跳远、引体向上8项指标分别代入判别函数，同样，也是随机选取女大学生中的任意样本，将将身高、体重、肺活量、800米、50米、坐位体前屈、立定跳远、仰卧起坐8项指标分别代入判别函数，这样男女大学生可以得到相应的分类结果，并返回后得到后验概率，找出一数据该行四个后验概率中的最大值，最大值所在的分类列即为该数据所属类别。
2.5 判别模型的验证与效果评估
构建了判别模型后，要对模型的有效性进行必要的检验。用所建立的判别函数对已知类别的样品进行判别，计算判对率和判错率，可用来描述判别函数的判别效果。
在2415名男生中，其中161名体质优秀者有2人被判定为体质及格，有2人被误判为体质不及格，判对率为97.5%，错判率为2.5%；385名良好者有375人被判为体质良好者，其中有10人被误判为及格，判对率为97.4%，错判率为2.6%；1489名体质及格者有1463人被判为体质良好者，有10人被误判为优秀，有15人被误判良好，判对率为98.3%，错判率为1.7%；110名体质不及格者有107人被判为不及格，有2人被误判为及格，1人被误判为良好，判对率为97.2%，错判率为2.8%。可见，模型的总判对率为97.6%，即（97.5%+97.4%+98.3%+97.2%）/4。总错判率为2.4%，同样，看出女生的判别结果中，模型的总错判率为1.41%，总判对率为98.59%。由此可见，本研究所构建的判别函数的判别效果显著，具有较好的分级区分度，基本达到要求。
3 分析与讨论
本文借助多元统计分析中的判别分析，对样本进行分析，分别建立了大学男生和大学女生的体质健康综合评价分极模型。并对于参与调查的河北省2145名男大学生进行准确快速评判，其中，男生体质健康评级为优秀的有161人，占7.7％，良好的人数为385人，占17.9％；及格人数为1489人，占69.3％；不及格人数为110人，占5.1％。可见，河北省大学男生的不及格较低，及格人数占到绝大多数，基本接近教育部对高校体质健康及格率95％的要求。
另外，女生男生体质健康评级为优秀的有34人，占2.5％，良好的人数为408人，占30.7％；及格人数为611人，占46.1％；不及格人数为272人，占20.5％。可见，河北省大学女生的及格人数比重最大，优秀人数和良好人数之和依然低于及格人数，不及格人数较多。
在调查的3470个学生样本中，体质评定为优秀的为199人，占5.7％，良好为793人，占22.8％；及格为2101人，占60.5％；不及格为382人，占11.0％。
可以看出，目前河北省大学生体质健康大多集中在及格等级，优秀和良好的人数还是偏少，不及格的比例较大，不能达到教育部95％的要求。另外，从优秀人数来看，男生稍高于女生，从不及格人数比例来看，女生明显高于男生。这说明河北省大学男生的体质健康水平要好于女生，下一步高校要通过各种教学改革方法，提高女生的体质健康水平。
我们依据《国家学生体质健康标准》，运用统计软件 SPSS 进行判别分析，制订出大学生体质健康综合评价分级模型，快捷方便，只需要把每个项目的成绩代入函数即可得到相应分数，而不需要参照《国家学生体质健康标准》中男女大学体质健康评分表逐一查找各学生各单项指标得分和利用权重再累加总分的繁杂过程，给学生提供了快捷准确的查询方式，同时也便于学生理解和操作，为学生快速掌握自身的身体状况提供了帮助。
4 结语
依据2014年新修订《国家学生体质健康标准》，使用Fisher判别法，构建的河北省大学生体质健康综合评价分级模型，对学生个体或者群体的体质健康进行综合评价，具有很高的精确度，并且可以对学生体质的类别快速进行分类。该模型与国家体质健康标准的综合评价方法相比，在一定程序上减少了操作程序，为大学生体质健康判定提供依据，对监测大学生体质健康具有积极作用。
[1]张晓丹，杨倩倩.基于聚类分析的天津市大学生体质健康评价分级模型研究[J].天津科技，2014，41(8):76-79.
[2]李昌峰，张星，林福生，等.基于Fisher判别分析的大学生体质健康 综合评价分级模型研究J].当代体育科技，2017，29(7):20-21.
[3]郝小玲，梁春.基于R语言的我国甘蔗产量ARIMA模型建立与预测分析[J].绿色科技，2016，420(12):58-60.
[4]石娟娟.大学生体质健康综合评价分级模型构建的研究[D].武汉:华中科技大学,2011.
[5]卢卓,邓方贞.基于Fisher分类算法的水稻种子品种识别[J].南方农机,2015(10):10-11.
[6]陈国华,韦程东, 蒋建初,等.数学模型与数学建模方法[M].天津:南开大学出版社,2012.
A Study on the Comprehensive Evaluation and Grading Model of Physical Health of College Students in Hebei Province
ZHANG Pei, etal
(Hebei University of Technology, Tianjin 300401, China)
河北省高等学校人文社会科学研究项目（编号：SQ201083）。
张霈（1983—），硕士，副教授，研究方向：体质健康促进。
