NBA球员詹姆斯和安东尼技术分析SPSS.doc

题目：NBA球员勒布朗-詹姆斯和卡梅隆-安东尼职业生涯能力技术统计分析姓名：李玉玲学号：1133098一、摘 要 篮球运动已成为人们体育生活中必不可少的一部分，作为全球最具影响力的篮球俱乐部赛事，NBA每个赛季的比赛都吸引了全球众多球迷的眼球，在世界范围内产生了巨大的影响。作为每一个球员而言，最大的目标就是获得尽可能对的得分并取得比赛的最终胜利。众所周知，决定每一场比赛结果的因素很多，既有偶然性，但更多的是其必然性。那么是哪些主要的影响因素主导着一个球员的得分的多少呢？为此，本文利用SPSS统计软件用一系列统计分析方法（包括主成分分析、聚类分析、非参数检验和回归分析等）对最热门的两位年轻实力球员勒布朗詹姆斯和卡梅隆-安东尼至今为止在NBA的职业生涯常规赛各赛季平均个人技术数据进行统计分析，以达到对他们的比较和进行个人得分影响因素的研究。通过分析研究得出： 1、詹姆斯在命中率、三分命中率、助攻、盖帽、得分方面比安东尼出色，其中的三分命中率、失误稳定度也比安东尼高，詹姆斯在三分命中率方面比安东尼有较大的优势，而助攻、盖帽、得分方面稳定性不如安东尼，两者都是在命中率为45%50%时得分最高。就失误而言，安东尼的失误较少但是稳定度不比詹姆斯高。在罚球命中率方面安东尼占绝对优势。安东尼与詹姆斯的篮板技术水平大致相同。安东尼较詹姆斯而言更容易犯规。 2、詹姆斯平均得分总体的分布不服从正态分布，安东尼平均得分总体的分布服从正态分布。 3、詹姆斯的得分与其防守、篮板、盖帽、助攻、犯规、命中率、罚球命中率、依次存在显著的线性相关性，与失误存在显著线性负相关性，与进攻、抢断、三分命中率无明显的线性相关性。安东尼的得分、罚球命中率、助攻分别都与其他指标无明显的线性相关性， 4、詹姆斯的平均每场得分的线性回归方程为：平均每场得分=5.356*防守0.66*命中率+27.767。关键词：NBA 球员 技术 spss 正态分布 相关性 线性回归方程目 录 1、 摘要1二、选题背景3三、原始数据的介绍 3 3.1 出处3 3.2 样本3 3.3 指标3四、数据整理及分析5 4.1 分析数据集的介绍5 4.2 分析过程及结果5 4.4.1 基本描述统计量 5 4.2.2 数据的图形展示 6 4.2.3 总体分布正态性假设检验 7 4.2.4 相关分析 8 4.2.5 线性回归分析 11五、结论13六、参考资料14七、附录15附录一 球员个人信息 附录二 勒布朗詹姆斯和卡梅隆-安东尼NBA的职业生涯常规赛各赛季平均数据.xls附录三 全部指标的基本描述统计量附录四 变量散点矩阵附录五 回归分析图二、选题背景随着人们生活水平的提高，以及2008年奥运会、2010年亚运会在我国的顺利举行，我国人民对于体育的关注越来越高。篮球作为三大主流球类运动之一，受到了广大球迷（特别是大、中学生）的普遍关注。在全世界的篮球联赛中NBA是影响力最大的篮球联盟，NBA（全称National Basketball Association），美国第一大职业篮球赛事，其中产生了威尔特张伯伦、迈克尔乔丹、科比布莱恩特、奥斯卡罗伯特森等篮球巨星。该协会一共拥有30支球队，分属两个联盟：东部联盟和西部联盟；而每个联盟各由三个赛区组成，每个赛区有五支球队。一年一度的NBA赛季让全世界的篮球迷为之疯狂，NBA赛事之所以如此受欢迎，最主要的原因在于NBA球员高超的球技。特别是自姚明、易建联加入NBA后，其对中国球迷的影响更是难以估量。球队中灵魂人物的个人发挥能够直接影响其球队的成败，因而对他们的技术统计与分析是一件十分重要的事情。作为03黄金一代的杰出代表，勒布朗詹姆斯和卡梅隆-安东尼曾经是从高中开始就被钦定为美国篮坛的新希望，曾经高中时代的宿敌，希望通过对他们的技术数据的分析可比较出两者在篮球上各个方面技术性的差别。三、原始数据的介绍 3.1 出处原始数据来源于NBA中国官方网站/最新发布的统计数据，数据准确可靠，而且实时性高。3.2 样本选取最近得分排名都靠前的勒布朗詹姆斯和卡梅隆-安东尼两位球员为样本，两位球员各自的年龄和参加NBA的时间相同，身高、体重的身体因素相似（见附录一），因此大大降低了指标以外因素的影响。3.3 指标 将勒布朗詹姆斯和卡梅隆-安东尼至今为止在NBA的职业生涯常规赛各赛季平均数据进行采集，包括出场数、分钟、得分、命中率、三分命中率、罚球命中率、进攻、防守、篮板、助攻、抢断、盖帽、犯规、失误14项指标。数据整理后如附录二所示。命中率：衡量一名篮球球员得分能力的重要标志，计算公式为投篮命中率=全场投中次数/全场出手次数。 如果得分手的得分数字只是靠出手次数来支撑，那他出手越多，也许对于球队的伤害就会越大。美国NBA联盟有个更加公正的计算方式，叫做“TS%”（真实投篮命中率），计算公式为真实投篮命中率=全场得分/（2（全场出手次数+0.44罚球出手次数）三分命中率：通常“三分球”是指篮球比赛中，在三分线以外投篮且命中的进球。三分命中率即投三分球的命中率罚球命中率：罚球主要是比赛中，对犯规方惩罚，对进攻方因被侵犯而影响进攻的补偿而设立的。一次罚球是给予一个队员在罚球线后的半圆内，无争抢的情况下得1分的机会。罚球命中率即罚球时的命中率。防守：防守对手是防守队员合理利用脚步移动和手臂动作,积极抢占有利位置,阻止和破坏对手的进攻,以夺取球为目的所采取的各种行为。篮板：投篮之后碰到篮筐篮板之后没进的球，抢下来就叫篮板篮板球是在一方将球投出，球碰到篮板且没有进时，这样的球称为篮板球，进攻方和防守方都能抢该球，谁抢到手就算谁的篮板球。助攻：在篮球的笼统定义是通过传递帮助己方队友完成得分。NBA对于球场上的助攻表现以及对于助攻技术统计均有非常细致的规定。 在助攻方面，定义为：当球处于活球阶段，通过持球球员对于球的传递，帮助第一位触球的己方球员完成直接的得分的行为。 抢断：通过持球球员对于球的传递，帮助第一位触球的己方球员完成直接的得分的行为。抢断是球在对方手上传接，防守方将其抢到本方球员手上来，而对方球员丢球的那一刹那，本方球员获得球的那个动作。盖帽：在防守的时候在不犯规的情况下将对手的投篮或上篮破坏（打掉甚至直接摘下来）的动作。失误：由于球员本身发生的错误，导致球队失去控球权。得分：篮球中的得分（英语：Point）是比赛分数的唯一来源，方法有投篮（得两分）、三分球投篮（得三分）或罚球（得一分）。比赛结束时，得分较高的球队将获得胜利。四、数据整理及分析4.1 分析数据集的介绍4.1.1 基本描述统计量（用基本描述统计量的计算结果对两人技术进行分析比较）4.1.2 数据的图形展示（安东尼与詹姆斯的得分和命中率散点图）4.1.3 总体分布正态性假设检验（检验科安东尼和詹姆斯平均得分总体的分布是否为正态分布）4.1.4 相关分析（分别研究安东尼和詹姆斯各项指标间的相关性）4.1.5 线性回归分析（用逐步筛选法找出詹姆斯的平均每场得分的线性回归方程，其他输出结果见附件五）4.2 分析过程及结果4.2.1 基本描述统计量（用基本描述统计量的计算结果对两人技术进行分析比较） 仅列出勒布朗詹姆斯和卡梅隆-安东尼至今为止在NBA的职业常规赛中分钟、命中率、三分命中率、罚球命中率、篮板、助攻、盖帽、犯规、失误、得分10项指标的基本描述统计量（表4.1），全部指标的基本描述统计量见附件三。表4.1 基本描述统计量球员全距极小值极大值和均值标准差方差偏度峰度统计量统计量统计量统计量统计量标准误统计量统计量统计量标准误统计量标准误安东尼分钟7.231.038.2429.235.767.57521.99243.970-1.150.6371.9811.232命中率14.542.657.1557.046.4171.14183.955415.6451.940.6374.7181.232三分命中率19244340433.671.7095.92135.059.034.637-.7011.232罚球命中率9.577.787.2970.580.875.77912.69897.2841.089.6371.5271.232篮板7.14.912.082.96.908.50981.76613.1192.393.6377.1801.232助攻36.93.075.1162.4025.162.480.637-.9851.232盖帽..400.0444.1537.024-1.621.6373.8081.232失误2.61.03.632.72.725.1835.6355.404-1.857.6375.1861.232犯规3.3.03.333.32.775.2600.9006.811-3.109.63710.2321.232得分8.120.828.9302.725.225.81762.83238.022-.349.637-1.1071.232詹姆斯分钟12.530.042.5426.638.7821.02383.395511.530-1.775.6614.5801.279命中率17.638.956.5531.648.3271.46364.854323.564-.480.661.7451.279三分命中671.2114.01716.140.988.661.7811.279罚球命中率28.050.078.0798.272.5642.37417.873961.999-2.776.6618.2881.279篮板5.13.08.176.06.909.44611.47952.189-2.196.6615.0861.279助攻3.65.08.674.26.745.2871.9522.907.049.661.7941.279盖帽1.1.036.0887.2942.087-1.531.6613.7131.279失误36.53.318.0913.3027.092.766.6611.9271.279犯规2.3.02.318.71.700.1931.6403.410-2.053.6615.2601.279得分12.419.031.4294.526.7731.12223.721913.852-1.209.6611.0761.279 由表4.1可知，至今为止在NBA的职业常规赛中卡梅隆-安东尼一赛季的出场分钟、命中率、三分命中率、助攻、盖帽、失误、得分的平均值均低于勒布朗詹姆斯，但是其命中率、助攻、盖帽、得分的标准差小于詹姆斯，说明詹姆斯在命中率、三分命中率、助攻、盖帽、得分方面比安东尼出色，其中的三分命中率、失误稳定度也比安东尼高，詹姆斯在三分命中率方面比安东尼有较大的优势，而助攻、盖帽、得分方面稳定性不如安东尼。就失误而言，安东尼的失误较少但是稳定度不比詹姆斯高。另外，安东尼的罚球命中率的均值大大高于詹姆斯，罚球命中率的标准差大大小于詹姆斯，说明在罚球命中率方面安东尼占绝对优势。两者的篮板平均值仅相差0.001，可大致认为安东尼与詹姆斯的篮板技术水平相同。安东尼较詹姆斯而言更容易犯规。4.2.2 数据的图形展示（安东尼与詹姆斯的得分和命中率散点图）图4.2 安东尼与詹姆斯的得分和命中率散点图 由图4.2可知，安东尼的得分比詹姆斯集中即更为稳定，两者都是在命中率为45%50%时得分最高。4.2.3 总体分布正态性假设检验（检验科安东尼和詹姆斯平均得分总体的分布是否为正态分布）设：得分为X，其分布函数为F（x）H0：F（x）N（，2）输出结果如下表4.3 正态性检验正态性检验球员Kolmogorov-SmirnovaShapiro-Wilk统计量dfSig.统计量dfSig.詹姆斯得分.31011.004.85511.049安东尼得分.16312.200*.91912.281a. Lilliefors 显著水平修正*. 这是真实显著水平的下限。 表4.3正态性检验的结果显示给出了詹姆斯得分Kolmogorov-Smirnova检验的p值为0.004，Shapiro-Wilk正态性检验的p值为0.049，两种检验的结果都表明拒绝得分X为正态分布的原假设。 安东尼得分Kolmogorov-Smirnova检验的p值为0.200，Shapiro-Wilk正态性检验的p值为0.281，两种检验的结果都表明不能拒绝得分X为正态分布的原假设。 图4.4詹姆斯得分正态概率图 图4.5詹姆斯得分剔出趋势的正态概率图 图4.4正态概率图中有半数的点远离对应正态分布的直线， 图4.5詹姆斯得分剔出趋势的正态概率图中的点也有类似的散布。进一步验证了正态性检验的结果。 图4.6安东尼得分正态概率图 图4.7安东尼得分剔出趋势的正态概率图 图4.6正态概率图中多数的点与对应正态分布的直线接近， 图4.7安东尼得分剔出趋势的正态概率图中的点也有类似的散布。进一步验证了正态性检验的结果。4.2.4 相关分析（分别研究安东尼和詹姆斯各项指标间的相关性）表4.8相关性球员得分命中率三分命中率罚球命中率进攻篮板防守助攻盖帽抢断失误犯规詹姆斯Pearson 相关性得分1.000.655-.343.621.506.817.853.709.767.485-.587.686命中率.6551.000.052.672.526.877.921.621.599.469-.635.371三分命中率-.343.0521.000-.568-.530-.337-.222-.241-.548-.359.218-.831罚球命中率.621.672-.5681.000.746.855.803.659.823.685-.733.735进攻.506.526-.530.7461.000.799.629.413.738.828-.611.678篮板.817.877-.337.855.7991.000.970.714.815.728-.742.691防守.853.921-.222.803.629.9701.000.757.755.606-.712.620助攻.709.621-.241.659.413.714.7571.000.718.493-.499.405盖帽.767.599-.548.823.738.815.755.7181.000.521-.727.674抢断.485.469-.359.685.828.728.606.493.5211.000-.571.550失误-.587-.635.218-.733-.611-.742-.712-.499-.727-.5711.000-.552犯规.686.371-.831.735.678.691.620.405.674.550-.5521.000Sig. （单侧）得分.014.151.021.056.001.000.007.003.065.029.010命中率.014.440.012.048.000.000.021.026.073.018.131三分命中率.151.440.034.047.155.256.238.040.139.260.001罚球命中率.021.012.034.004.000.001.014.001.010.005.005进攻.056.048.047.004.002.019.103.005.001.023.011篮板.001.000.155.000.002.000.007.001.006.004.009防守.000.000.256.001.019.000.003.004.024.007.021助攻.007.021.238.014.103.007.003.006.062.059.108盖帽.003.026.040.001.005.001.004.006.050.006.011抢断.065.073.139.010.001.006.024.062.050.033.040失误.029.018.260.005.023.004.007.059.006.033.039犯规.010.131.001.005.011.009.021.108.011.040.039.安东尼Pearson 相关性得分1.000.435.099.419.162-.121-.117-.014.035命中率.4351.000.367-.225.832.788.566.084-.656-.677-.645-.761三分命中率.099.3671.000.208.417.705.806.014-.346-.557-.638-.420罚球命中率.485-.225.2081.000-.458-.242.011-.119.386.109.023.441进攻.142.832.417-.4581.000.868.549.014-.821-.776-.692-.888篮板.148.788.705-.242.8681.000.891.017-.690-.848-.782-.863防守.119.566.806.011.549.8911.000.016-.412-.721-.685-.643助攻.162.084.014-.119.014.017.0161.000-.250.345.319.103盖帽-.121-.656-.346.386-.821-.690-.412-.2501.000.655.577.755抢断-.117-.677-.557.109-.776-.848-.721.345.6551.000.878.871失误-.014-.645-.638.023-.692-.782-.685.319.577.8781.000.840犯规.035-.761-.420.441-.888-.863-.643.103.755.871.8401.000Sig. （单侧）得分.079.379.055.329.323.356.308.354.358.483.457命中率.000.001.027.397.010.008.012.002三分命中率.379.121.258.089.005.001.483.136.030.013.087罚球命中率.055.241.258.067.224.486.356.108.368.472.076进攻.329.000.089.067.000.032.483.001.002.006.000篮板.323.001.005.224.000.000.479.007.000.001.000防守.356.027.001.486.032.000.480.092.004.007.012助攻.308.397.483.356.483.479.456.375盖帽.354.001.007.092.217.010.025.002抢断.358.008.030.368.002.000.004.136.010.000.000失误.483.012.013.472.006.001.007.156.025.000.000犯规.457.002.087.076.000.000.012.375.002.000.000. 从表4.8知，詹姆斯的得分与其防守、篮板、盖帽、助攻、犯规、命中率、罚球命中率、依次存在显著的线性相关性，与失误存在显著线性负相关性，与进攻、抢断、三分命中率无明显的线性相关性。防守、篮板、盖帽、助攻、犯规、命中率、罚球命中率、失误之间基本上也都存在不同程度的线性相关性，进攻、抢断与其他指标间有个别的一般线性相关性，三分命中率除了与犯规有显著线性负相关性外与其他指标无明显的线性相关性。 安东尼的得分、罚球命中率、助攻分别都与其他指标无明显的线性相关性，命中率与其犯规、抢断、盖帽、失误依次存在显著的线性负相关性，篮板与防守、进攻、命中率、三分命中率依次存在显著线性相关性，与犯规、抢断、失误、盖帽依次存在显著线性负相关性。4.2.5 线性回归分析（用逐步筛选法找出詹姆斯的平均每场得分的线性回归方程，其他输出结果见附件五） 根据4.2.4 相关分析的结果只分析詹姆斯的平均每场得分的线性回归方程，并剔除进攻、抢断、三分命中率3个指标。表4.9相关性球员得分命中率罚球命中率防守篮板助攻盖帽失误犯规詹姆斯Pearson 相关性得分1.000.655.621.853.817.709.767-.587.686命中率.6551.000.672.921.877.621.599-.635.371罚球命中率.621.6721.000.803.855.659.823-.733.735防守.853.921.8031.000.970.757.755-.712.620篮板.817.877.855.9701.000.714.815-.742.691助攻.709.621.659.757.7141.000.718-.499.405盖帽.767.599.823.755.815.7181.000-.727.674失误-.587-.635-.733-.712-.742-.499-.7271.000-.552犯规.686.371.735.620.691.405.674-.5521.000Sig. （单侧）得分.014.021.000.001.007.003.029.010命中率.014.012.000.000.021.026.018.131罚球命中率.021.012.001.000.014.001.005.005防守.000.000.001.000.003.004.007.021篮板.001.000.000.000.007.001.004.009助攻.007.021.014.003.007.006.059.108盖帽.003.026.001.004.001.006.006.011失误.029.018.005.007.004.059.006.039犯规.010.131.005.021.009.108.011.039. 表4.9给出了参与回归分析的9个变量的相关系数及其显著性检验的结果。由相关系数及其显著性检验结果可知除了助攻与失误、犯规，命中率与失误无明显线性相关性外，其他变量间都存在不同程度的线性相关性。表4.10模型汇总c,d球员模型RR 方调整 R 方标准 估计的误差更改统计量Durbin-WatsonR 方更改F 更改df1df2Sig. F 更改詹姆斯1.853a.727.6962.0505.72723.94619.0012.916b.839.7991.6692.1125.58118.0462.147a. 预测变量: (常量), 防守。b. 预测变量: (常量), 防守, 命中率。c. 在一个或多个拆分文件中没有有效案例。 无法计算统计量。d. 因变量: 得分 表4.10给出了引入和剔除变量过程中建立的模型总结。第一步引入预测变量：防守，第二步引入预测变量：命中率。依据结果显示没有变量被剔除。表4.11Anovac,d球员模型平方和df均方FSig.詹姆斯1回归100.6811100.68123.946.001a残差37.84094.204总计138.522102回归116.232258.11620.858.001b残差22.29082.786总计138.52210a. 预测变量: (常量), 防守。b. 预测变量: (常量), 防守, 命中率。c. 在一个或多个拆分文件中没有有效案例。 无法计算统计量。d. 因变量: 得分 表4.11给出了整个过程每一个模型的方程分析表，由p值可见两个模型都通过了F检验，整体上都是显著的。表4.12回归系数系数a,b球员模型非标准化系数标准系数tSig.相关性共线性统计量B标准 误差试用版零阶偏部分容差VIF詹姆斯1(常量)10.7583.3313.230.010防守2.774.567.8534.893.001.853.853.8531.0001.0002(常量)27.7677.6933.609.007防守5.3561.1861.6464.515.002.853.847.640.1516.608命中率-.660.280-.861-2.362.046.655-.641-.335.1516.608a. 在一个或多个拆分文件中没有有效案例。 无法计算统计量。b. 因变量: 得分 表4.12给出了每一个回归方程系数的估计量及相应的统计检验情况，根据该表可得两个回归模型：Y=2.774x1+10.758 Y=5.356x10.66x2+27.767 终上所述，模型2以及x1、x2已通过的显著性检验，方程的修正的R2也较模型1的大，因此采用Y=5.356x10.66x2+27.767回归模型是合适的。五、结 论5.1 基本描述统计量（用基本描述统计量的计算结果对两人技术进行分析比较） 至今为止在NBA的职业常规赛中詹姆斯在命中率、三分命中率、助攻、盖帽、得分方面比安东尼出色，其中的三分命中率、失误稳定度也比安东尼高，詹姆斯在三分命中率方面比安东尼有较大的优势，而助攻、盖帽、得分方面稳定性不如安东尼。就失误而言，安东尼的失误较少但是稳定度不比詹姆斯高。在罚球命中率方面安东尼占绝对优势。安东尼与詹姆斯的篮板技术水平大致相同。安东尼较詹姆斯而言更容易犯规。5.2 数据的图形展示（安东尼与詹姆斯的得分和命中率散点图） 安东尼的得分比詹姆斯集中即更为稳定，两者都是在命中率为45%50%时得分最高。5.3 总体分布正态性假设检验（检验科安东尼和詹姆斯平均得分总体的分布是否为正态分布） 詹姆斯平均得分总体的分布不服从正态分布，安东尼平均得分总体的分布服从正态分布。5.4 相关分析（分别研究安东尼和詹姆斯各项指标间的相关性） 詹姆斯的得分与其防守、篮板、盖帽、助攻、犯规、命中率、罚球命中率、依次存在显著的线性相关性，与失误存在显著线性负相关性，与进攻、抢断、三分命中率无明显的线性相关性。防守、篮板、盖帽、助攻、犯规、命中率、罚球命中率、失误之间基本上也都存在不同程度的线性相关性，进攻、抢断与其他指标间有个别的一般线性相关性，三分命中率除了与犯规有显著线性负相关性外与其他指标无明显的线性相关性。安东尼的得分、罚球命中率、助攻分别都与其他指标无明显的线性相关性，命中率与其犯规、抢断、盖帽、失误依次存在显著的线性负相关性，篮板与防守、进攻、命中率、三分命中率依次存在显著线性相关性，与犯规、抢断、失误、盖帽依次存在显著线性负相关性。5.5 线性回归分析 詹姆斯的平均每场得分的线性回归方程为Y=5.356x10.66x2+27.767，即平均每场得分=5.356*防守0.66*命中率+27.767。参考资料1罗应婷.SPSS统计软件分析从基础到实践M.2 版、北京：电子工业出版2010:149-163. 2李伟明、多元描述统计方法M.华东师范大学出版社,2001,1:1. 3熊凤枚.NBA球员性价比,2006 4/statistics/. 5 NBA现役球员排名EB/OL,/, 20116 NBA球员资料DB/OL，/nba/players/, 2011附 录附录一：球员个人信息勒布朗-詹姆斯 前锋球队:迈阿密 热火 生日:1984-12-30 身高:6-8 / 2,03 体重:250 镑 / 113,4 公斤 高中:St. Vincent-St. Mary HS (OH) 选秀年:2003 经验:9 卡梅隆-安东尼 前锋球队:纽约 尼克斯 生日:1984-05-29 身高:6-8 / 2,03 体重:230 镑 / 104,3 公斤 大学:Syracuse 选秀年:2003 经验:9 附录二：勒布朗詹姆斯和卡梅隆-安东尼NBA的职业生涯常规赛各赛季平均数据.xls附录三：全部指标的基本描述统计量球员全距极小值极大值和均值标准差方差偏度峰度统计量统计量统计量统计量统计量标准误统计量统计量统计量标准误统计量标准误安东尼出场数8118271459.506.89823.896571.000-1.636.6372.4601.232分钟7.231.038.2429.235.767.57521.99243.970-1.150.6371.9811.232命中率14.542.657.1557.046.4171.14183.955415.6451.940.6374.7181.232三分命中率19244340433.671.7095.92135.059.034.637-.7011.232罚球命中率9.577.787.2970.580.875.77912.69897.2