《NBA技术指标与薪金关系模型分析.doc》由会员分享，可在线阅读，更多相关《NBA技术指标与薪金关系模型分析.doc（9页珍藏版）》请在三一办公上搜索。
1、摘 要：本文将就对当今NBA各队的核心后卫的得分、助攻、篮板等技术统计和薪金的关系进行分析，找出一名优秀的核心后卫应具备的关键素质，为提高我国篮球的后卫水平，并最终提高我国的篮球水平提供一些参考意见。关键词： 助攻 抢断 篮板 得分 投篮命中率 薪金一、引言部分纵观当代篮球运动的发展，核心后卫球员的影响力正变的日趋突出，一名优秀的后卫往往对比赛的胜负起着重要作用。芝加哥公牛队之所以取得六夺NBA总冠军的伟业与队中的超级后卫迈克尔乔丹的作用是分不开的。可以毫不夸张的说，核心后卫是一支球队在场上的灵魂，是一支球队具体战术打法的组织指挥者，是场上的教练员。其水平的高低对整个队伍有着举足轻重的作用。中
2、国男篮与欧美篮球强国的差距在后卫方面体现的最为明显，后卫问题的良好解决业已成为中国队进一步提升实力的关键。中国队需要培养更好的后卫，这已经不是秘密。而如何培养一名优秀的后卫需要的不仅是关注和重视，更需要找出我国男篮后卫现状存在的问题以及今后着重培养后卫的着眼点，正所谓有的放矢。二、数据搜集1数据选择：由于篮球运动员都有其运动生涯的周期性，本文所选取的球员大都处在其运动生涯的鼎盛时期，考虑到代表性的问题，我们选取了处于高中低不同的薪金层次的球员。因此这些技术统计将会很好的反映一名优秀后卫球员的价值所在，核心素质所在。2数据来源:本文的数据全部来自NBA官方网站，因此数据具有高度准确性、全面性以及
3、权威性。据此,我们选择NBA后卫球员20032004年年薪以及该年平均每场助攻次数，得分数，篮板次数等技术指标作为分析数据。详见附表(一)三、建立模型建立经济模型 ：其中， Y年薪 X2助攻 X3 得分X4抢断 X5篮板 X6投篮命中率需要特别说明的是：我们用薪金来数量化球员能力。由于NBA球员的年薪给出是根据他们的技术表现，在NBA联盟中有完善的统计资料能很好的考察球员的能力，所以较有代表性。四、模型的参数估计、检验及修正1.模型的参数估计及其经济意义、统计推断的检验利用EVIEWS软件，用OLS方法估计得：（见附表二）Y= -289.09912+71.17229X2 +44.08696X3
4、 +91.15683X4 +-29.26075X5 +0.19616X6 (-0.66749) (3.15035) (4.03103) (0.73860) (-0.82658 ) (0.01949)R-squared=0.83555 Adjusted R-squared=0.80814 F= 30.48620可以看到，x2助攻 ，x3 得分两项数据的T值比较明显，对Y的影响显著，而且顺利的通过了统计推断检验。但是X4、X5、X6的P值较低，未能通过检验。从经济意义上来分析：（1）篮板球能力主要取决也身高和球场位置。而后卫球员主任务是组织进攻，多在外线。并且相对于中锋前锋而言，身材较为矮小，所以
5、篮板球较少。在一个球队中篮板多是衡量中锋的能力的，并非后卫的核心指标，所以应舍去。（2）对于投篮命中率而言，之所以不显著是因为高薪球员往往是球队的主力队员，出手投篮中很多是一些难度较大的球。低薪球员为减少球队失误率，仅敢投一些离篮近，把握大的球，这就使得低薪球员的命中率与高薪球员差不多，有时还要高一些，因此该项指标不具有很好的代表性，也不得不舍去。2.计量经济学检验 （1）对各影响因素进行多重共线性检验：先进行变量显著性与方程显著性综合判断：R-squared0.835554300185 F-statistic30.4862079503Prob(F-statistic)6.6650071735
6、9e-11 t-Statistic ProbX2 3.1504 0.0037X3 4.0310 0.0004X4 0.7386 0.4659可以看到比较大，F值显著的大于给定显著水平下的临界值，而变量X4，对应的T值不显著，说明该模型可能存在多重共线性。构建相关矩阵检验：X2X3X4X2 1.000000 0.585766 0.697735X3 0.585766 1.000000 0.808914X4 0.697735 0.808914 1.000000可见x4抢断与x3得分之间较有可能存在多重共线性.下面我们利用逐步回归法（变量剔除法）进行修正（回归过程详见附表四、五、六）：在回归中我们先用
7、Y对X2、X3、X4进行单独回归，选出Y对X2的回归为最优基本方程：Y= -37.45163 + 161.9965 X2 （-0.315000) (6.460686) =0.551099 =0.537896 F= 41.74046引入另一变量，扩大模型，从中选优得：Y= -284.9449 + 78.90378 X2 + 42.72510X3 (-3.480065) (4.067177) (7.311955) =0.828673 =0.818289 F=79.80698再添加一项：Y= -303.8851 + 71.37759 X2 + 38.67332X3 + 87.04928X4 (87.
8、04928) (3.224229) (4.760202) (0.723518) =0.831430 =0.815627 F= 52.61087从以上回归过程可以看到X2 ,X3的回归效果比较好，而且T 检验F检验都较好的得到通过，在加入X4一项以后，不仅改进不大还使X2 X3的T值趋向不显著方向发展。所以X4对模型的改进作用不显著。将X4剔除出去会使模型得到改善。故将模型变为： （2）异方差检验（white检验） Obs*R-squared3.832947 Probability0.429086 （具体数据见附表七）查表知： ，所以接受原假设.模型无异方差（3）自相关检验：由自相关的定义可以知
9、道：自相关是指回归模型中随机误差项逐项值之间的相关，即： 对于截面数据而言，不存在时间序列T，所以自相关检验也无法作出。五、总结我们进行了一系列检验和修正后的最终结果如下：从模型中可看出： 1 X2 助攻，X3得分，两项对Y球员薪金的影响作用最为显著，所以助攻能力和个人的得分能力是一名优秀后卫球员必备的基本素质，也是决定一名后卫是否优秀的关键。这也说明后卫的一项主要作用是传球助攻，这就需要后卫有巧妙的传球技巧，能及时准确的将球传出，为队友创造得分机会，从而盘活全队的进攻体系。作为一名优秀的后卫同时还应该具备出色的得分能力，这就需要后卫拥有良好的个人突破和远投能力。2 对于一名优秀的后卫来说篮板
10、球能力也是必不可少的的，只不过与得分，助攻这样的核心能力相比作用要弱的多，因此在计量经济模型中不能得到很好的体现。六、政策建议1在了解了世界优秀后卫情况之后之下，我们比较一下国内后卫。国内后卫球员缺乏主动进攻的意识，难以独当一面。这一方面与国内篮球倚重中锋前锋的理念有关，另一方面由于国内后卫球员的身体对抗能力差，难以发挥出原有的技术水平。因此，我们一方面要强调后卫的攻击意识，给后卫球员更大的个人发挥空间，另一方面加强后卫球员的身体素质，全面提高后卫的个人攻击技术，尤其是突破技术。2 提高后卫阅读比赛的能力，后卫是是团结全队夺取比赛胜利的组织者与指挥者。球场上出现任何的情况，后卫队员都要能最早时
11、间的掌握，在进攻中能找到对方的漏洞，在防守中抓住对方的失误。这必须要通过长期的比赛训练这方面的能力，积累这方面的经验。要具备这方面的思想。3 加强后卫球员调控比赛的能力，后卫球员是场上的指挥官，必须具备良好的心理素质和个人控制能力。这就要在平时的训练比赛过程中注意培养后卫优秀的意志品质，在任何情况下都不丧失斗志和进取心。4 后卫球员要具有领导球队的意识，还要具有整体思想，能带动球队比赛，融合球队成一个整体，在比赛中能积极的配合队友，帮助他们进攻和防守。特别杜绝一个人猛冲猛撞，当成一个人的比赛。5 作为进攻中心的后卫队员，在关键时刻一定要能够站出来，承担更多的责任，比如说最后时刻的反攻，或者是最
12、后一投等。要求后卫队员具备过硬的心理素质，和稳定的心态。参考资料： 计量经济学庞皓 李南成主编 NBA官方网站附表(一)obsY(单位$)X2X3X4X5X6 %贾森-基德12209.215.51.826.438.4斯蒂芬-马布里14628.320.81.883.443.2戴维斯10107.522.92.364.344阿伦艾佛森14636.826.42.43.738.7贾森威廉姆斯6876.810.91.28242.6史蒂夫弗朗西斯11336.2161.765.540.3安德列米勒逊7366.114.81.734.538.9卡伦特巴里4265.810.81.443.541.9达蒙琼斯2505.
13、870.372.144.7麦克格雷蒂13305.5281.39641.7贾森特里7505.416.81.534.145.7毕比11675.418.41.373.447杰查基阿特金斯4205.3121.081.947保罗皮尔斯12585.1231.646.540.2科比13505.1241.725.543.8吉尔伯特阿里纳斯1062519.61.874.639.2里基戴维斯545515.31.145.540.7文斯卡特12584.822.51.214.843.1安东尼奥丹尼尔斯2204.280.63242.5理查德-汉密尔顿1200417.61.323.645.5厄尔-博伊金斯2503.610.
14、20.621.741.8卡蒂诺-莫布里5883.215.81.344.539.5斯蒂芬-杰克逊5103.118.11.784.645大卫-韦斯利4452.9141.162.244.4贾森-理查德森3532.918.71.16.741.7安东尼-卡特802.44.10.81.729.7里基-戴维斯5452.418.81.565.339.7德里克-费舍尔4902.37.11.261.950.4弗雷德-琼斯1572.14.90.81.639.5鲍比-杰克逊3152.113.80.983.543.8埃里克-斯特里克兰1651.94.90.51.741.7凯斯-迈克里奥德751.82.70.48135安
15、东尼-皮勒1601.65.70.75244.8贾森-哈特1401.53.20.531.440.1拉加-贝尔1321.311.20.72.940.9布莱文-奈特690.52.40.31.142.7附表(二)Dependent Variable: YMethod: Least SquaresDate: 05/28/05 Time: 10:48Sample: 1 36Included observations: 36VariableCoefficientStd. Errort-StatisticProb. X271.172299207222.59185632663.150351975430.0036
16、7934187391X344.08696219610.93689725744.031030113780.000350607352956X491.1568353941123.417352810.7386063087470.465885645889X5-29.260750243935.399662025-0.8265827572920.414999684941X60.19616928969410.06496403660.0194903120350.984579019412C-289.099128331433.111407923-0.6674936818620.509559318893R-squar
17、ed0.835554300185 Mean dependent var650.583333333Adjusted R-squared0.808146683549 S.D. dependent var466.58420615S.E. of regression204.368844458 Akaike info criterion13.6287416876Sum squared resid1252998.73756 Schwarz criterion13.8926615107Log likelihood-239.317350377 F-statistic30.4862079503Durbin-Wa
18、tson stat1.54660134294 Prob(F-statistic)6.66500717359e-11附表(四)Dependent Variable: YMethod: Least SquaresDate: 05/28/05 Time: 12:26Sample: 1 36Included observations: 36VariableCoefficientStd. Errort-StatisticProb. X2161.996525.074196.4606860.0000C-37.45163118.8940-0.3150000.7547R-squared0.551099 Mean
19、 dependent var650.5833Adjusted R-squared0.537896 S.D. dependent var466.5842S.E. of regression317.1758 Akaike info criterion14.41074Sum squared resid3420417. Schwarz criterion14.49872Log likelihood-257.3934 F-statistic41.74046Durbin-Watson stat1.625013 Prob(F-statistic)0.000000附表(五)Dependent Variable
20、: YMethod: Least SquaresDate: 05/28/05 Time: 12:27Sample: 1 36Included observations: 36VariableCoefficientStd. Errort-StatisticProb. X278.9037819.400134.0671770.0003X342.725105.8431857.3119550.0000C-284.944981.87919-3.4800650.0014R-squared0.828673 Mean dependent var650.5833Adjusted R-squared0.818289
21、 S.D. dependent var466.5842S.E. of regression198.8933 Akaike info criterion13.50307Sum squared resid1305432. Schwarz criterion13.63503Log likelihood-240.0553 F-statistic79.80698Durbin-Watson stat1.741556 Prob(F-statistic)0.000000附表(六)Dependent Variable: YMethod: Least SquaresDate: 05/28/05 Time: 12:
22、28Sample: 1 36Included observations: 36VariableCoefficientStd. Errort-StatisticProb. X271.3775922.137883.2242290.0029X338.673328.1243014.7602020.0000X487.04928120.31390.7235180.4746C-303.885186.53157-3.5118410.0013R-squared0.831430 Mean dependent var650.5833Adjusted R-squared0.815627 S.D. dependent
23、var466.5842S.E. of regression200.3451 Akaike info criterion13.54240Sum squared resid1284421. Schwarz criterion13.71835Log likelihood-239.7632 F-statistic52.61087Durbin-Watson stat1.631802 Prob(F-statistic)0.000000附表（七）White Heteroskedasticity Test:0.923471 Probability0.462893Obs*R-squared3.832947 Pr
24、obability0.429086Test Equation:Dependent Variable: RESID2Method: Least SquaresDate: 05/28/05 Time: 12:57Sample: 1 36Included observations: 36VariableCoefficientStd. Errort-StatisticProb. C-2615.78728665.38-0.0912520.9279X2-762.332314531.58-0.0524600.9585X22-283.77141425.787-0.1990280.8435X36824.7434
25、200.8181.6246220.1144X32-192.3548133.9603-1.4359090.1610R-squared0.106471 Mean dependent var36262.00Adjusted R-squared-0.008823 S.D. dependent var38221.76S.E. of regression38390.01 Akaike info criterion24.07723Sum squared resid4.57E+10 Schwarz criterion24.29716Log likelihood-428.3901 F-statistic0.923471Durbin-Watson stat2.423659 Prob(F-statistic)0.462893
