篮球队员选择策略探究
摘要
关键词
ANOVA,篮球赛事,指派问题
正文
一、引言
1.1研究背景
随着篮球运动赛事的不断发展,篮球俱乐部在球员选择方面不得不做出一些最为有效的选择,以此来提高球队的整体实力。在正式比赛中,对球员的选择不仅会影响球队的胜率,更是会给球队的士气和凝聚力造成影响。选择合适的球员无疑是一种影响公司和俱乐部利润和发展的投资。2014年,国家体育总局出台《奥运竞技体育后备人才培养中长期规划(2014-2024)》,重点强调了科学选材研究的理论建设。本文旨在探究如何选择合适的篮球球员,以提高球队的整体实力和竞争力[1]。
1.2文献综述
中外的学者通过这些方法得出了许多结论。隗金水(2003)在分析运动员选材及与选材相关的育材、选育关系、成才等基础上,提出了“运动员选材的选育结合理论”,认为选材与育材是相辅相成的,优秀运动员的遴选需要选中有育,育中有选。钟嘉奎认为要想尽快提高我国篮球运动技术水平,促其更好的发展,后备力量的培养是关键,完善培养体制是保障,扩大篮球人口是基础[2]。
曹威、田剑提出从篮球球员的身体形态结构方面、身体素质方面、生理选材指标方面、心理选材指标方面及遗传因素等方面进行评价和选拔[3]。
二、研究内容
2.1.研究的假设
假设一:本文假设球员同一年内的表现情况受年龄的影响相同,即把年龄看成离散变量。
假设二:不考虑球员伤病或者其他小概率意外情况。
2.2.符号说明
符号 | 定义 | 单位 |
AGE | 球员年龄 | 年 |
OFFRTG | 进攻效率,即球员在进攻端每 100 次进攻所获得的得分 | 分/100次 |
DEFRTG | 防守效率,球员在防守端每 100 次对手进攻所允许的得分 | 分/100次 |
AST RATIO | 助攻率,即球员每 100 次触球所产生的助攻次数 | 分/100次 |
NETRTG | 净效率,两端进攻与防守的效率差 | |
2.3.实验的建立

图1:球员年龄和得分的关系
由于比赛的情况是复杂的,不同比赛对手给出的机会是不同的,一般无法简单的通过绝对的得分来估计球员的表现好坏,因此,本研究选择球员面对机会时的得分效率来估测球员的能力。本研究选择球员的场上得分和胜率数据进行观察[4]。
本次研究将讨论AGE——球员年龄,OFFRTG——进攻效率,即球员在进攻端每 100 次进攻所获得的得分 ,DEFRTG——防守效率,即球员在防守端每 100 次对手进攻所允许的得分 , NETRTG,净效率,AST RATIO——助攻率,即球员每 100 次触球所产生的助攻次数等因素对团队得分的影响。
2.4.年龄对得分的影响
首先我们将球员的年龄看作离散变量并绘制成柱状图观察他们年龄的分布,从图上可以看出,篮球运动员的年龄分布大致呈枣核形,篮球运动员的最好的参赛时间段是在其20岁到34岁之间,并且一般来说他们的最黄金的时间是在他们27岁左右的时候,这段时间他们可以最大化的为球队带来利益。
2.5.净效率对得分的影响
本节Exel表格中有关球员胜率以及NETRTG(净效率——两端进攻与防守的效率差)代
入SPSS,以NETRTG为横轴,胜率为纵轴,得出如上回归变量图:
图2:胜率和净效率的关系
根据散点的分布情况,可以找出最为切合的两种拟合线,分别为线性的拟合线y=61.16+0.65x以及二次项拟合线y=61.48+0.26x+0.04x²,即下面两幅图:

图3:线性和二次项拟合图线
可以发现不关是哪种情况拟合线都是成上升趋势,由此可以得出结论胜率会随着净效率增大而增大,所以说选择球员时选择净效率较大的球员可以给球队带来较大的提升。
为了进一步确认NETRTG的影响,使用SPSS软件中回归分析的方法再一次处理这些数据,获得以下四张表格:
表1 输入/除去的变量a | |||
模型 | 输入的变量 | 除去的变量 | 方法 |
1 | NETRTGb | . | 输入 |
a. 因变量:胜率 | |||
b. 已输入所请求的所有变量。 | |||
表2 模型摘要 | ||||
模型 | R | R 方 | 调整后 R 方 | 标准估算的错误 |
1 | .430a | .185 | .168 | 4.86082% |
a. 预测变量:(常量), NETRTG | ||||
表3 ANOVAa | ||||||
模型 | 平方和 | 自由度 | 均方 | F | 显著性 | |
1 | 回归 | 257.216 | 1 | 257.216 | 10.886 | .002b |
残差 | 1134.123 | 48 | 23.628 | |||
总计 | 1391.338 | 49 | ||||
a. 因变量:胜率 | ||||||
b. 预测变量:(常量), NETRTG | ||||||
表4 系数a | ||||||
模型 | 未标准化系数 | 标准化系数 | t | 显著性 | ||
B | 标准错误 | Beta | ||||
1 | (常量) | 61.162 | 1.122 | 54.488 | .000 | |
NETRTG | .647 | .196 | .430 | 3.299 | .002 | |
a. 因变量:胜率 | ||||||
结合表上获得的信息可以发现R²的值很小,即残差非常小。而在ANOVA(Analysis of Variance,查分析)中总计的平方和为1391.338,自由度为49,F检验为10.886。然后通过最后一幅表格中的t检验得出NETRTG的显著性为0.002。由于显著性小于0.02,说明此变量(NETRTG)有显著的影响。
2.6.失误率对得分的影响
经过实验观察,本研究还发现发现球员的胜率与TO RATIO(失误率)有关,于是将五十个数据利用SPSS制作成以TO RATIO为横轴,胜率为纵轴的散点图:
再尝试了多种情况的拟合线后发现最为贴切的一条拟合线为
y=84.3-8.28x+1.02x²-0.04x³
跟据比赛常识,经过适当推测得出,适当的犯规例如过于积极的防守从而不小心造成的一些犯规可以使球队做出更好的防守以及进攻动作,而过多的犯规从而导致的一些给对面的罚球以及己方球员的下场会降低球队的胜率。
再次使用线性回归分析得出下列的表格:
表5 输入/除去的变量a | |||
模型 | 输入的变量 | 除去的变量 | 方法 |
1 | TO RATIOb | . | 输入 |
a. 因变量:胜率 | |||
b. 已输入所请求的所有变量。 | |||
表6 模型摘要 | ||||
模型 | R | R 方 | 调整后 R 方 | 标准估算的错误 |
1 | .067a | .005 | -.016 | 5.37164% |
a. 预测变量:(常量), TO RATIO | ||||
表7 ANOVAa | ||||||
模型 | 平方和 | 自由度 | 均方 | F | 显著性 | |
1 | 回归 | 6.319 | 1 | 6.319 | .219 | .642b |
残差 | 1385.019 | 48 | 28.855 | |||
总计 | 1391.338 | 49 | ||||
a. 因变量:胜率 | ||||||
b. 预测变量:(常量), TO RATIO | ||||||
表8 系数a | ||||||
模型 | 未标准化系数 | 标准化系数 | t | 显著性 | ||
B | 标准错误 | Beta | ||||
1 | (常量) | 62.431 | 3.624 | 17.226 | .000 | |
TO RATIO | .182 | .389 | .067 | .468 | .642 | |
a. 因变量:胜率 | ||||||
发现TO RATIO的显著性为0.642(>0.05),所以此变量没有显著影响。于是可以得出结论:球队应该更偏向于选择一些有适当犯规行为的球员以便于促进球队的发展。
三、结论
1、蓝球运动员参赛年龄段集中在20岁到34岁之间,由于对于俱乐部和赛事来说,让某个运动员在某个年龄参赛是双方的决策,运动员可能会考虑伤病和积蓄因素而考虑参赛与否,俱乐部可以适当调高20到34岁之间运动员的上场率,调整薪资水平,保证运动员黄金年龄段的利用。
2、将得分净效率当作评判篮球运动员团队输出能力的标准是可取的,得分净效率越高,团多输出能力越好,此结论非常显著,俱乐部和赛事可以将运动员历史赛事的净效率作为评判标准。
3、适当的违规率能提高球队的胜率,但是过多的违规会导致得分下降,因此俱乐部选择球员时可以不必一味的追求低违规率,应该结合具体比赛和数值进行评判。
四、研究的评价
4.1创新点
1,本文将如何选择合适的球员这个问题转换成如何选择胜率高的,能给球队带来最大化利益的球员,将复杂的球员选择问题精简了。
2,本文采用了几个不是非常常见的变量来建立模型以及分析,例如探究了TO RATIO(失误率)与胜率的关系,与探讨身体素质与球员选择的关系等变量相比起来较为新颖。
4.2不足
1,本研究的误差等仍然存在,例如绘制拟合线时,由于散点数量过多,有的散点过于分散,导致拟合线不一定能表示变量与应变量之间最佳的关系。此外,在后续的回归分析中也给出了残差的存在。这些种种因素都对结论的精确度造成了些许影响。
2,再者,球队对球员的选择理由也并不是只跟球员的胜率挂钩,有时候,尽管有些球员并没有特别拔尖的胜率,但是他们可以有效地提高球队的声望,给球队带来更大的利益。
4.3展望
在结论的基础上,本文研究的意义是探究如何选择合适的篮球球员,以提高球队的整体实力和竞争力。同时,本文使用的研究方法在其它体育领域也基本上适用,可以使选择合适的运动员的过程更加轻松。
在不远的将来,通过更为先进的计算,甚至能通过模型推测出每个球员的发展空间以及所需的成本例如青少年球员未来身高等各方面身体指标的增长方式以及所需摄入的营养,以便更好的选择球队所需要的球员。
参考文献
[1]国家体育总局:奥运竞技体育后备人才培养中长期规划(2014-2024).2014
[2]隗金水: 《运动员选材的选育结合理论》. 北京体育大学出版社,2006
[3]曹威, 田剑: 篮球球员选拔标准的综合评价方法研究.
[4]NBA中国官方网站,“联盟球员数据排名” https://china.nba.cn/.访问日期:2023-08-19
...