江苏省南通市青少年击剑运动员身体形态、身体素质与专项成绩的关系分析

【摘要】：研究背景:当1955年前苏联专家赫鲁晓娃将击剑引入中国后,近六十年的时间里,击剑项目在我国得到了长足的发展。击剑项目的选材也逐渐进入人们的视野,近年来得到了越来越多的关注和重视。身体形态和身体素质是早期选材的基础与保障,是影响未来比赛成绩的重要因素,深刻地影响着击剑运动员的职业生涯。南通作为江苏省乃至全国的击剑强市,正面临着选材难的困境。研究目的:将江苏省南通市击剑队运动员的身体形态、身体素质指标与运动员在比赛中的专项成绩建立关系,从身体形态多项指标中找出与专项成绩分组最相关最重要的两个指标,试图建立起根据少数身体形态指标进行专项成绩分组的方法,用于预测击剑运动员的专项成绩。运用5年的身体形态、身体素质各指标的追踪数据,试图寻找出可以应用于实际选材的量化指标。研究方法:收集南通市青少年击剑队89名受试者,2010年8月至2014年3月连续5年的身体形态数据(身高、体重、指距、肩宽、下肢长B、小腿长、跟腱长、踝围、上肢长、上臂围、足高、胸宽、BMI)、身体素质数据(100m跑时间、800m跑时间、立定跳远距离、1min双摇跳绳次数),以及在比赛(江苏省冠军赛、江苏省运动会、全国青少年击剑锦标赛)中的专项成绩数据,运用判别分析、描述性分析和单因素方差分析等统计学分析方法,建立身体形态指标与运动员在比赛中的专项成绩之间的关系,以及找到实际选材的量化指标数据。判别分析是一种进行统计判别和分类的统计手段。在对受试个体进行分类的过程中,事先明确受试个体可以分为几类(本研究以专项成绩为标准分为专项成绩1、2、3组),以及每个个体所属的类别。根据一定数量(89名击剑运动员)的受试个体,其一个分类变量和相对应的其他多元变量(自变量,本研究中的身体形态指标)的已知信息,确定此分类变量(专项成绩1、2、3组)与其他多元变量(自变量,身体形态指标)之间的数量关系。找出可以用于构建判别函数的两种自变量,从而建立判别函数,包括概率判别函数和非标准化典型判别函数。利用非标准化典型判别函数构建Biplot二元判别图,使用概率函数进行分组验证,输出正确判断率。此种分析方法可以对事先的分类方法进行统计学验证,同时,概率判别函数可以用于对未知分类的新个体进行判别分类。运用描述性分析和单因素方差分析对5年的跟踪数据进行分组分析,分析总体和专项成绩最好的组别内运动员各指标的发展趋势,找出可以用于实际选材的量化指标数据。研究结果:将数据代入SPSS 18.0,应用判别分析,输出结果如下:Fisher线性判别函数(概率函数)为:Y1=-169.582-1.876*体重(kg)+18.669*胸宽(cm)Y2=-178.816-1.867*体重(kg)+19.042*胸宽(cm)Y3=-167.399-1.608*体重(kg)+17.944*胸宽(cm)其中,Y1代表进入专项成绩1组的概率,Y2代表进入专项成绩2组的概率,Y3代表进入专项成绩3组的概率。将每个个体的体重和胸宽数据分别带至上述三个公式中,得到的Y1、Y2、Y3值越高,说明进入该组的概率越高,则可以判别此个体属于三个数值中最大的那个数值所代表的分组。带入判别函数计算后,事先分类的专项成绩1组共19名受试运动员中,有11名仍在专项成绩1组,正确判别率为11/19=57.9%;事先分类的专项成绩2组共44名受试运动员中,有22名仍在专项成绩2组,正确判别率为50%;事先分类的专项成绩3组共26名受试运动员中,有20名通过计算仍落在专项成绩3组中,正确判别率20/26=76.9%。因此,总正确判别率(11+22+20)/89=59.6%,高于50%,判别分析验证此分组方法方法正确。根据体重和胸宽两个指标进行专项成绩分类,用于已参加过比赛有专项成绩的运动员分类,正确判别率高于50%,说明此分组分析方法可行,进一步是应用此函数对未进行比赛获得专项成绩的运动员根据体重和胸宽两个指标进行预测,估计正确率高于50%。可以利用此分组方法,运用5年的追踪数据,从成绩最好的专项成绩3组的描述性分析和单因素方差分析结果中找到,男受试运动员的身高、指距、肩宽、小腿长、1min双摇跳绳、100m的均数,以及女受试运动员的身高、体重、BMI、肩宽、跟腱长、1min双摇跳绳的均数在后半段时间点上均出现了平台期。研究结论:1.身体形态中的体重和胸宽两个指标与专项成绩关系最大。提示运动员的体重、胸宽数据可以用于击剑项目运动员的专项成绩预测。2.比赛成绩最好的专项成绩3组,各阶段各指标均数优于总体水平,提示部分指标可以作为选材的参考量化指标数据。