基于Ologit模型的校園足球比賽成績影響因素分析

吳 鍵, 袁圣敏, 邢 瑋

(1.中國教育科學研究院 體育衛生藝術教育研究所,北京 100088;2.北京師范大學 體育與運動學院,北京 100875;3.清華大學 體育部,北京 100084)

1 問題的提出

《中國足球改革發展總體方案》和《國家中長期足球發展規劃(2016—2020年)》中指出:把校園足球改革發展納入教育綜合改革規劃,作為國家教育體制改革重點任務,抓好頂層設計,強化組織領導,創新體制機制,注重內涵發展,不斷提升質量,推動青少年校園足球工作取得階段性成果,為在新時代繼續扎實推進青少年校園足球工作奠定堅實基礎。2014年底以來,校園足球在全國范圍內的開展取得了良好效果。據中國教育科學研究院調查數據,截至2018年10月,教育部已在全國建立校園足球特色中小學2.4萬余所,校園足球試點縣(區)130余個,校園足球“滿天星”訓練營47個,經常參加足球活動的學生接近2 000萬名,初步實現了擴大足球人口的目標,為校園足球的發展構筑了牢固的基礎。然而,校園足球運動可持續發展離不開運動成績的支撐,根據比賽成績與技術能力之間的關系制訂不同年齡組別的訓練細則、方案顯得尤為重要,是促進校園足球持續、有序發展應著力研究的問題。

通過文獻溯源發現:現階段關于校園足球發展的研究主要集中于校園足球開展的現狀與對策研究、學校足球教育與管理研究、中國校園足球與外國足球發展的對比研究、青少年足球后備人才培養與可持續發展研究幾大方面。大多數研究還處于頂層設計和初步發展階段,研究者們的研究視角也多局限于校園足球文化的建設及其教育功能,研究內容與以前校園足球競賽、足球運動員的運動技能分析形成鮮明對比。校園足球運動的研究者關注的焦點從足球運動的競賽屬性和運動價值轉向文化屬性和教育功能[1]。競技屬性是足球運動發展的不竭動力,故筆者認為針對校園足球技能練習和競賽效果的研究具有較高的應用價值。現有文獻對校園足球競賽并未進行相關的效果分析,也未探討如何根據賽事結果進行針對性地反饋,并提出有效地提高校園足球賽事效果的實施方案。

基于此,本文以2016、2017年校園足球聯賽的比賽成績為基礎,遵循體育研究“從實踐中來,結合理論,再反作用于實踐”的特點,對校園足球運動員的技能測試和比賽成績進行量化分析。采集校園足球聯賽的比賽成績和足球單項技能測試(擋板傳控球、運球繞桿射門、帶球 10 m折返跑和顛球)成績,使用Stata15.1進行數據處理。具體步驟如下:① 將青少年球員所在球隊的比賽成績進行有序分層,構造有序分層變量,然后結合少年足球技術特征對4個核心解釋變量進行有序分層;② 對樣本數據進行篩選整理并進行統計特征分析;③ 利用Ologit模型對上述數據進行建模,進而采用小學組和初中組數據進行對比分析;④ 針對實證中發現的問題,對如何提高我國青少年足球成績、促進青少年足球健康發展提出建議。

2 數據與變量

2.1 數據來源以2016、2017 年中國教育科學研究院教育綜合改革試驗區青少年校園足球聯賽的比賽成績和單項足球技能測試成績為研究數據。其中,小學組球員232人,初中組球員213人,共445例個人樣本。在實證處理中,針對個別數據缺失的樣本進行了刪減,刪減后小學組217人,初中組175人,共計得到392例符合要求的個人樣本。

2.2 變量設計

2.2.1 被解釋變量 使用球員所在球隊成績排名作為被解釋變量。中學組共統計了前13名球隊的成績排名,因此將中學組第1～4名成績劃分為成績優異組,賦值為2;第5～8名劃分為成績中等組,賦值為1;第9～13名劃分為一般成績組,賦值為0。由于小學組只統計了前12名隊伍的排名,相應分別將第1～4名、第5～8名、第9～12名劃分為成績優異組、成績中等組、一般成績組,分別賦值為2、1、0。

2.2.2 核心解釋變量 本次足球技能測試共有4項,分別是擋板傳控球、運球繞桿射門、帶球10 m折返跑和顛球,其中擋板傳控球和顛球計算規定時間內完成的次數,運球繞桿射門、帶球 10 m折返跑計算完成測試項目所用的時間。本文根據青少年足球的技術特點,將這4項解釋變量劃分為分類變量(表1)。

表1 解釋變量的分類處理

注：本文技術指標打分評定標準均由中國教育科學研究院體衛藝所校園足球聯賽組委會制定,詳見2016/2017《中國教育科學研究院青少年校園足球聯賽比賽規程》

2.2.3 控制變量 (1) 人口經濟學特征。參考同類研究,本文控制了學校、年齡和戶籍因素的影響。在學校上,設置學校虛擬變量,市級以上重點學校為1,普通學校為0;在年齡上,設置初中、小學2個組別,分別賦值為1和0;戶籍上分為城市戶籍和非城市戶籍,分別取值為1和0。

(2) 其他控制變量。本文設置了球隊所在城市職業球隊個數作為控制變量,職業球隊計數取中甲、中超球隊個數分別賦值1、2,無職業球隊賦值為0。一般而言,某個城市有中甲、中超球隊,并且個數越多,經濟發展水平越好,對少年足球的重視程度越高,球員的技術可能越好。

2.3 描述性統計分析對各變量描述性統計如表2所示:本次統計共得到392個有效觀測值;被解釋變量中成績中等和成績優異的占比之和是59.95%,成績一般的占比40.05%。為了便于后文分析,本文將成績優異和成績中等的歸類為好成績,將成績一般的歸類為差成績。作為核心解釋變量的4項足球技術成績分布呈現出一定的均衡性,方差呈現出一定的穩定性,顯示出數據的良好特征。控制變量呈現學校、年齡和戶籍特征,如:重點學校占67.6%,是普通學校比例的2倍以上;在戶籍上,城市戶籍達到70.92%,是非城市戶籍的2倍以上;小學組的球員比例達到52.04%,超過初中組。這3個控制變量的方差和均值呈現出一定的協同性。城市職業球隊個數方差偏大,原因是本文對該數據未做分層處理,采用了原始數據的對數形式。在總體上,研究所用數據表現出較好的統計學特征。

3 模型設定與實證分析

3.1 模型設定由于本文因變量屬于有序類別變量,該類別變量在統計上不屬于連續變量,因此傳統的OLS回歸不再是無偏有效的估計。此時,可采用Ologit模型進行分析。Ologit模型是基于累計分布的Logit模型[2],假設因變量是賦值為1～J的定序值,那么因變量≤j與>j的累計Logit可以表示為其基本的理論模型:

(1)

式中:X表示影響青少年球隊成績排名的解釋變量,具體包含核心解釋變量和控制變量;β表示與X相對應的系數矩陣;J表示成績排名的類別集合,j∈J={1,2,3};αj表示Ologit估計的截距項。

表2 變量描述性統計結果(n=392)

值得指出的是,在Ologit估計中,系數矩陣β中每個解釋變量的系數并不代表解釋變量對被解釋變量影響的大小,而是通過計算得到式(1)中yi≤j和yi>j2種情況發生的相對比例,稱之為發生比(odds ratio,xi的系數βi轉化為發生率的公式:oddsratioi=e-βi)[3]。發生比描述的是當自變量增加一個單位時,因變量中屬于低組的發生比是臨近高組發生比的e-βi倍。 根據上述設定,本文實證方程為

β2RGSMi+β3ZFPi+β4DQi+

(2)

式中,controli代表人口經濟學特征和其他控制變量。

3.2 實證結果分析利用Stata15.1分析青少年足球運動員訓練成績與所在球隊成績排名之間的關系。由于Ologit處理的是分類變量問題,需要滿足2個前提條件:① 自變量之間不存在顯著的多重共線性;② 滿足平行線假設[4]。首先使用Donald等[5]提供的Colding 2技術檢驗了本文核心解釋變量之間的多重共線性,發現條件數為19.23,小于30,說明本文核心解釋變量之間不存在顯著的多重共線性。然后,針對原始數據進行了Brant檢驗,發現對應的P=0.09,即本文數據通過了平行線檢驗。實證結果如表3所示。模型(1)(3)(5)分別是用全樣本、小學組樣本、初中組樣本進行建模的實證結果,模型(2)(4)(6)是與模型(1)(3)(5)對應的將各解釋變量和控制變量系數換算為發生比的實證結果。

表3 Ologit 模型實證結果

注：*、**、***分別代表在10%、5%、1%置信水平上統計顯著,括號內數值為標準差,表4同此

實證模型中的Constant cut 1和2都滿足1%水平上統計顯著,即模型整體是穩健可信的。

(1) 根據模型(1)和(2),全樣本中4項單項足球技術測試成績和球隊最終排名統計上相關的只有CKQ和RGSM,二者分別在10%和1%置信水平上顯著。CKQ的系數為0.348,轉換為發生比后為0.706,即在全樣本中,CKQ成績更好的運動員所在的球隊獲得一般成績和好成績(包括中等和優異,下同)的發生比是70.6%。這說明CKQ成績更好的運動員所在球隊獲得好成績的概率比獲得差成績的概率高29.4%。這意味著CKQ成績越好,球隊獲得好成績的概率越高,即球員CKQ成績與球隊成績呈現出顯著的正相關性。同樣,RGSM的系數為0.091,對應的發生比為0.913,說明RGSM成績更好的運動員所在的球隊獲得一般成績和獲得好成績的發生比是91.3%。這說明RGSM成績更好的運動員所在球隊獲得好成績的概率比獲得差成績的概率高8.7%。這意味著RGSM成績越好,球隊獲得好成績的概率越高,即球員RGSM成績和球隊成績呈現出顯著的正相關性。需要指出的是,雖然CKQ與RGSM 2種技術水平同樣和球隊成績呈現正相關,但是CKQ技術好的隊員所在球隊獲得好成績的概率更高,即CKQ技術對球隊成績影響更大。

事實上,RGSM和CKQ都是足球體育運動員的基本功,這2項基本功的優劣往往決定了運動員在球場上關鍵時刻的表現。RGSM的水平高低決定了球員射門時的精準度,CKQ決定了球員在比賽時的球隊協作能力,這2項基本功的扎實程度在很大程度上決定了球隊的成績表現。因此,實證結果展現出的RGSM和CKQ基本功越好,球隊獲得好成績的概率就越高的結果具有可信度和指導意義。

(2) 在模型(1)和(2)中,ZFP和DQ對球隊成績的影響不顯著,說明這2項技術在影響球隊最終成績上的效果不夠明顯。需要指出的是:DQ的發生比是0.657,說明DQ成績更好的隊員所在球隊獲得差成績和好成績的發生比是65.7%,即DQ成績更好的運動員所在球隊獲得好成績的概率比獲得差成績的概率高34.3%。雖然不顯著,但至少在實證上呈現二者的正相關性。ZFP的發生比是1.233,說明ZFP成績更好的球員所在球隊獲得差成績比獲得好成績的概率高23.3%,即ZFP成績與球隊成績呈現出潛在的負相關性。

(3) 在模型(1)和(2)的4個控制變量中,學校、職業球隊個數和年齡分別在1%、5%、10%的置信水平上顯著,但戶籍統計上不顯著。在控制其他變量后學校變量的系數是0.292,對應的發生比是0.969,這意味著如果球員來自重點學校,球隊獲得差成績和好成績的概率比為96.9%,即球員為重點學校球隊時成績更好的概率高出3.1%。這一方面說明了重點學校球隊的成績可能好于普通學校球隊,另一方面也說明了重點學校球員可能擁有更好的訓練場地及訓練條件,有助于提高球隊的成績。所在城市職業球隊個數的系數為0.036,對應的發生比是0.965,說明球員所在城市的職業球隊較多,球員所在球隊獲得差成績和好成績的概率比是96.5%,即球員所在城市職業球隊較多,球員所在球隊獲得好成績的概率比獲得差成績的概率高3.5%。這說明城市的足球氛圍越濃厚,越有助于球隊獲得更好的成績。年齡系數為0.574,對應的發生比是0.563,與小學生相比,中學生所在球隊獲得差成績和好成績的概率比是56.3%,即中學生球隊獲得好成績的概率要比獲得差成績的概率高43.7%。這意味著中學組和小學組需要分開討論。

(4) 模型(3)和(4)是用小學組數據實證得出的結果。與全樣本不一致的情況有:① CKQ和RGSM 2個核心解釋變量分別在5%和1%置信水平上顯著,且其發生比分別為0.862和0.452,說明小學組里球員的CKQ和RGSM技術較好,球員所在球隊獲得好成績的概率比獲得差成績的概率分別高出13.8%和54.8%。即在小學組里,與CKQ技術相比,RGSM技術對球隊獲得好成績概率的提高更有幫助。② ZFP由不顯著變得顯著,系數為-0.054,對應的發生比為1.055,說明ZFP技術較好的球員所在球隊獲得差成績和好成績的概率比是1.055,即比獲得差成績的概率高5.5%。這說明ZFP可能并不是一項較好的測度小學球員足球技術的測試項目。折返跑需要高速沖刺,多來回測試,是一項驗證球員能力關鍵指標,世界各國都在采用。然而,由于小學生處于身體發育期,采用該項測試的成績普遍偏低,即使是相對較好的成績也不能完全反映球場上的成績。另外,本文的研究對象中的中小學生,技能水平差異性不大,后續還將在實證的基礎上考察哪些測試項目符合中國中小學青少年校園足球運動員的特色。③ 學校因素不顯著,而戶籍因素顯著。學校不顯著說明了在小學組里學校并不是有效的影響球隊排名的因素,即小學組里重點小學和普通小學并未顯示出統計學上顯著的成績差異。戶籍因素對應的發生比是1.004,說明城市戶籍球員所在球隊獲得差成績與好成績的概率比是1.004,即城市戶籍球員所在球隊獲得差成績的概率高出4%。這說明非城市戶籍的球員可能付出的努力更多,對球隊獲得好成績的幫助更大。

(5) 模型(5)和模型(6)是利用初中組數據建模的結果。與全樣本相比,初中組顯示出2項顯著差異:① DQ因素變得顯著,其系數為0.045,對應的發生比是0.956。說明在初中組里DQ技術較好的球員所在球隊獲得好成績的概率比獲得差成績的概率高出4.4%。② 與全樣本相比學校因素變得顯著,但是其發生比是0.954,說明在初中組里,與普通學校球員相比,重點學校球員所在球隊獲得好成績的概率比獲得差成績的概率高出4.6%。

需要進一步說明的是,DQ技術在全樣本和小學組均不顯著,但是在初中組顯著,并且在初中組表現出DQ技術越高,球隊獲得好成績的概率越大的正相關性。可能的原因是:① 由于小學組中DQ技術不顯著導致了全樣本的非顯著性,分開觀測后,初中組表現出顯著性;② DQ可能與組別要求高度相關,小學組的要求更低,其整體技術水平弱于初中組,該技術在比賽中對比賽成績的影響弱于初中組,以至于在統計上表現出了非顯著性;③ 即使在初中組,DQ技術好的球員所在球隊獲得好成績的概率比獲得差成績的概率僅高4.4%,但是初中組CKQ的概率發生比為0.804,RGSM的概率發生比為0.896,這意味著CKQ和RGSM技術較好的球員所在球隊獲得好成績比獲得差成績的概率分別高19.6%和10.4%。在同一模型中,該數據遠大于DQ的差額概率,說明在初中組,對球隊好成績影響從大到小依次是CKQ、RGSM和DQ。

3.3 穩健性檢驗① 本文將被解釋變量重新分組為成績好(=1)和成績差(=0)2組,成績好的都各取前6名,中學組成績差的取第7～13名,小學組成績差的取第7～12名。重新進行Ologit回歸,得出的結論基本一致。② 根據Treman的觀點,如果被解釋變量為有序類別變量,可將其視為間距變量并采用OLS回歸估計。如OLS和Ologit結果類似,則采用OLS可能更為簡單也更容易解釋。故本文采用了OLS估計進行了穩健性檢驗的結果與Ologit結果幾乎一致。上述結果見表4。

4 結論與建議

采用Ologit模型對影響我國青少年足球成績的因素進行實證建模分析,結果顯示:4項關鍵技術中擋板傳控球和運動繞桿射門是影響球員所在球隊成績的關鍵因素,其中擋板傳控球技術對球隊成績影響更大;帶球10 m折返跑和顛球技術對球隊成績的影響并不存在統計學上的顯著性;初中組球員顛球技術與球隊成績呈現顯著正相關關系,但小學組和全樣本中并未表現出該特征。基于上述研究結論,為提高我國青少年足球成績,促進我國青少年足球的健康發展,本文提出如下政策建議。

表4 穩健性檢驗結果

(1) 設計并優化適合不同年齡段青少年的足球訓練計劃,進一步加強青少年足球基本功訓練。通過對中國教育科學研究院試驗區校園足球聯賽成績與足球基本運動技能的相關分析,可以看出:校園足球培養體系的構建必須依賴年齡劃分區別對待,不同年齡階段的孩子適用于不同類別的足球運動訓練方法。通過對小學組的數據分析可以看出:小學階段球感的培養,控球能力的培養最重要,對于在比賽中獲勝至關重要,他們的單人技能已經達到一定水平,且無較大的區分度。所以,應該在具體的教學訓練中更多地以雙人合作控球或小組配合的方式提升孩子對足球運動的興趣。建議在未來的小學高年級足球訓練中加大團隊游戲類的傳控球技能訓練,提升學生對于足球的感覺、感知、感受能力。

從中學階段測試數據的反饋看,這一階段學生不同身體條件的差異開始顯現出來,這一先天的優勢必須客觀承認,球隊中出現能力突出的球員對于球隊的整體成績有明顯的提高作用[6],這也是球隊中“超級球星”的作用。在實際的比賽中,具有速度、力量、技術之一或多項優勢的明星球員對于球隊的成績表現至關重要。建議在未來的中學足球體育教學中,有針對性地根據學生身體條件確定球員場上的位置,再根據不同位置進行差別化比較,之后再反饋到球隊成績層面,進行更有針對性的訓練。另外,在我國中小學教育體制下,小學階段多數家長愿意培養孩子形成體育愛好以鍛煉身體,愿意讓孩子花時間進行足球練習,能夠選材的樣本數量遠多于課業升學壓力增大之后的初中階段。因為初中階段球員選材的數量有限,故整體球感的反映靈敏度并未在相應年齡階段明顯增加,這一年齡階段也正是中國與世界足球先進國家足球水平拉開差距的關鍵階段,必須引起高度重視。

(2) 通過政策設計提升城市足球氛圍,科學發揮其正外部性。根據實證結論,城市職業球隊越多,觀測對象所在球隊獲得好成績的概率越高,這說明城市足球氛圍具有良好的正外部性,提高城市足球氛圍有助于提高球隊的比賽成績。為此,政府應該從如下3個方面入手:① 進一步加大足球設施和足球場地的供給力度,爭取讓足球場地進社區,讓足球運動進小區,同時可酌情考慮通過民間融資和招商引資推進足球普及化;② 政府應積極配合各種足球民間組織的相關活動,進一步推進城市足球運動的文化氛圍;③ 政府應進一步深化足球體育制度改革,打破傳統僵化思維的束縛,將現代化管理理念引進足球宏觀管理中,實現足球管理的績效提升[7]。

(3) 科學全面地定位校園足球,優化評價導向作用。新時期校園足球的發展是一項復雜的系統工程,被時代賦予了更多的教育功能。校園足球聯賽常態化的開展并不是要用競技思維走“錦標主義”的老路,但也不能完全忽視足球運動競技性的客觀存在。利用常態化的校園比賽整體提升學生參與運動比賽的積極性,創造更好的校園運動環境,讓更多的學生有機會參與運動競賽,進而通過實戰的成績分析不同技能考核的標準,以技能評價引導學生的個人技能發展,發揮科學導向作用。具體而言,小學階段足球基本功的培養對深化整體校園足球的教學、訓練、比賽有基礎性的作用,而初中階段更加突出實戰的作用,提升球員臨場發揮能力和個人比賽素質。競賽的作用正是讓學習的運動技能不斷內化為自身的運動技能,而不是停留在動作技能階段。

綜合以上,本文利用Ologit模型分析了青少年球員技術成績與球隊成績之間的關系,發現不同年齡和組別的球員表現出不完全一致的特征,這對指導我國青少年足球訓練具有一定意義。在本文基礎上,后續研究應重點探討如何構建動態化的賽事結果分析反饋機制并優化其實施方案。