畢業(yè)論文：男子職業(yè)網球選手競技能力的實證研究

目錄/提綱：……
一、導言3
（一）問題的提出3
（二）研究方法3
（三）研究的變量選擇3
（一）變量的初步觀察4
（二）協(xié)方差矩陣分析5
（三）散點圖矩陣分析6
四、多元回歸模型的構建7
（一）解釋變量的變換7
（二）多重共線性修正9
（三）異方差修正11
（四）T檢驗及模型修正14
（五）模型預測14
（一）結論15
（二）建議15
（三）本文研究的局限性16
一、導言
（一）問題的提出
（二）研究方法
（三）研究的變量選擇
二、樣本數據的初步了解
（一）變量的初步觀察
（二）協(xié)方差矩陣分析
（三）散點圖分析
三、研究假設
四、多元回歸模型的構建
（一）解釋變量的變換
（二）多重共線性修正
（三）異方差修正
（四）T檢驗及模型修正
（五）模型預測
五、結論與建議
（一）結論
（二）建議
（三）本文研究的局限性
……
畢業(yè)論文：男子職業(yè)網球選手競技能力的實證研究

目 錄
摘要 2
Abstract 2
一、導言 3
（一）問題的提出 3
（二）研究方法 3
（三）研究的變量選擇 3
二、樣本數據初步了解 4
（一）變量的初步觀察 4
（二）協(xié)方差矩陣分析 5
（三）散點圖矩陣分析 6
三、研究假設 6
四、多元回歸模型的構建 7
（一）解釋變量的變換 7
（二）多重共線性修正 9
（三）異方差修正 11
（四）T檢驗及模型修正 14
（五）模型預測 14
五、結論、檢驗及局限性 15
（一）結論 15
（二）建議 15
（三）本文研究的局限性 16
參考文獻 17
附錄 18


男子職業(yè)網球選手競技能力的實證研究

摘要：隨著網球運動在中國的逐漸升溫，青少年網球競技能力的培養(yǎng)成為一個熱點問題。本文設定回歸模型考察了職業(yè)網球選手競技能力的各項指標對其排名的影響，并采用2011年ATP官方網站的相關數據對該影響關系作了實證研究。研究發(fā)現，職業(yè)選手的場均Ace數、一發(fā)成功率、二發(fā)得分率以及接發(fā)球勝率都是可以提高選手排名的重要因素，且接發(fā)球勝率的影響尤為明顯。同時本文還告訴我們如何去預測一位網球新星的發(fā)展，以及特定項目的基礎訓練和關鍵時刻心理素質重要性。
關鍵詞： 網球運動，多元回歸分析，競技能力

Abstract: As the tennis sport in China heats up, undergraduates’ tennis athletic abilit
……（新文秘網http://120pk.cn省略1061字，正式會員可完整閱讀）……　
，但是可以通過一些近似的數學表達來代表，同樣能夠反映出一些問題。
相關問題有：確定幾個特定的變量之間是否存在相關關系，如果存在的話，找出它們之間合適的數學表達式；根據一個或幾個變量的值，預測或控制另一個變量的取值，并且可以知道這種預測或控制能達到什么樣的精確度；進行因素分析。例如在對于共同影響一個變量的許多變量（因素）之間，找出哪些是重要因素，哪些是次要因素，這些因素之間又有什么關系等等。
（三）研究的變量選擇
本文所用數據全部來自于ATP的官方網站。所選用的數據是2011年所有場地，排名在前100的世界男子職業(yè)網球選手各項指標數據。由于數據多樣性，我們只選用其中一些對本文定量分析有幫助的部分。包括Points（積分）,rank（排名）,Tot Aces（Aces數總計）,Ace/Mtch Avg（場均Ace數），Tot Dbl Fits（雙誤總計），DF/Mtch Avg（場均雙誤），1st Srv（一發(fā)成功率），1st Srv Won（一發(fā)得分率），2nd Srv Won（二發(fā)得分率），Srv Gam Won（發(fā)球局勝率），Brk Pts Won（破發(fā)成功率），Brk Pts Svd（挽救破發(fā)率），Pts Won Ret Srv 1st-2nd (接發(fā)球勝率)以及Ret Gam Won（接發(fā)球局獲勝數）。因為Tot Aces（Aces數總計）和Ace/Mtch Avg（場均Ace數）以及Tot Dbl Fits（雙誤總計）和DF/Mtch Avg（場均雙誤）具有極高的相似度，所以各選取其中一項。
同時為了方便數據的處理，以下將用簡稱代替上述的指標，分別表示為：Points=Points，rank=rank，AMA=Ace/Mtch Avg，DMA=DF/Mtch Avg，FS=1st Srv，FSW=1st Srv Won，SSW=2nd Srv Won，SGW=Srv Gam Won，BPW=Brk Pts Won，BPS=Brk Pts Svd，PWRS1=Pts Won Ret Srv 1st，PWRS2=Pts Won Ret Srv 2nd， RGW=Ret Gam Won，即Points，rank，AMA，DMA，FS，FSW，SSW，SGW，BPW，BPS，PWRS1，PWRS2，RGW。將以上指標的數據作為原始數據待用。
二、樣本數據的初步了解
（一）變量的初步觀察
通過數據本身情況進行觀察，對數據進行初步了解，結果如下（表1）：
Variable Obs Mean Std. Dev Min Ma*
Points 100 1488.8 1910.258 567 13675
AMA 100 5.263 3.049 .4 17.1
DMA 100 2.764 .930 1 5.8
FS 100 .611 .041 .51 .71
FSW 100 .703 .046 .57 .8
SSW 100 .507 .031 .39 .57
SGW 100 .771 .067 .51 .91
BPW 100 .405 .052 .08 .49
BPS 100 .598 .042 .47 .7
PWRS1 100 .296 .029 .21 .37
PWRS2 100 .497 .031 .4 .58
RGW 100 .23 .054 .02 .39
表1中顯示，只有AMA從最小值到最大值的單位跨度超過一個數量級（Points作為自變量除外），同時AMA的標準偏差較大，由此可知AMA的數據可能并不服從我們所想要的正態(tài)分布。所以，如果要建立回歸模型的話可能需要對AMA的數據進行一定地變換。
（二）協(xié)方差矩陣分析
在對樣本協(xié)方差矩陣的觀察中（表2）：

不難發(fā)現，其中FSW與AMA之間的相關系數為0.8393，SGW與FSW之間的相關系數為0.8994，RGW與PWS1之間的相關系數為0.899，RGW與PWS2之間的相關系數為0.8714。這些系數都大于0.8，在一定程度上反映了數據之間可能存在較高的相關性。
（三）散點圖分析
樣本散點圖如下（圖1）：

如果將Points作為被解釋變量，其他各項作為解釋變量的話。通過觀察樣本的散點圖矩陣，可以發(fā)現除了多個自變量之間的散點圖存在明顯的線性關系。
三、研究假設
（1）官網的數據真實有效；
（2）官網的數據服從正態(tài)分布；
（3）每個運動員的各項指標數據是相互獨立的；
（4）以ATP的職業(yè)運動員為調查對象，對于運動員不具有特殊性，即具有普遍代表性
（5）本文中所有檢驗的顯著性水平 均為0.05。
四、多元回歸模型的構建
初步的建立一個多元線性回歸模型M1：

在簡單的觀測分析后，開始考慮怎樣處理這些原始數據從而使之對我們后續(xù)工作真正地起到作用。多元回歸過程如下：
（一） 解釋變量的變換
正如之前所說，可能會對AMA進行變換。對于解釋變量的變換，我們使用scaled power變換（ if ； if ）進行處理。在此之前，我們會使用Wald檢驗對數據進行檢驗，從而決定是否用scaled power變換對AMA這一項數據進行轉換。Wald檢驗的前提是AMA的數據必須嚴格為正，結果如下（表3和表4）：
Wald值的范圍
Est.Power Std.Err. 上限 下限
AMA 0.2976 0.1239 0.0548 0.5404
關于轉換參數的似然比檢驗

df P-val
LR t ……（未完，全文共16574字，當前僅顯示2981字，請閱讀下面提示信息。收藏《畢業(yè)論文：男子職業(yè)網球選手競技能力的實證研究》）