CBA联赛“四因素”统计指标的优势分析与重访研究

【作者】 董美寅； 练碧贞；

【机构】 北京体育大学； 石家庄学院；

【摘要】 研究目的:本研究旨在对CBA联赛的"四因素"统计指标进行优势分析与重访研究。篮球高阶数据统计的发展可以追溯到20世纪70年代,Dean Oliver提出"四因素"分析方法关注得分、篮板、失误和罚球等四个方面的数据,这些指标能够帮助球队调整策略、改进训练,并已被广泛应用于篮球比赛的统计分析中。2021年底,新版CBA数据官方网站上线,进一步促进了篮球数据分析在中国的发展。本研究基于CBA联赛本土化数据,使用线性分析对常规赛各队"四因素"统计指标进行相关、多元回归和优势分析等研究,最终确定统计模型,并对各指标的重要性进行分析。通过此次研究,我们旨在深化对"四因素"理论的认识,明确其在CBA联赛球队训练和比赛中的用途与功能。研究方法:本研究主要运用数理统计法。通过查阅NBA与CBA数据官方网站的资料,收集并统计了89场NBA和187场CBA有关"四因素"的数据,并运用SPSS26.0、Python编程软件等,进行了相关、多元回归和优势分析等研究。研究结果:1.预研究的第一部分,借鉴已有研究模式,根据收集的NBA数据种类,将胜率(Win%)设为因变量,以本队平均每场的EFG%、TOV%、ORB%、FTAR%为自变量进行回归分析。结果显示,R~2=0.786,校正后仅为0.6;F=34.314,(P<0.001);标准化方程为Ywin%=0.705XEFG%-0.343XTOV%+0.209XORB%-0.094XFTAR%;其中复相关系数R~2不仅没有达到0.8以上,并且FTAR%出现了对WIN%的负向预测作用,FTAR%的显著性P>0.1,仅是为了模型结构完整才列入在方程中,并无实际意义。结果与同类研究得出的结论存在很大出入。2.预研究的第二部分,借鉴已有研究模式,根据收集的CBA联赛"四因素"数据种类,将187场比赛本队每场的得分(Score)设为因变量,以每场比赛本队的EFG%、TOV%、ORB%、FTR%为自变量进行回归分析。结果显示,R~2=0.871,校正后为0.759; F=143.273,(P <0.001);标准化方程为Yscore=0.812XEFG%-0.374XTOV%+0.233XORB%+0.217XFTR%;复相关系数没有达到同类研究中0.9以上,同样存在较大出入。综合分析上述结果中存在的问题,以及预研究中较差的模型拟合度,有必要对Dean Oliver"四因素"的本质进行重新审视,不难发现:尽管Dean Oliver创造了"四因素"这个术语,但这"四因素"内涵是包括本队和对手双方的,实际上是八个因素。例如,球队不仅要得分多,同时还必须阻止对手得分,这意味着必须把对手的"四因素"也考虑在内。于是调整了研究策略,设置了5个新的变量:△EFG%、△TOV%、△ORB%、△FTR%,NS。之后进行了相关、多元回归和优势分析的研究:R~2=0.974,校正后为0.973;F=1700.476,(P<0.001),说明自变量组合解释因变量NS的程度达到了97.3%,模型拟合度好;得到了标准化回归模型:YNS=0.855X△EFG%-0.414X△TOV%+0.291X△ORB%+0.118X△FTR%;优势分析依据指标的相对贡献探讨了指标的重要性:有效命中率>失误率>前场篮板率>罚球率,其中有效命中率是预测比赛结果最重要的指标,而罚球率的预测能力最弱。根据上述研究,综合分析"四因素"中的指标,发现其分别处于三级层面:有效命中率处于第一层面"得分",失误率与前场篮板率处于第二层面"球权",罚球率处于第三层面"其他"。Dean Oliver的"四因素"指标是反映性指标,并不是形成性指标。它反映了球队或球员在比赛中的表现,这些表现可能会对比赛结果造成影响。举例来说,假设衡量一个酒鬼有没有喝醉,形成性指标是他喝下酒的量、种类和品质等等,这些指标构成他喝醉的原因;而反映性指标则会是观察他酒后有没有话多或话少,能不能走直线,有没有行为异常等等,这些指标是他喝醉的表现,在一定程度上能够解释和说明他喝醉了。由此可知,"四因素"是反映性指标,如果误用可能会导致无法正确认识因果关系,准确把握本质规律,不能很好地进行预测,最终导致错误的决策。显然,目前关于"四因素"制胜模式和制胜因素的研究,就存在这样的风险。"四因素"实际上是一个检测机制,当"四因素"某个或某些指标出现问题的时候,教练员和运动员第一反应是"哪里出现问题导致了指标异常",会沿着"四因素"提供的线索查找训练和比赛中的不足,帮助他们正确决策,进而改进和提升训练与比赛质量。例如,2021年东京奥运会,中国女篮惜败给塞尔维亚女篮无缘四强,研究人员赛后在对"四因素"进行分析时发现,中国女篮的失误率明显高于对方,根据"四因素"的提示,教练组迅速查找原因,发现中国女篮内线在低位要球时,被塞尔维亚女篮前后夹防,不仅导致这条进攻线路被堵死,得分机会减少,还造成对方大量的抢断。研究结论:1.本研究建立了CBA联赛的"四因素"标准化回归模型:YNS=0.855X△EFG%-0.414X△TOV%+0.291X△ORB%+0.118X△FTR%;四个指标对模型的相对贡献大小依次为:有效命中率>失误率>前场篮板率>罚球率,其中有效命中率是预测比赛结果最重要的指标,而罚球率的预测能力最弱。2."四因素"中的指标分别处于三级层面上:有效命中率处于第一层面"得分"上,失误率与前场篮板率处于第二层面"球权",罚球率处于第三层面"其他"。3.罚球率对比赛结果的预测能力过低,原因可能有三:一、罚球率省略掉了罚球出手次数这一指标,而这一指标反映了制造罚篮的能力;二、罚球在比赛中对比分的影响是缓慢积累的过程;三、罚球往往是在比赛决胜时刻或关键时刻发挥重要作用。4.Dean Oliver的"四因素"指标是反映性指标,反映的是球队或球员在比赛中可能对比赛结果造成影响的表现,并不等同于制胜因素。更多还原