羅舜
(福州大學(xué)經(jīng)濟(jì)與管理學(xué)院 福建福州 350108)
伴隨世界經(jīng)濟(jì)的不斷發(fā)展,如今競技體育項(xiàng)目發(fā)展趨勢是體育賽事的規(guī)范化、產(chǎn)業(yè)化。而其中美國職業(yè)籃球聯(lián)賽(NBA)則是職業(yè)體育與經(jīng)濟(jì)的完美結(jié)合的典例。該研究從美國職業(yè)籃球聯(lián)賽官網(wǎng)選取50名具有代表性的NBA球員,先初步對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)與整理,然后利用多元統(tǒng)計(jì)方法分析他們的比賽表現(xiàn)和薪金水平,分別得出球員的得分、助攻、籃板等數(shù)據(jù)對球員薪金的影響程度,為我國的籃球運(yùn)動(dòng)員篩選提供理論參考。
2018—2019賽季美國男子職業(yè)籃球聯(lián)賽常規(guī)賽場均得分前50名的球員賽季薪金與各項(xiàng)技術(shù)數(shù)據(jù)。
1.2.1 文獻(xiàn)資料法
從福建省高校數(shù)字圖書館、中國知網(wǎng)查詢文獻(xiàn)資料,以“籃球運(yùn)動(dòng)員薪金”“籃球運(yùn)動(dòng)員技術(shù)數(shù)據(jù)”等為主題與關(guān)鍵字進(jìn)行文獻(xiàn)查閱。
1.2.2 數(shù)理統(tǒng)計(jì)法
采用SPSS 22.0和Excel 2018對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)學(xué)處理,對2018—2019賽季美國職業(yè)籃球聯(lián)賽常規(guī)賽優(yōu)秀球員的技術(shù)數(shù)據(jù)進(jìn)行相關(guān)系數(shù)分析與多元回歸分析。
1.2.3 比較研究法
對2018—2019賽季美國職業(yè)籃球聯(lián)賽球員的薪金與技術(shù)數(shù)據(jù)的比較,分析不同種類球員之間存在的差異。
美國職業(yè)籃球聯(lián)賽于20世紀(jì)在紐約成立,這個(gè)男子職業(yè)籃球聯(lián)盟是由美國的30支隊(duì)伍組建而成,世界上頂級的籃球隊(duì)員都聚集于此,我國的頂尖球員姚明等人也曾效力于其中的球隊(duì)。與籃球球員能力對應(yīng)的是美國職業(yè)籃球聯(lián)盟的球員的高薪金。以NBA2018—2019賽季常規(guī)賽球員的賽季薪金為例,美國職業(yè)籃球聯(lián)盟的球員斯蒂芬·庫里這個(gè)賽季的薪金就高達(dá)3746萬美元。每一個(gè)NBA球隊(duì)在與球員續(xù)約或者簽訂新球員合同的同時(shí),都在綜合考慮球員的能力后付給其相應(yīng)薪水,但之后往往發(fā)生種種變化,產(chǎn)生許多工資昂貴卻能力低下的球員,也產(chǎn)生了工資低下卻對球隊(duì)貢獻(xiàn)巨大的球員,這種變化使得球隊(duì)?wèi)?yīng)更加注重球員的篩選。
籃球運(yùn)動(dòng)員的技術(shù)數(shù)據(jù)能直接反映出一個(gè)球員在球場上對球隊(duì)的貢獻(xiàn)。將從官網(wǎng)得到的球員技術(shù)數(shù)據(jù)進(jìn)行分類整理,清理掉一些不必要的類別,最后選用場均籃板(X1)、場均助攻(X2)、場均上場時(shí)間(X3)、場均投籃命中率(X4)、場均搶斷(X5)、場均蓋帽(X6)、場均失誤(X7)、場均犯規(guī)(X8)、場均得分(X9)這9類數(shù)據(jù)作為自變量,球員賽季薪金(Y)作為因變量。從表1中看出,在9個(gè)自變量中,場均命中率和場均得分的標(biāo)準(zhǔn)差和方差較大,說明其波動(dòng)性較大;而因變量場均薪金方差較大,最大最小值差距也很明顯,說明球員之間的薪金存在顯著性的差距。
表1 球員技術(shù)數(shù)據(jù)統(tǒng)計(jì)值一覽表
表2 球員技術(shù)數(shù)據(jù)相關(guān)系數(shù)分析一覽表
表3 球員技術(shù)數(shù)據(jù)與薪金模型擬合優(yōu)度參數(shù)檢驗(yàn)一覽表
各變量單位:場均籃板(個(gè))、場均助攻(個(gè))、場均上場時(shí)間(分鐘)、場均命中率(%)、場均搶斷(個(gè))、場均蓋帽(個(gè))、場均失誤(次)、場均犯規(guī)(次)、場均得分(分)、賽季薪金(百萬美元)。
在籃球比賽中,球員的技術(shù)指標(biāo)之間存在著聯(lián)系。自變量之間的相關(guān)系數(shù)r的絕對值越接近1,并且顯著性水平Sig滿足小于0.05,它們之間的關(guān)聯(lián)程度越高。對球員的各項(xiàng)技術(shù)數(shù)據(jù)進(jìn)行相關(guān)分析,表2為分析結(jié)果。由表2可以看出,場均籃板與場均蓋帽、場均犯規(guī)的相關(guān)性較高,實(shí)際比賽中負(fù)責(zé)籃板的球員因?yàn)槌Ec對手進(jìn)行身體對抗,在蓋帽與犯規(guī)的指標(biāo)也相對較高;場均助攻與場均失誤的相關(guān)系數(shù)也較高,比賽中助攻多代表著球員在場上傳球次數(shù)多,傳球失誤指標(biāo)自然也會(huì)增加。這9項(xiàng)數(shù)據(jù)之間的吻合程度與實(shí)際情況較為相符。
在籃球職業(yè)聯(lián)賽中,球員薪金與球員的場上技術(shù)數(shù)據(jù)掛鉤,每種技術(shù)數(shù)據(jù)都對薪金有不同程度的影響。將球員技術(shù)數(shù)據(jù)與薪金進(jìn)行模型匯總分析,檢測其擬合優(yōu)度(goodness of fit)。擬合優(yōu)度是用來衡量估計(jì)的回歸模型對觀測值的擬合程度。模型擬合優(yōu)度R2為0.59,表示自變量一共可以解釋因變量59%的變化,說明該模型的數(shù)據(jù)擬合優(yōu)度達(dá)到了大效應(yīng),模型擬合程度好(見表3)。t檢驗(yàn)是對單個(gè)自變量的檢驗(yàn),取5%作為顯著性檢驗(yàn)的標(biāo)準(zhǔn),若顯著性Sig<0.05,則自變量對因變量有顯著影響。對每個(gè)自變量進(jìn)行回歸系數(shù)分析,得出的模型中自變量應(yīng)包括場均籃板、場均助攻、場均上場時(shí)間、場均失誤與場均得分,它們都滿足Sig<0.05(見表4)。根據(jù)以上分析得出模型公式(1)。
Y=-61.42+1.18X1+3.81X2+1.93X3-9.7X7+1.23X9 (1)
從模型公式中可以看出,場均籃板(X1)、場均助攻(X2)、場均上場時(shí)間(X3)和場均得分(X9)與球員薪金是正相關(guān)的關(guān)系,這幾個(gè)數(shù)據(jù)越大,則球員的賽季薪金Y可能就越高,而在正相關(guān)因素中,場均助攻系數(shù)最大,影響的程度也是最大的,約為21%,最小的是場均得分與場均籃板,約為7%;場均失誤(X7)則與球員薪金是負(fù)相關(guān)的關(guān)系,球員場均失誤越多,球員的賽季薪金就越有可能變低;從總體來看,失誤個(gè)數(shù)對薪金的影響程度最大,為54%,失誤越多,表明球員的賽場穩(wěn)定性就越差,越容易給球隊(duì)帶來負(fù)面的影響。
從球隊(duì)的角度來說,在挑選球員或者續(xù)約球員的過程中,球員的個(gè)人能力與發(fā)揮穩(wěn)定性是考察與考慮的重點(diǎn)。在個(gè)人能力的考察中,場均籃板、場均助攻、場均得分體現(xiàn)球員個(gè)人能力積極的一面,這幾項(xiàng)數(shù)值越高越能體現(xiàn)球員的價(jià)值;場均失誤體現(xiàn)球員能力的負(fù)面,越低越好。建議參考美國職業(yè)籃球聯(lián)賽球員各類技術(shù)數(shù)據(jù)對其薪金的影響,以及各項(xiàng)技術(shù)指標(biāo)之間的關(guān)聯(lián)程度分析的結(jié)果,結(jié)合我國男子籃球運(yùn)動(dòng)員的實(shí)際情況,建立更加科學(xué)、有效的選材機(jī)制,重點(diǎn)加強(qiáng)對球員重要指標(biāo)的訓(xùn)練。在具體篩選球員時(shí),球隊(duì)經(jīng)理綜合考慮重要因素來確定是否去與球隊(duì)需要的球員簽約或者續(xù)約,不應(yīng)該單純考慮場均得分這一種因素,擁有出色的助攻與籃板能力的球員也理應(yīng)獲得高薪酬。還應(yīng)球隊(duì)注意球員最近的表現(xiàn)和之前的表現(xiàn)是否波動(dòng)很大,即球員的穩(wěn)定性。如果球員的表現(xiàn)是循序漸進(jìn)不斷成長的,那么球隊(duì)?wèi)?yīng)多給予這種球員關(guān)注,而表現(xiàn)時(shí)好時(shí)壞的球員球隊(duì)則要慎重考慮再做決定。從球員的角度來說,球員應(yīng)當(dāng)注意自身各項(xiàng)能力的提升,也要培養(yǎng)自己融入球隊(duì)的能力,減少不必要的失誤,爭取獲得更多球隊(duì)的關(guān)注,獲得更高的賽季薪金。
表4 球員技術(shù)數(shù)據(jù)回歸系數(shù)統(tǒng)計(jì)檢驗(yàn)一覽表