2016-2017赛季nba常规赛运动员竞技效率分析

运动员竞技效率分析赖焕春(福建中医药大学体育部，福建福州350122)摘 要：研究采用因子分析、快速聚类、相关性分析等统计方法，以2016 -2017赛季NBA球员为研究对象，

对运动员竞技效率进行分析.结果表明，运动员的竞技效率由进攻因子、防守因子、消极因子共同决定，累积

方差贡献率达到80.341%.依据因子得分，将运动员竞技效率分成三类，以出场时间、出场次数与综合得分进

行pearson相关性双侧检验.结果表明，出场次数与综合得分不具有显著性相关，出场时间与综合得分具有非 常显著性相关.关键词：NBA；常规赛；竞技效率；因子得分；聚类；相关性中图分类号：G841

文献标识码：A 文章编号：1009 -4970(2019)11 -0035 -040前言篮球运动员的竞技效率是由他们在竞技赛场上的 得分、篮板、助攻、投篮命中率等多种技术集合体构成

第二，运用秩和比法(RSR)来比较运动员的竞技实

力.郭涤将篮球竞赛中的7项技术指标通过秩和比法进 行了综合比较，得出每位运动员的综合能力⑶，虽然研

的.但是在人们的直观印象中，评价最多的还是基于运

究具有系统性特点，但忽略了指标数据的真实性.如何从系统的角度全面分析篮球运动员的竞技效

动员单一技术指标的表征，如得分或者篮板、助攻能力 等.然而事实上，做为一名篮球运动员，只要能够上场,

率，笔者认为因子分析法能够很好地解决这个问题, 即通过对所有篮球技术指标的综合性分析，比较不同

球队对他的要求就是能够发挥多方面的作用(进攻与防 守)，最大限度地帮助本方获得进攻效益，阻止异方有

运动员综合因子得分大小，判断运动员的竞技水平.效的进攻，减少自己的失误与犯规机会.应然，完美无

1研究对象与方法1.1研究对象以2016 -2017赛季NBA常规赛中150名运动员

的竞技效率为研究对象，分析变量包括得分、投篮命 中率、罚球命中率、助攻、抢断、篮板、盖帽、失误、 犯规、出场时间、出场次数.缺的篮球技术是任何运动员都孜孜不倦的追求；使然, 古往今来包括张伯伦、拉塞尔、乔丹、詹姆斯、哈登等

名将都没人能够做到.在现有关于竞赛的技术与能力的 评价研究中，主要体现在以下两个方面：第一，以单一的技术指标进行比较，来衡量运动 员的竞技能力.比如袁凤生通过比较中外优秀中锋的

1.2研究方法(1 -文献资料法投篮命中率、篮板数量来判断球员竞技能力的差异 性［,］.该研究由于忽略了其它竞技指标，并且比较的

通过中国知网、NBA官网、腾讯体育NBA官网，

对象不从属于同一个竞争环境，所以严格来说是没有 可比性的.李子昂在对CBA本土球员综合竞技实力比 较中，虽然选择了不同的技术指标，但球员的综合能

收集关于篮球运动员技术能力相关研究文献22篇, 以及2016 -2017赛季NBA常规赛中有技术统计的 150名运动员的技术指标.力仍无法得到体现，因为没有把所有的技术指标看作 一个系统［2暂.所以笔者认为，诸如此类的研究都无法

(2)数理统计法利用SPSS09.0统计分析软件，进行因子分析、聚

真正体现运动员的竞技实力.收稿日期：2019 -09 -10类分析以及相关性分析.作者简介：赖焕春(1976—),男，福建闽清人，硕士，讲师.研究方向：体育教学与训练.・35・洛阳师范学院学报2019年第11期2结果与分析2.1 2016-2017赛季NBA常规赛球员技术指标因

子分析2.1.1

间，说明本次研究所选择的球员属于正常的轮换队

员，数据能够充分反映球员的真实能力，具有很好的 代表性，符合统计学中样本的普遍性特点的要求.2.1.2球员竞技能力技术指标的因子分类与得分模

型样本的选择就篮球运动员来说，一场篮球竞技状态发挥具有 绝对的偶然性，但是从多场竞技状态看，他们平均竞

根据现代网络媒体统计中篮球竞技技术指标的构

成，考虑指标性质与作用的统一性，该研究对常规统 计中的2分命中率、3分命中率进行了整合，两者归

技指标又存在着相对的稳定性，因此应把时间、出场 次数作为两个必须考虑的变量引入分析过程.本研究

为“投篮命中率”.最终选用的分析变量分别为得分、 投篮命中率、罚球命中率、篮板、助攻、抢断、失误、 盖帽[4].同时，依据经验判断，失误与犯规在竞技篮球

在2016—2017赛季NBA常规赛有出场纪录的305名 运动员中进行选择，标准是6-场以上，平均上场时间 最少15min.经过遴选，最终选取15-名运动员的技术

中一般都起负向功能，在统计中采用指标数值的相反

指标作为分析对象.基本情况见表1.表1研究样本来源基本情况统计出场时间t/min三30数进行处理.统计分析结果如表2所示.表2 KMO和Bartlett的检验结果人数47人数587814出场次数n/场Kaiser - Meyer - Olkin 值0 761近似卡方796 230三8030 三 2020 三 1580 三 7070 三 601003Bartlett的球形度检验df360 000Sig.在上述样本中，出场次数最多的是82场（全部出 场）,包括森林狼维金斯、唐斯、蒂格等10人；最低的

在表2中，KMO值为0. 761,大于0. 7 ； Bartlett球

形检验显著性水平p<0. 01,说明选取变量适合作因

是猛龙的洛瑞6-场.在出场时间方面，骑士队的勒布

子分析.通过SPSS19.0分析软件，采用主成分与特征 值姿三1的抽取方法、最大方差法进行旋转，共抽取

朗•詹姆斯高居第一，平均出场时间为37.8min,猛 龙队的洛瑞紧随其后，为37.4min而出场时间最少的 凯尔窑奥奎因为15.6min.综合出场次数与平均出场时初始特征值合计三个公因子（见表3）,累积方差贡献率为80.341,能 够很好地解释9个原始变量.表3因子解释的总方差成份提取平方和载入累积/%合计旋转平方和载入累积/%合计方差的/%方差的/%方差的/%累积/%1234563 1882 78835 42730 9779 9378 2185 0803 9533 38935 42766 40376 3413 1882 78835 42730 97713 93735 42766 40380 3412 8512 5871 43331 67328 74119 926

31 67360 41580 3410 8940 7400 4570 3560 3050 2010 0711 09484 55889 63893 59296 98199 2147892 233786

100 000注：提取方法为主成份分析从累积方差可知，三个公共因子方差贡献率依次 是0.31673, 0.28741, 0.19926.根据旋转后的载荷矩 阵与因子得分系数（见表4）,三个公因子分别命名 为：进攻因子，防守因子，消极因子.三个因子得分函 数分别为：F, = 0. 130X, + 0. 284X? - 0. 072X3 + 0. 316X4 - 0.081X5 --.-9-X6 +0. 320载7 -O.MSXs --.211X9.F? = 0. 028X] - 0. 182X? - - . 207X3 + - . 014X4 + -.347X5 +- .483X6 -- . -79X7 -- .243X8 -- . 1-6X9.F3 =- . 486X, + - . 113X? + - . 681X3 +- . -16X4 - -.-17X5 -- .399X6 +- . -88X7 -- . 159X8 +- . -87X9.・36・3.2 2016 -2017赛季NBA常规赛球员竞技效率比

较与分类球员技术指标三个公共因子的综合得分代表了球

员在该赛季中的竞技能力 根据三个公共因子的方差 贡献率，2-16-2-17赛季NBA常规赛15-名球员的因 子综合得分可以表达为F=- . 31673F, +- .28741F? +- . 19926F3,F,：进攻因子，F?：防守因子，F3：消极因子与F：

综合因子洛阳师范学院学报2019年第11期表4运动员技术指标因子载荷与得分系数统计成分旋转载荷矩阵

变量成分得分系数矩阵10.69220.54230.27010.13020.02830.486得分（X1）投篮命中率（载2）罚球命中率（X3）0.723-0.276-0.0620.284-0.072-0. 182-0.2070.0140.3470.4830. 113篮板（X4）0.8110.9030.8550.0370.156-0.1090.870-0.427-0.0360.2980.316-0.0810.6810.016-0.017-0.3990.088助攻（X5）抢断（载6）盖帽（X7）失误（X8 ）-0.005-0.018-0.2540.079-0. 127-0.014-0.749-0.658-0.0900.8650.320-0.073-0.211-0.425-0.269-0.079-0.243-0. 1590.087犯规（X9）-0. 106进攻、防守、失误与犯规共同构成了现代篮球竞 征，就是攻防兼备的运动能力与技术.例如，该赛季的

技效率的因素，但从贡献程度来看，毫无疑问进攻能 维斯布鲁克场均达到惊人的“三双”，且每场得分高居

力在球员的竞技能力评价中有着十分重要的作用.其 次，防守能力在球员的竞技能力评价中也不容忽视，

联盟第一；哈登接近每场拿到“三双”的数据，竞技能力

贡献率仅低于竞技能力，这就是为什么运动员的竞技 能力至少要从两个方面进行评价的原因.借助上述关

高居联盟第二；而被称为“全能王”的勒布朗•詹姆斯 该赛季排在第七位，估计与年龄、球星数量、回合占有

率有关.勇士队的杜兰特在常规赛中竞技能力虽然没有 进入前十，与球权分配及回合占有率下降有极大关系.

系计算后，因子综合得分最高的是雷霆队的威斯布鲁 克（1.42）,其次是休斯顿火箭队的哈登（1.40）.这两

因为“四巨头”的存在，被迫降低了竞技能力，但队员整 体的竞技能力体现出超强的特征.杜兰特、库里、格林

名球员也是2016 -2017赛季NBA常规赛MVP争夺最 接近的一次，是NBA成立以来MVP争夺最激烈的一

分别在联盟排名第10, 13, 16；汤普森虽然没有进入前

次.限于篇幅，表5仅列出排名前30球员的得分.从表5可以看出，综合因子得分较高的运动员都是 各自球队的当家球星或绝对主力.他们有一个共同的特队员拉塞尔窑威斯布鲁克30,但其综合效率（0.06）也高于联盟平均水平.将本研究的150名运动员依据竞技效率大小，采用 快速聚类（K-Means）方法分成3类，结果如表6所示.得分0.830.71表 5 2016 -2017 赛季 NBA 常规赛球员综合能力得分得分1.491.461.32队员队员伊赛亚窑托马斯达米恩窑利拉德科怀窑伦纳德凯瑞窑欧文得分詹姆斯窑哈登德马库斯窑考辛斯哈桑窑怀特塞德尼古拉窑约基奇斯蒂芬窑库里0.530.530.510.680.670.590.57吉亚尼斯窑阿德托昆博安东尼窑戴维斯卡尔窑安东尼窑唐斯勒布朗窑詹姆斯鲁迪窑戈贝尔约翰窑沃尔凯文窑杜兰特1. 141. 121.02保罗窑乔治德怀特窑霍华德德雷蒙德窑格林德安德鲁窑乔丹安德烈窑德拉蒙德戈兰窑德拉季奇吉米窑巴特勒0.480.440.440.440.990.910.880.570.550.540.54布鲁克窑洛佩兹麦里斯窑特纳马克窑加索尔德文窑布克C.J.麦科勒姆德玛尔窑德罗赞0.430.40.40.85表6球员竞技效率等级分类类型 聚类案例数聚类代表球员拉塞尔窑威斯布鲁克、詹姆斯窑哈登、德马库斯窑考辛斯、吉亚尼斯窑阿德托昆博1 11 安东尼•戴维斯、卡尔•安东尼•唐斯、勒布朗•詹姆斯、鲁迪•戈贝尔、约翰•沃尔凯文窑杜兰特、哈桑窑怀特塞德2 47尼古拉窑约基奇、斯蒂芬窑库里、保罗窑乔治、德怀特窑霍华德、德雷蒙德窑格林德安德鲁窑乔丹、布鲁克窑洛佩兹、麦里斯窑特纳、马克窑加索尔等3 92乔•约翰逊、贾斯汀窑霍乐迪、杰伦窑布朗、贾斯丁窑安德森、沙巴兹窑穆罕默德DJ •奥古斯丁、兰德尼窑麦格鲁德、兰斯顿窑加洛韦、伊安窑克拉克、萨姆•德克尔等从聚类结果看，类型1中所有球员基本属于NBA 力.类型2多数属于NBA明星，在球队中承担着重要角色.类型3属于综合效率值低于联盟平均值的队员+主要是做好球队中的队员轮换、进攻或者防守某一方• 37 •中的“巨星”级别，反映了他们在球队中的地位，决定 了球队的竞赛结果走势，在联盟中拥有超强的影响洛阳师范学院学报2019年第11期面的任务.2.3 2016-2017赛季NBA常规赛球员竞技效率与场

次、时间关系消极因子，累积方差贡献率高达8- .341%,能够很好 地解释原始变量.因子综合得分公式：F =0. 31673F, + - .28741F? +- . 19926F3,所以进攻因子、防守因子

排除个人技术能力要素，在常规赛中运动员参与 竞赛的场次、时间是影响其竞技效率的重要条件.我 们先假设两种极端条件：第一，假如运动员参赛1场, 仅上场，而且各项技术数据都很优秀，那么能否判断 该运动员竞技效率高呢？第二，假如运动员每次都有

与消极因子三者共同决定了运动员的竞技效率.提高 运动员的竞技效率必须加强各个环节的技术能力，尽

量减少失误.以15-名球员的因子综合得分进行快速聚类，第 一类代表当今NBA球员中竞技效率的最高水平，是球 队的“领军”人物；第二类球员在球队中充当着重要角 色，是球队主力球员的主要构成；第三类球员进攻与

上场机会，但是每次仅上场很少的时间，该运动员的统

计指标就一定很低，那么能否断定其竞技效率低呢？因

此，为了评价的公正性，本研究选择的样本具有普遍性 特点(出场6-次以上，最低15min).然而，运动员的竞

防守技术不够全面，但是也拥有一定的出场时间，一 般起队伍轮换作用，竞技效率较低.球员的竞技效率与球员的出场次数没有显著性相

赛场次与上场时间究竟对竞技效率有何影响.经双侧检验的Pearson相关性分析发现，在运动

关，与球员的出场时间具有非常显著性相关，相关系 数r=- .717. 野超级巨星、明星”能够获得较高的竞技 效率与他们获得大量的出场时间有着密不可分的联 系.为了获得更多的出场时间，运动员必须加强身体 素质、篮球意识练习，通过赛场上的优异表现获取教 练的信任.员的出场场次与竞技效率中，P=- . 356 >- . -5,r= - -.-76,没有显著性相关.但是运动员出场时间与竞技 效率具有显著性相关，相关系数r=-.717,说明运动

员的竞技效率随着出场时间的增加而呈现出逐渐上升 的趋势.不难理解，随着出场时间的增加，运动员的各

项技术指标值不断提高，而出场次数只是控制运动员 平均水平的变量，使运动员竞技效率区域稳定而已. 因此，运动员竞技效率的提高必须依靠足够的出场时

参考文献［1］ 袁凤生，程亚飞.国内、外男子篮球优秀中锋竞技实力

间作保证.比较研究［J］.中国体育科技,2004,40(6) ：32 -34.［2］ 李子昂.2014 -2015赛季CBA职业联赛本土球员综合

3结论与建议篮球运动员竞技效率是各种技术指标能力的综合 反映.利用因子分析法所获得的因子得分能够综合评 价篮球运动员竞技效率，而且能够自动消除不同量纲 的影响实力比较分析［D］.北京:首都体育学院，2016.［3］ 郭涤,胡琼莉.优秀篮球运动员比赛能力的综合评价研

究［J］.体育科学,2000,20(6) ：25 -28.［4］ 石勇.第15届亚运会中国男篮与对手主要技术指标的

对比分析［J］.西安体育学院学报,2008,25 (2):98 - 100

使用9项篮球技术指标为变量，以特征值大于1, 共选择3个主因子，分别命名为进攻因子、防守因子、

［责任编辑胡灵敏］An Analysis of Athletic Efficiency of NBAPlayers in 2016 -2017 Regular SeasonLai Huanchun( Department of Physical Education， Fujian University of Traditional Chinese Medicine， Fuzhou 350122， China)Abstract： Using statistical methods such as factor analysis， fast clustering， correlation analysis， this research discussed athletic efficiency of NBA players in 2016 - 2017 regular season The results showed that the competitive efficiency of athletes was determined by the attack factors， defensive factors， negative factors， and the comprehen­

sive factor score function was F = 0. 31673F1 + 0 . 28741F2 + 0. 19926F3 , the cumulative variance contribution rate reached 80 . 341%. According to the factor score, the 150 athletes' athletic efficiency was divided into three

categories， and the two - sided test of Pearson correlation was carried out with the playing time， the number of ap­pearances and the comprehensive score The number of appearances was not significantly correlated with the com­prehensive score， but the playing time was correlated with the comprehensive scoreKey words ： NBA； regular season； atheletic efficiency； factor score； clustering； correlation・38・