龙舟运动员陆上专项力量与划水功率因子回归分析

（广西民族大学体育与健康科学学院，广西 南宁 530006）

摘 要： 针对目前大学高水平龙舟项目的训练特点，对龙舟陆上专项力量训练特征与划水效果 的关系进行探讨，采用因子分析法提取陆上专项力量共性因子，建立划水功率和共性因子回 归模型，结果：回归方程决定系数R=0.849，显著性概率P（Sig.=0.00）＜0.01，表明 回归方程与观察值之间的拟合优度很好,具有较好的实用性和操作性。因子回归模型为十四 届全国龙舟锦标赛赛前训练控制和比赛成绩的预测提供训练理论依据。

关键词：龙舟运动；专项力量；训练控制；因子回归模型

中图分类号：GG61.419 文献标识码：A 文章编 号：1007-3612(2009)03-0139-03

A Factor Regression Analysis on Dragonboat Paddlers' Special S trength on Land and Paddling Power HE Jiangchuan, YANG Fang

(School of Sports and Health, Guangxi University for Nationalit ies, Nanning 530006, Guangxi China)

Abstract: This paper explores the relationship between characters of special str ength on land of dragonboat and paddling power according to the top dragonbo at training traits in colleges. By the method of factor analysis, the authors pick the common factors of special strength, and build factor regression models of p addling power and common factors. The results show that regression formula coeff icient R=0.894 and significance probability P (Sig.=0.00)

Key words: dragonboat; special strength; training control; factor regr ession model

本文针对龙舟项目的专项特点，对陆上专项力量训练项目特征与划水效果的 关系进行探讨 ，采用因子分析法从专项力量项目提取影响划水功率（运动成绩）的共性因子，解释共性因 子的含义，建立划水功率和共性因子回归模型，以期达到对运动训练负荷的有效控制和比赛 成绩的预测。

1 研究对象与方法

1.1 研究对象 广西民族大学高水平龙舟队24名女队员，训 练年限均为1～3 a，平均年龄20岁，平均身高1.62 m。近期成绩：2007年11月第八届全国民 族运动会龙舟比赛女子组500 m、800 m第3名；2008年6月第十四届全国龙舟锦标赛女子组25 0 m、500 m第2名；2008年6月第二届全国大学生龙舟锦标赛女子组500 m第4名。

1.2 研究方法

1.2.1 测试时间 运动员每周训练6次（其中水上训练4次、陆上 专项力量训练2次），样本测试时间为大赛前10天即2007年10月25日。

1.2.2 测试指标及方法

划水效果（每浆平均功率）测试与评价采用中国赛艇队的功率评价计算方法；8个专项力量 测试项目为2 min20 kg卧拉（次）、25 kg卧推（次）、俯卧撑（次）、800 m/s、40 kg负 重下蹲（次）、50 kg卧蹬腿（次）、30 kg拉铃高翻（次）、15 kg前屈伸（次）采用体育 测量法进行测试法。

1.2.3 数据统计法 数据由第一作者在SPSS13.0软件包上处理统 计。

2 陆上专项力量共性因子分析

为了便于观测样本的基本情况，对广西民族大学高水平女子龙舟队2007年11月测试9项原始 测试指标进行描述统计(表1)。 表1 广西民族大学女子龙舟队2007年11月测试指标描述统计分析结果

样本的巴特莱特球度检验(Bartlett.sTest)，从检验整个相关矩阵出发,其零假设为相关矩 阵是单位阵,如果不能拒绝该假设的话,应该重新考虑因子分析的使用。取样适当性的Kaiser -Meyer-Olkin度量(KMO)是用于衡量一组变量的相关程度的,其值介于0～1之间,当整体上偏 相关系数平方和相对于相关系数平方和较小时,KMO值接近于1,表明观测变量适合作因子分析 ,反之,则不适合作因子分析。样本经机输出，巴特莱特球度检验结果见表2。

从表1看,8项陆上专项力量指标之间相关性比较高,其中有28个相关系数P＜0.01具有高度 相 关，13个相关系数P＜0.05，指标两两间具有相关性高达83.6%。指标之间有一定的相关性 ,是主成分分析的前提条件。为了解决多重共线性问题,采用降维思想，从8项专项力量寻找2 ～3个具有共同影响划水效果（功率）的主要因素（因子）来分清哪些专项力量训练组合 对划水效果影响程度，利于训练科学合理安排。 经对测试数据主成分分析,计算得出特征值 ，因子贡献率和累计贡献率(表4)，碎石图（图1）及成份载荷矩阵(表5)。

都 比较低，该图从一个侧面说明只需提取3个因子即可。从表4知前2个共性影响因子的特征值 ＞1，累计贡献率72.8%，为了尽可能提取更多的原指标信息，第3个共性影响因子的特征 值≈1，前3个共性因子累计贡献率为83%，后面的特征值太小，再多取几个因子效果也不大 ，所以取前3个因子。综合表4、图1看到，影响龙舟运动员划水功率是由3个主要因素（共性 因子）构成，这3个因子各代表什么含义，又代表什么训练特点。为了进一步了解3个共性因 子的含义，3个共性因子与8项专项力量项目经方差最大正交旋转后得因子载荷矩阵，结果见 表5。

旋转后的因子对应的载荷矩阵称为旋转后的因子载荷矩阵。表5给出3个共性因子与8个专项 力量项目的载荷，这些载荷也恰好是它们的相关系数。通过相关系数可以了解专项力量与因 子之间的依赖程度，如卧蹬腿、拉铃高翻、负重下蹲与第1共性因子具有高度相关，系数＞0 .8，而恰好这3项专项力量是反映运动员上下肢用力的协调性和力量，对获得好比赛成绩有 着积极作用。因此，在表5可以粗略反映运动员在比赛中一些现象，如：在比赛中感觉在途 中、冲刺两臂发软，前支撑腿发酸无力，躯干无法类似弹簧那样前后拉伸，划水用力顺序与 下肢蹬伸发力不协调，造成冲刺无力。至于每个共性因子的含义是什么，它具有何种特性， 或者是它反映运动员一种什么样的运动能力？为了获得更多因子的含义，在旋转后的因子载 荷矩阵基础上，计算每个运动员的因子系数，也就是共性因子的得分，通过系数的大小来解 释因子含义。经输出得因子得分系数矩阵（表6）和旋转空间因子图（图2）。

从图2可以看出第1共性因子支配负重下蹲、卧蹬腿 、拉铃高翻、卧拉，是反映上下肢、躯 干合力协调划水的组合；是龙舟获得有效动力的决定性因素；是运动成绩好坏的关键。因此 ，第1共性因子的含义可以解释为主要划水肌肉协调能力；第2共性因子支配俯卧撑、前屈伸 是主要反映肱三头肌工作能力，在一个技术动作周期负责向前移臂推浆，在稳定动作基 础上获得有效的（浆）入水角度和拉水距离起着积极作用，所以，第2共性因子可以解释为 推浆速度能力。第3共性因子支配卧推、800 m，其工作的肌肉主要是胸大肌、三角肌、肱三 头肌 ，在一个动作周期中积极参与上肢上提下压动作。所以说胸大肌、三角肌的力量是能 使 技术动作长期稳定发挥最大拉水动力的有力保证。而800 m则反映运动员心肺机能，是运动 员有氧代谢能力的反映，为此，第3共性因子可以解释为肌肉持久稳定工作能力。

基于对上述的陆上专项力量因子分析,得到了3个共性因子。为了解一个动作周期的划水功率 与3个共性因子之间存在某种线性关系，利用回归分析方法建立回归方程。

依据上述3个因子得分标准化线性组合估计式计算24名运动员因子得分，并与划水功率（瓦 ）进行回归分析，经运算输出得拟合优度分析表（表7）；方差分析表（表8）。

在回归分析中，拟合程度R是衡量所配曲线拟合原始数据效果好坏的指标，越接近1说明散点 与回归直线的拟合程度效果越好。从表7看到回归方程的决定系数R=0.849，说明回归方程 与观察值之间的拟合优度很好,该回归方程具有较好的实用性。另外，表8是回归系数的显著 性检验，表中回归方程的显著性概率P（Sig.=0.00）＜0.01，说明回归方程非常有意义和 显著。

综合上述对回归方程的拟合优度分析和方差分析，认为可以建立龙舟划水功率关于划水 肌肉协调能力、推浆速度能力、肌肉持久稳定工作能力的回归方程。经运算输出得回归系数 分析情况（表9）。

4 结 论

1） 影响龙舟划水效果（功率）的第1因子为划水肌肉协调能力：是负重下蹲、卧 蹬腿 、拉铃高翻、卧拉等素质的反映。目前龙舟技术已日趋成熟，改进空间不大，以技术 取胜逐渐向发展运动员高专项力量素质取胜过渡，运动员具有良好的划水肌肉协调能力，是 龙舟获得有效动力的决定性因素、是提高运动成绩好坏的关键。第2因子为推浆速度能力， 运动员的推浆速度能力是维持长时间稳定划水节奏、完成比赛战术起着决定性因素。第3因 子为肌肉持久稳定工作能力，良好的肌肉工作能力是最大限度发挥第一因子的有力保障。

2） 影响龙舟划水效果（功率）与3个因子的回归方程，决定系数R=0.849，方程的显著性 概率P（Sig.=0.00）＜0.01，说明回归方程与观察值之间的拟合优度很好,具有较好的实 用性，回归方程非常有意义和显著。

3） 因子分析方法，即用较少的综合变量进行回归,使问题简化。高校的高水平龙舟训练是 一种简便的研究方法。

参考文献：

［1］ 李志辉，等.SPSS统计分析教程［M］.北京：电子工业出版社，2005，2：36 6-376.

［2］ 郑晓鸿.高水平运动员年度训练周期的项群特征［M］.北京：北京体育大学出版社，2 007，1.

［3］ 廖学文.用统计分析方法探讨西部区县旅游业的发展［J］.数理统计与管理，2007（2 ）:252-255.

［4］ 马勇，郑伟涛.赛艇运动员力量耐力训练的测试分析［J］.山东体育学院学报，2008 （3）：60-62.

［5］ 吴昊，刘爱杰，黎健冰.专项功率评价与赛艇水陆训练强度统一的研究［J］.山东体 育学院学报，2004（5）：44-47.

［6］ 李忠平.赛艇运动员陆上专项力量耐力训练方法探讨［J］.安徽体育科技，2003（4） ：45-46.第32卷 第3期