1、SPSS：NBA 球员技术统计分析报告- 1 -SPSS 期 末 论 文姓名 班级 学号 2012 年 11 月SPSS：NBA 球员技术统计分析报告- 2 -NBA 球员技术统计分析报告【摘要】： 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。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。NBA 球员科比-布莱恩特和阿伦-艾弗森 11 个赛季技术统计表下载自NBA 中文官方网站 ，具有可信度。NBA 球员科比-布莱恩特和阿伦 -艾弗森 11 个赛季技术统计表NBA球
2、员 球队 赛季 场次 首发平均每场上场时间(分钟)平均每场投篮命中率平均每场三分球命中率科比-布莱恩特 洛杉矶湖人 1996-1997 71 6 15.5 0.4170 0.3750 科比-布莱恩特 洛杉矶湖人 1997-1998 79 1 26.0 0.4280 0.3410 科比-布莱恩特 洛杉矶湖人 1998-1999 50 50 37.9 0.4650 0.2670 科比-布莱恩特 洛杉矶湖人 1999-2000 66 62 38.2 0.4680 0.3190 科比-布莱恩特 洛杉矶湖人 2000-2001 68 68 40.9 0.4640 0.3050 科比-布莱恩特 洛杉矶湖人
3、 2001-2002 80 80 38.3 0.4690 0.2500 科比-布莱恩特 洛杉矶湖人 2002-2003 82 82 41.5 0.4510 0.3830 科比-布莱恩特 洛杉矶湖人 2003-2004 65 64 37.6 0.4380 0.3270 科比-布莱恩特 洛杉矶湖人 2004-2005 66 66 40.7 0.4330 0.3390 科比-布莱恩特 洛杉矶湖人 2005-2006 80 80 41.0 0.4500 0.3470 科比-布莱恩特 洛杉矶湖人 2006-2007 12 12 39.1 0.4600 0.3180 阿伦-艾弗森 费城 76 人 1996
4、-1997 76 74 40.1 0.4160 0.3410 阿伦-艾弗森 费城 76 人 1996-1998 80 80 39.4 0.4610 0.2980 阿伦-艾弗森 费城 76 人 1996-1999 48 48 41.5 0.4120 0.2910 阿伦-艾弗森 费城 76 人 1996-2000 70 70 40.8 0.4210 0.3410 阿伦-艾弗森 费城 76 人 1996-2001 71 71 42.0 0.4200 0.3200 阿伦-艾弗森 费城 76 人 1996-2002 60 59 43.7 0.3980 0.2910 阿伦-艾弗森 费城 76 人 1996
5、-2003 82 82 42.5 0.4140 0.2770 阿伦-艾弗森 费城 76 人 1996-2004 48 47 42.5 0.3870 0.2860 阿伦-艾弗森 费城 76 人 1996-2005 75 75 42.3 0.4240 0.3080 阿伦-艾弗森 费城 76 人 1996-2006 72 72 43.1 0.4470 0.3230 阿伦-艾弗森 费城 76 人 2006-2007 12 12 43.8 0.4160 0.2340 SPSS：NBA 球员技术统计分析报告- 3 -平均每场罚球命中率平均每场进攻次数平均每场防守次数平均每场助攻次数平均每场抢断次数平均每场
6、盖帽次数平均每场失误次数平均每场犯规次数平均每场得分0.8190 0.7 1.2 1.3 0.69 0.32 1.58 1.44 7.6 0.7940 1.0 2.1 2.5 0.94 0.51 1.99 2.28 15.4 0.8390 1.1 4.2 3.8 1.44 1.00 3.14 3.06 19.9 0.8210 1.6 4.7 4.9 1.61 0.94 2.76 3.33 22.5 0.8530 1.5 4.3 5.0 1.68 0.63 3.24 3.26 28.5 0.8290 1.4 4.1 5.5 1.48 0.44 2.79 2.85 25.2 0.8430 1.3
7、5.6 5.9 2.21 0.82 3.51 2.66 30.0 0.8520 1.6 3.9 5.1 1.72 0.43 2.63 2.71 24.0 0.8160 1.4 4.5 6.0 1.30 0.80 4.09 2.64 27.6 0.8500 0.9 4.4 4.5 1.84 0.38 3.13 2.91 35.4 0.8350 0.8 4.0 5.2 1.33 0.17 3.50 3.08 24.1 0.7020 1.5 2.6 7.5 2.07 0.32 4.43 3.07 23.5 0.7290 1.1 2.6 6.2 2.20 0.31 3.05 2.50 22.0 0.7
8、510 1.4 3.5 4.6 2.29 0.15 3.48 2.04 26.8 0.7130 1.0 2.8 4.7 2.06 0.07 3.29 2.31 28.4 0.8140 0.7 3.1 4.6 2.51 0.28 3.34 2.07 31.1 0.8120 0.7 3.8 5.5 2.80 0.22 3.95 1.70 31.4 0.7740 0.8 3.4 5.5 2.74 0.16 3.49 1.82 27.6 0.7450 0.7 3.0 6.8 2.40 0.10 4.35 1.81 26.4 0.8350 0.7 3.3 7.9 2.40 0.12 4.59 1.87
9、30.7 0.8140 0.6 2.6 7.4 1.94 0.14 3.44 1.68 33.0 0.8780 0.6 2.4 7.1 2.00 0.08 4.25 1.33 31.7 根据以上数据，运用 SPSS 统计软件，运用各个统计方法对 NBA 球员科比-布莱恩特和阿伦- 艾弗森进行技术分析，并对他们进行比较。SPSS：NBA 球员技术统计分析报告- 4 -实现以下目标：1数据输入与整理数据视图：SPSS：NBA 球员技术统计分析报告- 5 -定义视图：SPSS：NBA 球员技术统计分析报告- 6 -2交叉分组下的频数分析（对两人平均每场上场时间进行频数分析）数据文件中增加一个变量 s
10、csj。值标签将变量分组CrosstabsChi-squareNBA上 上 * 上 上 上 上 上 上 上 CrosstabulationCount1 10 117 4 118 14 22三 三 -三 三 三三 三 -三 三 三 三NBA三 三Total1 2三 三 三 三 三 三 三Total输出 1Chi-Square Tests7.071b 1 .0084.911 1 .0277.719 1 .005.024 .01222Pearson Chi-SquareContinuity CorrectionaLikelihood RatioFishers Exact TestN of Valid
11、 CasesValue df Asymp. Sig.(2-sided) Exact Sig.(2-sided) Exact Sig.(1-sided)Computed only for a 2x2 tablea. 2 cells (50.0%) have expected count less than 5. The minimum expected countis 4.00.b. 输出2分析：从输出 1 中看出，阿伦-艾弗森平均每场上场时间在 10-40（分钟）的频数为 1，在 40-50（分钟）的频数为 10；科比-布莱恩特平均每场上场时间在10-40（分钟）的频数为 7，在 40-50（
12、分钟）的频数为 4；两人平均每场上场时间在 10-40（分钟）的频数为 8，在 40-50（分钟）的频数为 14。从输出 2 中看出，交叉分组下的频数分析卡方检验结果的相伴概率为0.008，小于显著性水平 0.05，故拒绝原假设，认为两人的平均每场上场时间存在显著性差异。但从下标中 b.超过 20%的期望频数小于 5，所以需要似然率卡方检验的方法进行修正，似然率卡方检验结果的相伴概率为 0.005，小于显SPSS：NBA 球员技术统计分析报告- 7 -著性水平 0.05，故拒绝原假设，认为两人的平均每场上场时间存在显著性差异。3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）
13、实现按 NBA 球员拆分，compare groups AnalyzeDescriptive Statistics Descriptives输出结果放在同一张表中。Descriptive Statistics11 .4170 .449364 .005401 .0179124 -.580 .66111 .2500 .324636 .012164 .0403442 -.503 .66111 .7940 .831909 .005513 .0182836 -.736 .6611111 .3870 .419636 .006128 .0203237 .666 .66111 .2340 .300909 .0
14、09339 .0309724 -.706 .66111 .7020 .778818 .016848 .0558799 .248 .66111三 三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三 三Valid N (listwise)三 三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三 三Valid N (listwise)NBA三 三三 三 -三 三 三 三三 三 -三 三 三Statistic Statistic Statistic Std. Error Statistic Statistic
15、 Std. ErrorN Minimum MeanStd.Deviation Skewness输出3分析：从输出 3 中看出，科比-布莱恩特的平均每场投篮命中率、平均每场三分球命中率和平均每场罚球命中率的均值均比阿伦-艾弗森高，但标准差有高有底，说明在投篮方面科比-布莱恩特比阿伦-艾弗森发挥出色，但稳定程度高低不定。对数据求标准化 z 得分，发现无小于 -3 或大于+3 的值，说明数据没有不均衡现象，说明两人的发挥都比较稳定。4单样本 t 检验（检验科比-布莱恩特和阿伦-艾弗森平均每场犯规次数的均值是否为 2.7）Analyze Compare Means One-Sample T Test。
16、实现按 NBA 球员拆分，输出结果放在同一张表中。SPSS：NBA 球员技术统计分析报告- 8 -One-Sample Test-4.799 10 .001 -.6818 -.9984 -.3652.297 10 .773 .0473 -.3079 .4025三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三NBA三 三三 三 -三 三 三三 三 -三 三 三 三t df Sig. (2-tailed) MeanDifference Lower Upper95% ConfidenceInterval of theDifferenceTest Value = 2.7输出4分析：从输出
17、4 中得，阿伦-艾弗森单样本假设的相伴概率为 0.001，小于显著性水平 0.05，故拒绝原假设，认为阿伦-艾弗森平均每场犯规次数的均值与 2.7有显著性差异；科比-布莱恩特单样本假设的相伴概率为 0.773，大于显著性水平 0.05，故接受原假设，认为科比-布莱恩特平均每场犯规次数的均值与 2.7 无显著性差异。5两独立样本 t 检验（科比-布莱恩特和阿伦-艾弗森平均每场犯规次数比较）去拆分，Analyze Compare Means Independent-Sample T test。Independent Samples Test.019 .893 3.414 20 .003 .7291
18、 .21355 .28363 1.174553.414 19.740 .003 .7291 .21355 .28326 1.17492Equal variances assumedEqual variances notassumed三 三 三 三 三 三 三 三F Sig.Levenes Test forEquality of Variancest df Sig. (2-tailed) MeanDifference Std. ErrorDifference Lower Upper95% ConfidenceInterval of theDifferencet-test for Equality
19、 of Means输出5分析：从输出 5 中看出，两独立样本 F 检验结果的相伴概率为 0.893，大于显著性水平 0.05，故接受原假设，认为阿伦-艾弗森与科比-布莱恩特平均每场犯规次数的方差无显著性差异；两独立样本 t 检验结果的相伴概率为 0.003，小于显著性水平 0.05，故拒绝原假设，认为阿伦-艾弗森与科比-布莱恩特平均每场犯规次数的均值有显著性差异。SPSS：NBA 球员技术统计分析报告- 9 -6. 单因素方差分析(用单因素方差分析，分析科比-布莱恩特和阿伦-艾弗森平均每场防守次数对平均每场得分有无显著影响)按球员拆分Analyze Compare Means One-way
20、ANOVAANOVAVAR00002VAR00003 Sum of Squares df Mean Square F Sig.Between Groups 405.214 3 135.071 6.058 .023Within Groups 156.074 7 22.2961Total 561.287 10Between Groups 11.128 1 11.128 .873 .374Within Groups 114.668 9 12.7412Total 125.796 10输出10分析：从输出10中看出，科比-布莱恩特单因素方差分析结果的相伴概率为0.023，小于显著性水平0.05，故拒绝零
21、假设，认为科比-布莱恩特的平均每场防守次数对平均每场得分有显著影响；阿伦-艾弗森单因素方差分析结果的相伴概率为0.374，大于显著性水平0.05，故接受假设，认为阿伦-艾弗森的平均每场防守次数对平均每场得分无显著影响。7相关分析（研究平均每场三分球命中率与平均每场得分之间是否具有较强的线性关系）去拆分SPSS：NBA 球员技术统计分析报告- 10 -Analyze Correlate Bivariate.40.38.36.34.32.30.28.26.24.22403020100输出10Correlations1 -.218. .32922 22-.218 1.329 .22 22Pearso
22、n CorrelationSig. (2-tailed)NPearson CorrelationSig. (2-tailed)N三 三 三 三 三 三三 三 三 三 三 三 三 三 三 三三 三 三三 三 三 三 三 三 三 三三 三 三 三 三输出11分析：从输出10中看出，平均每场三分球命中率与平均每场得分之间不具有较强的线性关系；从输出11中看出，相关分析的相伴概率为0.329，大于显著性水平0.05，故接受原假设，认为平均每场三分球命中率与平均每场得分之间不具有较强的线性关系。两种方法得到结果一致。8. 偏相关分析（以平均每场失误次数为控制变量，研究平均每场罚球命中率与平均每场得分的偏
23、相关关系）- - - P A R T I A L C O R R E L A T I O N C O E F F I C I E N T S - - -Controlling for V15SPSS：NBA 球员技术统计分析报告- 11 -V17 V9V17 1.0000 .3626( 0) ( 19)P= . P= .106V9 .3626 1.0000( 19) ( 0)P= .106 P= .(Coefficient / (D.F.) / 2-tailed Significance)“ . “ is printed if a coefficient cannot be computed输
24、出12分析：从输出 12 中看出，偏相关分析结果的相伴概率为 0.106，大于显著性水平 0.05，故接受假设，认为以平均每场失误次数为控制变量，平均每场罚球命中率与平均每场得分的偏相关关系不显著。9线性回归分析（用逐步筛选法找科比-布莱恩特的平均每场得分的线性回归方程）（用逐步筛选法找科比-布莱恩特的平均每场得分的线性回归方程）Data-select cases 先筛选出科比 布莱恩特Analyze Regression LinearVariables Entered/Removeda三 三 三 三三 三 三 三 .Stepwise(Criteria:Probability-of-F-to-
25、enter =.100).Model1VariablesEntered VariablesRemoved MethodDependent Variable: 三 三 三 三 三 三a. 输出13SPSS：NBA 球员技术统计分析报告- 12 -Model Summary.901a .813 .792 3.4196Model1R R Square AdjustedR Square Std. Error ofthe EstimatePredictors: (Constant), 三 三 三 三 三 三 三 三a. 输出14ANOVAb456.047 1 456.047 39.000 .000a10
26、5.240 9 11.693561.287 10RegressionResidualTotalModel1Sum ofSquares df Mean Square F Sig.Predictors: (Constant), 三 三 三 三 三 三 三 三a. Dependent Variable: 三 三 三 三 三 三b. 输出15Coefficientsa-6.612 4.955 -1.334 .215.839 .134 .901 6.245 .000(Constant)三 三 三 三 三 三 三 三Model1B Std. ErrorUnstandardizedCoefficientsB
27、etaStandardizedCoefficientst Sig.Dependent Variable: 三 三 三 三 三 三a. 输出16Excluded Variablesb.267a 1.395 .200 .442 .515-.267a -1.376 .206 -.438 .504.255a 1.880 .097 .554 .885.132a .725 .489 .248 .668-.162a -.930 .380 -.312 .701-.066a -.140 .892 -.049 .106-.066a -.169 .870 -.060 .154.301a 1.216 .259 .39
28、5 .324-.200a -1.365 .209 -.435 .886-.031a -.103 .921 -.036 .256-.433a -1.626 .143 -.498 .248三 三三 三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三三 三 三 三 三 三 三 三Model1 Beta In t Sig. PartialCorrelation Tolera
29、nceCollinearityStatisticsPredictors in the Model: (Constant), 三 三 三 三 三 三 三 三a. Dependent Variable: 三 三 三 三 三 三b. 输出17SPSS：NBA 球员技术统计分析报告- 13 -分析：从输出13中看出，本次多元分析回归分析采用的是逐步筛选法，且回归系数显著性F检验的相伴概率值小于0.05的自变量引入了回归方程，大于0.1的自变量剔除了回归方程。自变量进入回归方程的次序是：平均每场上场时间。从输出17中看出，科比 -布莱恩特的平均每场得分的最终线性回归方程为平均每场得分=0.901* 平均
30、每场上场时间。10曲线回归分析（用曲线回归分析法分析科比-布莱恩特的平均每场得分）MODEL: MOD_1._Independent: V7Dependent Mth Rsq d.f. F Sigf b0 b1 b2 b3V17 LIN .250 9 3.00 .117 -70.332 209.155V17 QUA .770 8 13.43 .003 -4386.5 19633.2 -218199 V17 CUB .771 8 13.45 .003 -2962.2 9973.17 -16414Notes:9 Tolerance limits reached; some dependent va
31、riables were not entered.输出18.47.46.45.44.43.42.41403020100ObservedLinearQuadraticCubic输出19SPSS：NBA 球员技术统计分析报告- 14 -分析：从输出18中看出，线性模型的相伴概率为0.117，大于显著性水平0.05，故接受原假设，认为线性模型的方程不显著；二次曲线与三次曲线的相伴概率均为0.003，小于显著性水平0.05，故拒绝原假设，认为线性模型的方程显著；且三次的曲线拟合度最高，因此选定三次曲线模型。具体模型是：平均每场得分= -2962.2+ 9973.17*平均每场投篮命中率 -16414*
32、平均每场投篮命中率3SPSS：NBA 球员技术统计分析报告- 15 -【实验结果】：1数据输入与整理定义视图：2频数分析（对两人平均每场上场时间进行交叉分组下的频数分析，以球员和上场时间为变量）分析： 3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，输出两位球员的平均每场投篮命中率、平均每场三分球命中率、平均每场罚球命中率） （提示：先按 NBA 球员拆分，输出结果放在同一张表中。 ）分析： 4. 单样本 t 检验（检验科比-布莱恩特和阿伦-艾弗森平均每场犯规次数的均值是否为 2.7） （提示：先按 NBA 球员拆分，输出结果放在同一张表中。 ）分析：5两独立样本t检验（科比-布莱恩特和阿伦-艾弗森平均每场犯规次数比较）分析： 6单因素方差分析(用单因素方差分析，分别分析科比-布莱恩特和阿伦-艾弗森平均每场防守次数对平均每场得分有无显著影响)SPSS：NBA 球员技术统计分析报告- 16 -7相关分析（研究平均每场三分球命中率与平均每场得分之间是否具有较强的线性关系）分析： 8偏相关分析（以平均每场失误次数为控制变量，研究平均每场罚球命中率与平均每场得分的偏相关关系）分析： 9. 线性回归分析（用逐步筛选法找科比-布莱恩特的平均每场得分的线性回归方程）10曲线回归分析（用曲线回归分析法分析科比-布莱恩特的平均每场得分与平均每场投篮命中率之间的关系）
