世界前名网球运动员分析.docVIP

3.1世界前10名男子网球运动员近10年比赛情况。（由于第三名数据缺损，故第三名从第四个人算起） 由于数据过多我们仅取其中前三名做数据分析。 从2001年至2010年8月8日比，纳达尔与其他世界排名前10的运动员共比赛过100场，67胜33负，获胜率为67%;德约科维奇与其他世界排名前10的运动员共比赛70场36胜34负，获胜率51%;费德勒与其他排名前10运动员共比赛113场，79胜34 负，获胜率为70%。表1是他们3人在各种不同场地比赛场次、胜负和获胜率。 3.2纳达尔比赛制胜因素分析 3.2.1制胜因素之间的相关性分析 在准备建立可以判断比赛胜负的判别函数方程之前，为了确保判别函数方程的稳定性及预判比赛胜负的准确性，在做判别分析过程中需要对9项制胜因素进行相关性检验。一般来说，线性相关高低可按三级划分:Irl0.4为低度线性相关;0.4 ≤ Irl0.7为中度相关;0.7 ≤ Irl1为高度线性相关(张力为，2002)。从表2可以看出，纳达尔2001-2010年与世界排名前10运动员比赛时制胜因素相关程度最高的为一发得分与二发得分之间的相关(r=0.497 )，可看作中度相关。其他各个指标之间的相关程度并不高.整体而言为中低程度的。 相关。因此，很适合进行判别分析，这样在进行组间检验的时候就会大大减少各指标相互之间的影响(邱皓政，2009 3.2.2判别函数方程的建立 考虑到比赛场地的不同可能会对比赛结果产生影响，因此，本研究将比赛场地类型((4种)转化为3个哑变量(张力为，2001)后连同其他9个技术指标一同放入预测变量中进行胜负的预测，即采用SPSS软件包判别分析中的全自变量一同进入的方法进行判别分析。但红土和地毯这两个哑变量因为容忍度达不到标准而被剔除，没有进入判别方程，因此最终方程里只包含了11个变量。 从标准化判别函数系数得出，决定纳达尔的比赛胜负的因素由强到弱依次为:一发得分、一发回球得分、成功破发、一发成功率、二发回球得分、挽救破发点、二发得分、草地、双误失分率、硬地、ACE得分率。根据标准化判别函数的判别结果，建立比赛获胜时的标准化的判别方程如下:Y=0.612*一发得分+ 0.455*一发回球得分+0.361成功破发+0.356*一发成功率+0.324*二发回球得分+0.267*挽救破发点+0.262*二发得分+0.058*草地+0.048*双误失分率一0.191*硬地一0.010*ACE得分率 由此可以看出各个指标对纳达尔比赛获胜的影响力大小，其中一发得分、一发回球得分、成功破发和一发成功率是排在前4位的因素(在3人判别方程中系数同时都大于.30)0 为了能够对新一场比赛的胜负进行判别，本研究还给出了Bayes判别函数系数，根据Bayes判别函数，可以直接判别新一场比赛的胜负。据此写出如下判别 函数:负:Y =-202.588 +20.553*硬地+15.692*草地-165.396*ACE得分率+545.389*双误失分率+236.009*一发成功率+203.675*一发得分+38.577*二发得分+16.599*挽救破发点+77.864*一发回球得分+92.092*二发回球得分+13.979*成功破发 胜:Y =-244.776 +19.299*硬地+16.171*草地-166.385*ACE得分率+555.993*双误失分率+250.224*一发成功率+228.610*一发得分+45.580*二发得分+19.367*挽救破发点+92.315*一发回球得分+101.601*二发回球得分+19.021*成功破发。判别纳达尔新一场的胜负时，可以直接计算，得分最高的一类即为该场的胜负类别。根据上述两个方程(胜负)计算得分，哪个分高就是哪一类(张文彤，2002，由此判断新一场比赛胜负。 3.2.3判别函数方程的检验 为了检验本研究建立的判别函数的有效性，作者还使用了交互验证的方式进行了检验，具体结果见表3。表3第一部分是使用普通方法对数据样本中每条记录的判别结果，判别准确率为92%。作者采用交互验证的方式对该判别方程进行了检验，结果发现预测准确率达到91%，与普通方法建立的判别函数的判别结果相差不大，表明该判别函数是比较稳定的(张文彤，2002) 3.3费德勒比赛制胜因素分析 3.3.1制胜因素之间的相关性分析 在准备建立可以判断比赛胜负的判别函数方程之前，为了确保判别函数方程的稳定性及预判比赛胜负的准确性，在做判别分析过程中需要对9项制胜因素之间的相关性进行检验。从表4可以看出，费德勒2001-2010年与世界排名前10运动员比赛时制胜因素相关程度最高的为一发得分与ACE得分率之间的相关，r=0.532，可视为中度相关。其他各个指标之间的相关程度