張 霈 趙東磊

河北省大學生體質(zhì)健康綜合評價分級模型的研究*

張 霈 趙東磊

（河北工業(yè)大學 體育部，天津 300401）

為便于大學生快速有效地查詢本人的體質(zhì)健康評價等級，文章使用Fisher判別法，基于R語言結(jié)果，構(gòu)建了河北省大學生體質(zhì)健康綜合評價分級模型。該模型可以對大學生個體或者群體進行綜合評價，并且提高了查詢評價效率和精準程度，對監(jiān)測大學生體質(zhì)健康狀況起到積極作用。

判別分析；體質(zhì)健康；分級模型

教育部近幾年的大學生體質(zhì)健康測試數(shù)據(jù)顯示,我國大學生的體質(zhì)健康總體狀況不容樂觀，連續(xù)多年呈下降趨勢。大學生作為祖國的未來，體質(zhì)狀況不僅關(guān)于大學生自身的發(fā)展，還關(guān)乎祖國未來發(fā)展,可以說大學生體質(zhì)健康狀況對大學生未來的發(fā)展至關(guān)重要。那么如何準確評價與監(jiān)測大學生體質(zhì)健康狀況將成為亟待體育工作者解決的問題。近些年來，我國專家學者對學生體質(zhì)健康評價方面進行了一些研究，有專家提出用因子分析、回歸分析等數(shù)理統(tǒng)計方法評價學生體質(zhì)健康，但研究不夠系統(tǒng)，還有不盡完善的地方。目前2014年新修訂的《國家體質(zhì)健康標準》從身體形態(tài)、身體機能和身體素質(zhì)等方面綜合評定學生的體質(zhì)健康水平，該評價方法首先要根據(jù)系數(shù)算出每個項目的得分，然后再累加，程序比較繁瑣，因此，加強對大學生體質(zhì)健康綜合評價的研究，構(gòu)建一套比較科學、適用且操作簡單的評價方法，有助于大學生自行了解自身的體質(zhì)健康狀況，也有利于教育部及體測監(jiān)測部門及時科學評價大學生體質(zhì)健康狀況。

1 研究對象與方法

1.1 研究對象

以河北工業(yè)大學、河北金融學院、河北農(nóng)業(yè)大學和河北經(jīng)貿(mào)大學等4所高校的學生為主，隨機抽取2017級3800人,剔除無效數(shù)據(jù)330人,選取最終3470人的學生體測數(shù)據(jù)為研究對象，其中男生2145人，女生1325人。

1.2 研究方法

1.2.1專家訪談法

通過走訪高校體育界的專家學者，了解我國高校學生體質(zhì)健康綜合評價的歷程和未來發(fā)展的思路及建議。

1.2.2判別分析法

本研究依據(jù)2014新修訂《國家學生體質(zhì)健康標準》，以身高體重、肺活量、50米、立定跳遠、坐位體前屈，800/1000米8項指標作為大學生體質(zhì)健康綜合評價等級的這一研究對象的特征值，依托已有數(shù)據(jù)及分類，進行判別分析，給待評定對象評定等級。

1.2.3數(shù)理統(tǒng)計法

對獲得的有效樣本數(shù)據(jù)，運用SPSS23.0進行處理分析。

2 結(jié)果

2.1 2014年新修訂《國家學生體質(zhì)健康標準》構(gòu)成

該標準從身體形態(tài)、身體機能和身體素質(zhì)等方面綜合評定學生的體質(zhì)健康水平，其中，身體形態(tài)類包括身高、體重；身體機能包括肺活量，身體素質(zhì)類中的50米跑、坐位體前屈、立定跳遠、800/1000米等，是促進學生體質(zhì)健康發(fā)展、激勵學生積極進行身體鍛煉的教育手段，是國家學生發(fā)展核心素養(yǎng)體系和學業(yè)質(zhì)量標準的重要組成部分，是學生體質(zhì)健康的個體評價標準。

2.2 聚類分析

由于男生和女生體質(zhì)健康標準不同，因此，我們在構(gòu)建分級模型時，應(yīng)該把男生和女生分開，分別建立相應(yīng)的評價模型。由于原始數(shù)據(jù)樣本較多，采取聚類分析法進行分類。聚類分析是根據(jù)研究對象特征對研究對象進行分類的一種多元分析技術(shù), 把性質(zhì)相近的個體歸為一類, 使得同一類中的個體都具有高度的同質(zhì)性, 不同類之間的個體具有高度的異質(zhì)性。本研究把大學生體質(zhì)健康評價分為優(yōu)秀、良好、及格和不及格4個類別，1代表優(yōu)秀；2代表良好；3代表及格；4代表不及格（部分結(jié)果呈現(xiàn)見表1、表2）。

表1 男生判別分析結(jié)果

序號身高（cm）體重（kg）肺活量（ml）50米（s）1000米（s）坐位體前屈（cm）立定跳遠（cm）引體向上（個）類別 1174.471.449747.67270622541 2169.971.148387.8267018002 3167.560.741197.82512122012 4167.550.746258.325211193102 5168.382.243358.22851520803 6178.677.337407.3270622453 7171.67641767.7243922103 8170.47644058.627713.818013 9172.273.643917.523811.821043 10180.973.146047.92609.520053 11173.67338207.52461322403 12184.9118.750887.926915.820304 13174.8101.544088.42721320004 14158.64236687.712701723084

注：表中的類別欄的1、2、3、4分別代表優(yōu)秀、良好、及格、不及格

表2 女生判別分析結(jié)果

序號身高（cm）體重(kg)肺活量(ml)50米(秒）800米（秒）坐位體前屈（cm）立定跳遠(cm)一分鐘仰臥起坐(個)類別 115451.421859.222013.0188351 2153.158.22731924723.0165242 3168.153.323968.520824185272 415751.532539.126613163422 5160.663.330188.723215166492 6168.555.322758.522511185382 7165.953.930331124717.5127352 817179.936849.224720.0173403 9161.263.936218.922716.0178373 10157.453.130258.120912.0184393 11159.251.629089.524319.0170353 12160.247.5255092236.8177294 13163.344.626188.81979.5187394 14170.547.929138.421019.2160324

注：表中的類別欄的1、2、3、4分別代表優(yōu)秀、良好、及格、不及格

2.3 Fisher判別分析模型的建立

通過對前期獲得原始數(shù)據(jù)的分析處理的基礎(chǔ)上，進行判別分析處理，可以得到男生和女生正規(guī)化判別函數(shù)系數(shù)（見表3和表4）。

表3 男生Fisher判別函數(shù)系數(shù)

類別1234 身高5.4465.5755.4315.257 體重-0.634-0.545-0.651-0.467 肺活量0.07120.07290.07820.0745 1000米跑0.7740.7720.7120.765 引體向上0.04670.04920.03450.0912 坐位體前屈0.4510.4670.4210.428 立定跳遠0.4120.4380.4260.410 50米0.4560.4670.4110.458 常數(shù)項-713.467-578.931-678.37-603.459

表4 女生Fisher判別函數(shù)系數(shù)

類別1234 身高5.1345.4245.1055.119 體重-1.096-1.377-1.041-1.065 肺活量0.05920.02240.04510.0378 800米跑0.9010.9340.9000.904 一分鐘仰臥起坐0.2450.2920.2170.236 坐位體前屈0.4870.4600.4920.438 立定跳遠0.1040.0730.1170.103 50米0.4780.4360.4910.464 常數(shù)項-523.684-453.794-503.80-478.932

計算判別分數(shù)時，直接將8項評價指標原始數(shù)據(jù)代入判別函數(shù)即可得到判別函數(shù)。根據(jù)表3，得到判定大學男生體質(zhì)優(yōu)秀、良好、及格與不及格的四個線性判別函數(shù)分別為：

F1=5.446XI-0.634X2+0.0712X3+0.774X4+0.0467X5

+0.451X6+0.412X7+0.457X8-713.46(優(yōu)秀）

F2=5.575XI-0.545X2+0.0729X3+0.772X4+0.0492X5

+0.467X6+0.438X7+0.457X8-578.931（良好）

F3=5.431XI-0.651X2+0.0782X3+0.712X4+0.0345X5

+0.421X6+0.426X7+0.411X8-678.37(及格）

F4=5.257XI-0.467X2+0.0745X3+0.765X4+0.0912X5

+0.428X6+0.410X7+0.458X8-603.459(不及格）

同理，根據(jù)表4線性判別函數(shù)系數(shù)可得到判定大學女生體質(zhì)優(yōu)秀、良好、及格與不及格的四個線性判別函數(shù)分別為：

F1=5.134XI-0.1.096X2+0.0592X3+0.901X4+0.245X5

+0.487X6+0.104X7+0.478X8-523.684(優(yōu)秀）

F2=5.424XI-1.377X2+0.0224X3+0.934X4+0.292X5

+0.460X6+0.073X7+0.436X8-453.794（良好）

F3=5.105XI-1.041X2+0.0451X3+0.900X4+0.217X5

+492X6+0.117X7+0.491X8-503.80(及格）

F4=5.119XI-1.065X2+0.0378X3+0.904X4+0.0236X5

+0.438X6+0.103X7+0.464X8-478.932(不及格）

2.4 判別模型的應(yīng)用

隨機選取男大學生中的任意樣本，將身高、體重、肺活量、1000米、50米、坐位體前屈、立定跳遠、引體向上8項指標分別代入判別函數(shù)，同樣，也是隨機選取女大學生中的任意樣本，將將身高、體重、肺活量、800米、50米、坐位體前屈、立定跳遠、仰臥起坐8項指標分別代入判別函數(shù)，這樣男女大學生可以得到相應(yīng)的分類結(jié)果，并返回后得到后驗概率，找出一數(shù)據(jù)該行四個后驗概率中的最大值，最大值所在的分類列即為該數(shù)據(jù)所屬類別。

2.5 判別模型的驗證與效果評估

構(gòu)建了判別模型后，要對模型的有效性進行必要的檢驗。用所建立的判別函數(shù)對已知類別的樣品進行判別，計算判對率和判錯率，可用來描述判別函數(shù)的判別效果。

在2415名男生中，其中161名體質(zhì)優(yōu)秀者有2人被判定為體質(zhì)及格，有2人被誤判為體質(zhì)不及格，判對率為97.5%，錯判率為2.5%；385名良好者有375人被判為體質(zhì)良好者，其中有10人被誤判為及格，判對率為97.4%，錯判率為2.6%；1489名體質(zhì)及格者有1463人被判為體質(zhì)良好者，有10人被誤判為優(yōu)秀，有15人被誤判良好，判對率為98.3%，錯判率為1.7%；110名體質(zhì)不及格者有107人被判為不及格，有2人被誤判為及格，1人被誤判為良好，判對率為97.2%，錯判率為2.8%。可見，模型的總判對率為97.6%，即（97.5%+97.4%+98.3%+97.2%）/4?？傚e判率為2.4%，同樣，看出女生的判別結(jié)果中，模型的總錯判率為1.41%，總判對率為98.59%。由此可見，本研究所構(gòu)建的判別函數(shù)的判別效果顯著，具有較好的分級區(qū)分度，基本達到要求。

3 分析與討論

本文借助多元統(tǒng)計分析中的判別分析，對樣本進行分析，分別建立了大學男生和大學女生的體質(zhì)健康綜合評價分極模型。并對于參與調(diào)查的河北省2145名男大學生進行準確快速評判，其中，男生體質(zhì)健康評級為優(yōu)秀的有161人，占7.7％，良好的人數(shù)為385人，占17.9％；及格人數(shù)為1489人，占69.3％；不及格人數(shù)為110人，占5.1％?？梢?，河北省大學男生的不及格較低，及格人數(shù)占到絕大多數(shù)，基本接近教育部對高校體質(zhì)健康及格率95％的要求。

另外，女生男生體質(zhì)健康評級為優(yōu)秀的有34人，占2.5％，良好的人數(shù)為408人，占30.7％；及格人數(shù)為611人，占46.1％；不及格人數(shù)為272人，占20.5％?？梢?，河北省大學女生的及格人數(shù)比重最大，優(yōu)秀人數(shù)和良好人數(shù)之和依然低于及格人數(shù)，不及格人數(shù)較多。

在調(diào)查的3470個學生樣本中，體質(zhì)評定為優(yōu)秀的為199人，占5.7％，良好為793人，占22.8％；及格為2101人，占60.5％；不及格為382人，占11.0％。

可以看出，目前河北省大學生體質(zhì)健康大多集中在及格等級，優(yōu)秀和良好的人數(shù)還是偏少，不及格的比例較大，不能達到教育部95％的要求。另外，從優(yōu)秀人數(shù)來看，男生稍高于女生，從不及格人數(shù)比例來看，女生明顯高于男生。這說明河北省大學男生的體質(zhì)健康水平要好于女生，下一步高校要通過各種教學改革方法，提高女生的體質(zhì)健康水平。

我們依據(jù)《國家學生體質(zhì)健康標準》，運用統(tǒng)計軟件 SPSS 進行判別分析，制訂出大學生體質(zhì)健康綜合評價分級模型，快捷方便，只需要把每個項目的成績代入函數(shù)即可得到相應(yīng)分數(shù)，而不需要參照《國家學生體質(zhì)健康標準》中男女大學體質(zhì)健康評分表逐一查找各學生各單項指標得分和利用權(quán)重再累加總分的繁雜過程，給學生提供了快捷準確的查詢方式，同時也便于學生理解和操作，為學生快速掌握自身的身體狀況提供了幫助。

4 結(jié)語

依據(jù)2014年新修訂《國家學生體質(zhì)健康標準》，使用Fisher判別法，構(gòu)建的河北省大學生體質(zhì)健康綜合評價分級模型，對學生個體或者群體的體質(zhì)健康進行綜合評價，具有很高的精確度，并且可以對學生體質(zhì)的類別快速進行分類。該模型與國家體質(zhì)健康標準的綜合評價方法相比，在一定程序上減少了操作程序，為大學生體質(zhì)健康判定提供依據(jù)，對監(jiān)測大學生體質(zhì)健康具有積極作用。

[1]張曉丹，楊倩倩.基于聚類分析的天津市大學生體質(zhì)健康評價分級模型研究[J].天津科技，2014，41(8):76-79.

[2]李昌峰，張星，林福生，等.基于Fisher判別分析的大學生體質(zhì)健康 綜合評價分級模型研究J].當代體育科技，2017，29(7):20-21.

[3]郝小玲，梁春.基于R語言的我國甘蔗產(chǎn)量ARIMA模型建立與預(yù)測分析[J].綠色科技，2016，420(12):58-60.

[4]石娟娟.大學生體質(zhì)健康綜合評價分級模型構(gòu)建的研究[D].武漢:華中科技大學,2011.

[5]盧卓,鄧方貞.基于Fisher分類算法的水稻種子品種識別[J].南方農(nóng)機,2015(10):10-11.

[6]陳國華,韋程東, 蔣建初,等.數(shù)學模型與數(shù)學建模方法[M].天津:南開大學出版社,2012.

A Study on the Comprehensive Evaluation and Grading Model of Physical Health of College Students in Hebei Province

ZHANG Pei, etal

(Hebei University of Technology, Tianjin 300401, China)

河北省高等學校人文社會科學研究項目（編號：SQ201083）。

張霈（1983—），碩士，副教授，研究方向：體質(zhì)健康促進。