李金橋

前言

隨著中國男子職業(yè)籃球聯(lián)賽的不斷發(fā)展，其對抗水平以及精彩程度不斷增強，球隊管理階層非常注重比賽雙方球隊在賽場上的績效表現(xiàn)，并以此為基礎(chǔ)制定有效的訓(xùn)練方案以及戰(zhàn)術(shù)策略從而達到提高攻防綜合能力的目的[1-3]。因此本文通過對2015 ～ 2016賽季CBA職業(yè)聯(lián)賽中前8強球隊綜合能力進行Probit線性回歸模型分析，以建立各球隊攻防綜合能力的分檔研究，探索球隊在攻防均衡方面的和諧性，為球隊今后的訓(xùn)練方向提供科學(xué)理論依據(jù)，促進我國CBA聯(lián)賽的可持續(xù)健康快速發(fā)展。

1 研究對象與方法

1.1 研究對象

中國CBA聯(lián)賽2015 ～ 2016賽季常規(guī)賽中前8強球隊的為研究對象。

1.2 研究方法

1.2.1 文獻資料調(diào)研

結(jié)合本文的研究需要，基于CNKI數(shù)據(jù)庫整理并歸納近五年來統(tǒng)計分析我國CBA聯(lián)賽球隊攻防能力以及競技能力的相關(guān)文獻。

1.2.2 數(shù)理統(tǒng)計[12]

運用Excel 2016和IBM SPSS Statistics 22等統(tǒng)計學(xué)軟件，對前8強球隊攻防數(shù)據(jù)指標進行統(tǒng)計分析。

1.2.3 錄像觀察

通過電視、網(wǎng)站視頻直播以及錄像觀看比賽實況，了解并分析前8強球隊在常規(guī)賽中攻防方面的技戰(zhàn)術(shù)特點，同時結(jié)合統(tǒng)計學(xué)軟件處理得到分檔數(shù)據(jù)對球隊進行客觀分析。

1.2.4 Probit模型及線性回歸方程的建立

Probit模型是一種廣義的線性模型，服從正態(tài)分布。本研究依據(jù)秩與比綜合評價法確定RSR值的分布。

2 結(jié)果與分析

2.1 攻防技術(shù)指標的界定

本文通過文獻以及實際的統(tǒng)計分析過程，共選取15項技術(shù)指標作為2015 - 2016賽季CBA聯(lián)賽前8強球隊間攻防綜合能力分檔評價的數(shù)據(jù)依據(jù)。其中進攻指標有11項：⑴場均差分 (即場均得分與場均失分的差值)，⑵2分球場均中籃次數(shù)， ⑶2分球命中率，⑷3分球場均中籃次數(shù)，⑸ 3分球命中率，⑹ 場均罰球中籃次數(shù)，⑺ 罰球命中率，⑻ 進攻籃板，⑼ 助攻，⑽ 失誤，⑾ 被侵；防守指標有4項： ⑿防守籃板， ⒀蓋帽， ⒁搶斷，⒂犯規(guī)。其中進攻指標的前9項與防守指標的前3項為高優(yōu)指標，進攻指標的后2項與防守指標的最后1項為低優(yōu)指標。

2.2 2015 ～ 2016賽季CBA聯(lián)賽前8強球隊攻防綜合能力的分檔研究

2.2.1 攻防綜合RSR值的Probit模型建立及其線性回歸分析

本研究進一步對8支球隊的攻防綜合能力做了分檔研究，首先確定攻防綜合RSR值的分布即概率單位Probit表達值特定的累計頻率，并根據(jù)百分數(shù)與概率單位對照表，查得各累計頻率所對應(yīng)的概率單位值，具體數(shù)值如表1所示。

表1 2015 ～ 2016 賽季CBA聯(lián)賽前8強球隊攻防RSR分布及Probit概率單位值一覽表

注：最后累計按照 (1-1/4n)*100% 進行校正，攻防RSR值由前期的研究工作所得[6]。

本研究將2015 ～ 2016 賽季CBA聯(lián)賽常規(guī)賽中前8強球隊的攻防綜合RSR值以及Probit概率單位值輸入SPSS統(tǒng)計軟件，以概率單位值Probit作為自變量，攻防綜合RSR值作為因變量，進行線性回歸分析。表2所示的分析結(jié)果是對模型的簡單匯總，即對線性回歸方程擬合情況的描述，通過表格可知相關(guān)系數(shù)R=0.915，決定系數(shù)即相關(guān)系數(shù)的平方R2=0.838。決定系數(shù)是自變量Probit解釋的方差在總方差中所占的比列，該模型的決定系數(shù)比較接近1，說明模型的效果比較好。 通過對Probit模型進行方差分析的結(jié)果可知 F=25.780，P=0.004 (﹤0.01)，具有呈高度顯著相關(guān)性。表3是對回歸方程中常數(shù)項a和回歸系數(shù)b的估計值以及檢驗結(jié)果，從表中可知a= -0.563，b= 0.215，尤為重要的是 t=5.077，P=0.004，檢驗的結(jié)果與表2中F檢驗的結(jié)果完全等價，說明所建立的線性回歸方程具有統(tǒng)計意義。因此該Probit模型的線性回歸方程為：

RSRi=-0.563+0.215×Probiti

通過回歸方程可知概率單位每增加一個單位，攻防綜合指數(shù)RSR值平均提高0.215個點。通過攻防RSR值與Probit的散點圖可直觀地看出變量之間存在一定的線性關(guān)系，如圖1所示。

表2 線性回歸模型匯總及方差分析

表3 線性回歸方程的參數(shù)估計值及檢驗結(jié)果

圖1 攻防RSR分布與概率單位值Probit間的線性關(guān)系分析

2.2.2 2015 ～ 2016賽季CBA聯(lián)賽前8強球隊的分檔排序

本研究以優(yōu)良中差四個檔次對8支球隊進行分檔排序，其概率單位對應(yīng)的分檔Probit值分別為3.5、5、6.5。將各球隊概率單位Probit值帶入上述所求線性回歸方程中計算出對應(yīng)的RSR估計值，以此估計值對評價對象進行分檔排序，具體結(jié)果如表4所示。由分檔排序結(jié)果可以看出，8支球隊均處于優(yōu)良中三檔，其中屬于上檔的是遼寧隊，良檔為新疆、四川、廣東、廣廈，而山東、北京、浙江屬于中檔，并未出現(xiàn)差檔的球隊。這與上文秩與比綜合分析法所得的結(jié)果相一致，遼寧隊的攻防能力最為強勢屬于A級水平，新疆、四川、廣東、廣廈相對較強屬于B級水平，而山東、北京、浙江相對較為弱勢，分別隸屬于C、D、E級水平。值得一提的是，本賽季季后賽成功打入前4強的球隊為遼寧隊、新疆隊、四川隊以及廣東隊，此4支隊伍均隸屬于優(yōu)、良兩檔，而廣廈隊雖處于良檔卻被擠出了前4強。通過研究分析發(fā)現(xiàn)，將廣廈隊的Probit值代入回歸方程所得的RSR估計值為0.5120，處于良檔與中檔的分界線，說明廣廈隊雖然勉強擠入良檔，但是實際攻防能力仍有欠缺，這也正是廣廈隊與前4強無緣的原因所在

表4 2015 ～ 2016賽季CBA聯(lián)賽常規(guī)賽前8強球隊的分檔一覽表

3 結(jié)論與建議

運用SPSS 22.0 統(tǒng)計軟件建立了攻防綜合RSR值的Probit模型，以Probit為自變量，攻防綜合RSR值為因變量，進行線性回歸分析，對模型進行了相關(guān)性檢驗，并依據(jù)線性回歸方程將8支球隊進行分檔分析。

3.1 根據(jù)攻防綜合RSR值及其對應(yīng)的概率單位值Probit建立的模型具有很好的擬合結(jié)果，經(jīng)檢驗決定系數(shù)R2=0.838，F(xiàn)=25.780，P=0.004 (﹤0.01)，呈高度顯著相關(guān)性，說明所建立的線性回歸方程具有統(tǒng)計意義。

3.2 依據(jù)所建立的線性回歸方程將8支球隊進行分檔分析發(fā)現(xiàn)，8支球隊并沒有出現(xiàn)差檔級別。其中遼寧隊屬于上檔級別，相對攻防能力最為強勢。新疆、四川、廣東屬于良檔，廣廈隊處于中、良界限，攻防能力相對較強。而山東、北京、浙江攻防能力最為弱勢屬于中檔，總體分檔情況與各球隊的實際排名非常相符。

[1] 侯向鋒，光暉，李鑫. 第27屆亞洲男子籃球錦標賽中國隊與對手攻防實力比較[J]. 上海體育學(xué)院學(xué)報, 2014, 38 (2): 87 - 94.

[2] 耿建華, 王建剛. 2013 - 2014賽季CBA聯(lián)賽各參賽球隊攻防競技實力的比較研究[J]. 中國體育科技, 2015, 51 (1): 28 - 49.

[3] 朱焱, 周殿學(xué). 2014 - 2015賽季中國男子籃球職業(yè)聯(lián)賽季后賽各參賽球隊攻、防能力比較研究[J]. 中國體育科技, 2016, 52 (1): 105 - 112.

[4] Baghal, T. Are the “Four Factors” Indicators of One Factor ? An Application of Structural Equation Modeling Methodology to NBA Data in Prediction of Winning Percentage[J]. Journal of Quantitative Analysis in Sports, 2012, 8 (1): 1 - 14.

[5] 楊振興, 楊軍, 白潔, 劉林星. 基于大數(shù)據(jù)技術(shù)對美國職業(yè)籃球聯(lián)賽的研究[J]. 中國體育科技, 2016, 52 (1): 96 - 104.

[6] 李金橋，周學(xué)榮，譚明義. 秩與比法在CBA聯(lián)賽球隊間攻防實力綜合評價中的合理應(yīng)用[J]. 安徽體育科技, 2017, 38 (3): 19 - 29.