(精品論文)nba球員綜合能力的統(tǒng)計(jì)分析 論文

本科畢業(yè)論文NBA球員綜合能力的統(tǒng)計(jì)分析摘 要:本文利用多元統(tǒng)計(jì)分析的相關(guān)知識(shí)對(duì)NBA 球員綜合能力進(jìn)行聚類(lèi)，因子等分析，從而給出球員綜合能力的評(píng)價(jià)并向球員提供一些關(guān)于提高籃球綜合水平的建設(shè)性意見(jiàn). 進(jìn)而給球隊(duì)經(jīng)理等高層對(duì)球員交易及球隊(duì)管理一些意見(jiàn)、建議，以提高球隊(duì)的水平. 模型結(jié)果表明球員綜合能力主要體現(xiàn)在進(jìn)攻端和防守端的能力，所在球隊(duì)的戰(zhàn)績(jī).關(guān)鍵詞:聚類(lèi)分析; 因子分析; MVP1引言在NBA中對(duì)球員綜合能力的評(píng)價(jià)是聯(lián)盟，球隊(duì)管理高層，球迷等人非常關(guān)心的一件事.聯(lián)盟利用各種各樣的獎(jiǎng)項(xiàng)來(lái)評(píng)價(jià)球員的素質(zhì)，比如常規(guī)賽MVP，最佳新人，進(jìn)步最快球員，最佳防守球員等等，但是這些指標(biāo)都不能完全體現(xiàn)一個(gè)球員的綜合素質(zhì)；而且這些獎(jiǎng)項(xiàng)是由美國(guó)國(guó)內(nèi)資深體育評(píng)論員、體育記者及NBA 技術(shù)官員投票選舉產(chǎn)生的，人為的因素不可忽略，同樣缺乏一套科學(xué)而嚴(yán)謹(jǐn)?shù)脑u(píng)選體系. 在NBA 賽場(chǎng)上，臨場(chǎng)技術(shù)統(tǒng)計(jì)的單項(xiàng)技術(shù)指標(biāo)能從一個(gè)側(cè)面反映一位籃球運(yùn)動(dòng)員的比賽能力. 但是，其單一性和局限性決定了它無(wú)法對(duì)籃球運(yùn)動(dòng)員的比賽能力給與客觀的綜合的評(píng)價(jià). 本文就利用多元統(tǒng)計(jì)的相關(guān)知識(shí)給出球員綜合素質(zhì)的評(píng)價(jià)，以及相關(guān)指標(biāo).MVP（Most Valuable Player）是衡量一個(gè)球員價(jià)值的體現(xiàn)，往往體現(xiàn)了球員的各方面的素質(zhì). 此獎(jiǎng)項(xiàng)以NBA第一任主席莫里斯.波多洛夫命名，NBA最有價(jià)值球員MVP獎(jiǎng)杯叫做“莫里斯.波多洛夫杯”. 從1955-1956賽季開(kāi)始評(píng)選，在1979-1980賽季以前由球員投票產(chǎn)生，1980-1981賽季開(kāi)始由體育記者和電視評(píng)論員投票產(chǎn)生. MVP評(píng)選標(biāo)準(zhǔn)最重要的3點(diǎn)：1.率領(lǐng)球隊(duì)取得好成績(jī)；2.身為球隊(duì)的核心作用要立竿見(jiàn)影；3.能夠使隊(duì)友變得更好.無(wú)論是常規(guī)賽MVP還是總決賽MVP，對(duì)球員來(lái)說(shuō)都是一個(gè)最好的嘉獎(jiǎng)，都是一個(gè)至高的榮譽(yù)，是很有意義的一個(gè)獎(jiǎng)項(xiàng). 然而在資格人員的評(píng)選的過(guò)程中，雖然參考了很多表面的數(shù)據(jù)，但是總會(huì)避免不了人為因素，本文就是借助多元統(tǒng)計(jì)分析方法（聚類(lèi)分析，因子分析）客觀的評(píng)選出誰(shuí)才是最合適的MVP. 借助多元統(tǒng)計(jì)分析評(píng)選出MVP和評(píng)選出其他獎(jiǎng)項(xiàng)（最佳新人，進(jìn)步最快球員，最佳防守等等）在分析過(guò)程上基本上是一致的，只是衡量的指標(biāo)不一樣，本文僅介紹MVP的評(píng)選過(guò)程.2 聚類(lèi)分析與因子分析的基本思想及方法由歷史數(shù)據(jù)以及相關(guān)經(jīng)驗(yàn)，MVP獎(jiǎng)的得主必定是躋身季后賽16支球隊(duì)的一員（新秀除外），而且是這16支球隊(duì)中的佼佼者，領(lǐng)軍人物. 本文對(duì)2008-2009 NBA常規(guī)賽16支進(jìn)入季后賽的球隊(duì)的領(lǐng)軍人物的數(shù)據(jù)進(jìn)行聚類(lèi)分析和因子分析，以得到最終的MVP. 下面介紹聚類(lèi)分析和因子分析的基本思想和方法.2.1 聚類(lèi)分析的基本思想由于樣品之間往往存在程度不同的相似性，因此在此基礎(chǔ)上可以具體找出一些能夠度量樣品之間相似程度的度量值，并按相似程度的大小分類(lèi):關(guān)系密切的類(lèi)聚集到一個(gè)小的分類(lèi)單位，關(guān)系疏遠(yuǎn)的類(lèi)聚集到一個(gè)大的分類(lèi)單位，直至所有的樣品都聚集完畢，把不同的類(lèi)型一一劃分出來(lái)，形成一個(gè)親疏關(guān)系譜系圖，以更直觀地顯示分類(lèi)對(duì)象.2.2聚類(lèi)分析的方法聚類(lèi)分析的內(nèi)容十分豐富，按其聚類(lèi)的方法可分為以下幾種:系統(tǒng)聚類(lèi)法、調(diào)優(yōu)法（動(dòng)態(tài)聚類(lèi)法）、最優(yōu)分割法、模糊聚類(lèi)法、圖論聚類(lèi)法、聚類(lèi)預(yù)報(bào)法等.聚類(lèi)分析根據(jù)分類(lèi)對(duì)象的不同又分為型和型兩大類(lèi)，型是對(duì)指標(biāo)進(jìn)分類(lèi)，型是對(duì)樣品進(jìn)行分類(lèi).2.3因子分析的基本思想因子分析是多元統(tǒng)計(jì)分析中降維的一種方法，因子分析是研究相關(guān)陣或協(xié)方差的內(nèi)部依賴(lài)關(guān)系，將多個(gè)變量綜合為少數(shù)幾個(gè)因子，以再現(xiàn)原始變量與因子之間的相關(guān)關(guān)系.2.4 因子分析的方法因子分析需要構(gòu)造因子模型，因子模型包括因子載荷，變量共同度，公共因子. 因子載荷就是第個(gè)變量和第個(gè)公共因子的相關(guān)系數(shù)；變量共同度反映變量對(duì)公共因子依賴(lài)的程度；公共因子方差貢獻(xiàn)表示衡量第個(gè)公共因子相對(duì)重要性的指標(biāo).2.5 因子分析的前提條件因子分析的目的是從眾多的原有變量中綜合出少數(shù)具有代表性的因子，這就必須有一個(gè)潛在的前提條件，即原有變量之間具有較強(qiáng)的相關(guān)關(guān)系，運(yùn)用以下兩種方法檢驗(yàn):(1) 巴特利特球度檢驗(yàn)（Bartlett test of sphericity）. 巴特利特球度檢驗(yàn)以原有變量的相關(guān)系數(shù)矩陣為出發(fā)點(diǎn)，其原假設(shè)為:相關(guān)系數(shù)矩陣是單位陣. 巴特利特球度檢驗(yàn)的檢驗(yàn)統(tǒng)計(jì)量是根據(jù)相關(guān)系數(shù)矩陣的行列式計(jì)算得到，如果該統(tǒng)計(jì)量的觀測(cè)值比較大，且對(duì)應(yīng)的概率P-值小于給定的顯著性水平，則應(yīng)拒絕原假設(shè)，認(rèn)為原有變量適合作因子分析，反之認(rèn)為不適合作因子分析.(2) KMO檢驗(yàn). KMO檢驗(yàn)統(tǒng)計(jì)量是用于比較變量間簡(jiǎn)單相關(guān)系數(shù)和偏相關(guān)系數(shù)的指標(biāo)，KMO統(tǒng)計(jì)量的取值在之間，當(dāng)所有變量間的簡(jiǎn)單相關(guān)系數(shù)平方和遠(yuǎn)遠(yuǎn)大于偏相關(guān)系數(shù)的平方和時(shí)，KMO值接近1，意味著變量間的相關(guān)性強(qiáng)，原有變量越適合作因子分析，反之KMO值接近0，不適合作因子分析. 常用的度量標(biāo)準(zhǔn)為:0.9以上表示非常適合；0.8-0.9適合；0.7-0.8一般；0.6-0.7不太適合；0.5以下極不適合.3 系統(tǒng)聚類(lèi)法的步驟在本文中，選用聚類(lèi)分析的方法是系統(tǒng)聚類(lèi)法.(0) 數(shù)據(jù)變換.(1) 計(jì)算個(gè)樣品兩兩間的距離，得樣品間的距離矩陣.(2) 初始個(gè)樣品各自構(gòu)成一類(lèi)，類(lèi)的個(gè)數(shù)，第類(lèi).(3) 對(duì)步驟得到的距離矩陣，合并類(lèi)間距離最小的兩類(lèi)為一新類(lèi).(4) 計(jì)算新類(lèi)與其他類(lèi)的距離，得到新的距離矩陣.(5) 畫(huà)譜系聚類(lèi)圖.(6) 決定分類(lèi)的個(gè)數(shù)及各類(lèi)的成員.4 數(shù)據(jù)資料及其解釋表1 2008-2009NBA常規(guī)賽球員數(shù)據(jù)表 變量球員X1X2X3X4X5X6X7X8X9L.James 37.728.448.97.577.251.691.152.980.81M.Williams 3517.846.73.444.060.81P.Pierce 37.520.545.75.643.630.990.332.810.756R.Allen 36.418.2483.522.760.86D.Howard 35.720.657.213.841.420.972.923.040.72J.Johnson 39.521.443.74.385.761.060.242.470.57D.Wade 38.647.462.191.343.440.52A.Iguodala 39.918.847.35.745.291.60.442.710.5B.Gordon 36.620.745.53.453.40.870.272.440.5R.Hamilton 3418.280.453.094.430.60.061.990.47KBryant 36.126.871.460.452.560.79P.Gasol 3718.956.79.633.510.6411.940.79C.Pillups 35.317.741.82.976.350.66C.Anthony 34.522.844.36.823.361.140.363.020.66T.Parke 34.1290.930.062.580.66T.Duncan 33.619.350.410.673.520.511.682.20.66B.Roy 37.222.6484.781.950.66M.Yao 33.619.754.89.881.780.393.043.340.65D.Nowitzki 37.725.947.98.412.430.750.781.940.61C.Paul 38.522.850.35.5411.042.770.132.960.6D.Williams 36.819.440.472.8710.661.070.293.350.59其中，9 個(gè)變量分別為-上場(chǎng)時(shí)間，-得分，-命中率，-籃板，-助攻，-搶斷，-蓋帽，-失誤，-球隊(duì)勝率. 以上球員都是16支進(jìn)入季后賽的球隊(duì)的領(lǐng)軍人物（此數(shù)據(jù)來(lái)自于NBA 官方網(wǎng)站http:/NBA./），首先可以通過(guò)means過(guò)程對(duì)各變量進(jìn)行整體描述，以下是means過(guò)程得到變量的五個(gè)基本統(tǒng)計(jì)量: 表2 變量的五個(gè)描述統(tǒng)計(jì)量（Descriptive Statistics）NMinimumMaximumMeanStd. DeviationX12133.6039.9036.44291.88350X22117.7030.2021.56293.56180X321.4557.2044.024815.00115X4212.8713.845.97953.01364X5211.4211.045.00142.58221X621.392.771.1262.56403X721.063.04.7290.87158X8211.703.442.5657.52183X9546.10656Valid N (listwise)21由表2可以看出21位MVP 候選人的九個(gè)指標(biāo)均值都較高，說(shuō)明這21個(gè)人整體較為全面，X8(失誤)的均值為2.5657，這個(gè)說(shuō)明這21個(gè)人的失誤偏高，其實(shí)，作為球隊(duì)的中堅(jiān)力量，在比賽中受到對(duì)手防守的強(qiáng)度很大，比如受到包夾或者繞前防守等，受迫性失誤自然比較高，因此失誤稍微偏高也很正常. 但是這21個(gè)人的得分，籃板，助攻的方差較大，說(shuō)明這21個(gè)人的籃球技術(shù)還是有差距的，其中命中率的方差最大，說(shuō)明在實(shí)際的情況中，球員命中率有很大的差別，得分多不一定說(shuō)明技術(shù)好，有可能是建立在他多次投籃的基礎(chǔ)上. 從最大值和最小值可以看出，差距比較大，因此有必要對(duì)這21個(gè)球員進(jìn)行綜合性的評(píng)價(jià)，從而得出最后的球員價(jià)值排名，球員價(jià)值排名最高（反映球員綜合素質(zhì)最高）的當(dāng)選MVP當(dāng)之無(wú)愧，從中也可以對(duì)球員就如何提高自己的價(jià)值給出一些建議.對(duì)這9個(gè)變量進(jìn)行相關(guān)系性分析:表3 相關(guān)系數(shù)矩陣（Correlation Matrix）X1X2X3X4X5X6X7X8X9CorrelationX11.000.355.126-.132.374.602-.245.113-.205X2.3551.000.235.099.247.547.108.372.024X3.126.2351.000.501-.370.124.387-.022.428X4-.132.099.5011.000-.492-.194.847.177.277X5.374.247-.370-.4921.000.703-.427.371-.232X6.602.547.124-.194.7031.000-.214.437-.142X7-.245.108.387.847-.427-.2141.000.410.136X8.113.372-.022.177.371.437.4101.000-.153X9-.205.024.428.277-.232-.142.136-.1531.000由表3可以看出某些變量間的相關(guān)系數(shù)較高，表明這些變量間存在某些相關(guān)性.例如，這說(shuō)明搶籃板和蓋帽能力有很強(qiáng)的相關(guān)性，這符合直觀和常理（籃板和蓋帽能力常被人們認(rèn)為是考量籃球運(yùn)動(dòng)員的防守能力的指標(biāo)）. 此相關(guān)系數(shù)矩陣也可以幫助我們看出這些變量間的一些基本關(guān)系，可以幫助球員在平時(shí)的訓(xùn)練時(shí)重點(diǎn)訓(xùn)練在哪些方向.5 系統(tǒng)聚類(lèi)法結(jié)果與討論在本文中，將每個(gè)球員看成一個(gè)樣品，并以1，2，21分別表示L.James， M.Williams，D.Williams等球員. 本文以SPSS系統(tǒng)聚類(lèi)分析的操作和結(jié)果解釋?zhuān)\(yùn)用SPSS中的層次聚類(lèi)分析類(lèi)平均法操作得出如下分析結(jié)果: 表4 系統(tǒng)聚類(lèi)分析中的凝聚狀態(tài)表（Agglomeration Schedule）StageCluster CombinedCoefficientsStage Cluster First AppearsNext StageCluster 1Cluster 2Cluster 1Cluster 21242.4020042392.4410043173.33400104233.60812552173.6914066283.7995077263.88660882144.21870992114.623801010124.6713911111194.68010012121154.796110161312185.00700141412165.13213015155125.21901419161135.46412017171206.806160191810217.084002019158.1541715202011041.42619180在表4，第一列表示聚類(lèi)分析的第幾步；第二列、第三列表示本步驟聚類(lèi)中兩個(gè)樣品聚成一類(lèi)；第四列表示個(gè)體距離或小類(lèi)距離；第五列、第六列表示本步驟聚類(lèi)中參與聚類(lèi)的是個(gè)體還是小類(lèi)；0表示樣品，非0表示由第n步驟類(lèi)生成的小類(lèi)參與本步聚類(lèi)；第七列表示本步聚類(lèi)的結(jié)果將在以下第幾步中用到.表4顯示21個(gè)球員聚類(lèi)的情況. 聚類(lèi)分析的第一步（Stage1）中2號(hào)樣品（M.Williams）與4號(hào)樣品（R.Allen）聚成一類(lèi)，它們的個(gè)體距離（本文采用歐式距離）為2.402，這個(gè)小類(lèi)將在下面第4步用到，同理下面的解釋類(lèi)同，這里不做一一敘述.表5 系統(tǒng)聚類(lèi)分析中的類(lèi)成員表（Cluster Membership）Case8 Clusters7 Clusters6 Clusters5 Clusters4 Clusters1:L.James 111112:M.Williams 111113:P.Pierce 111114:R.Allen 111115:D.Howard 222226:J.Johnson 111117:D.Wade 111118:A.Iguodala 111119:B.Gordon 1111110:R.Hamilton 3333311:KBryant 1111112:P.Gasol 4422213:C.Pillups 5541114:C.Anthony 1111115:T.Parke 1111116:T.Duncan 6422217:B.Roy 1111118:M.Yao 4422219:D.Nowitzki 1111120:C.Paul 7654121:D.Williams 87654由表5可知，當(dāng)聚成4類(lèi)時(shí)， D.Howard，P.Gasol， T.Duncan ，M.Yao 聚成一類(lèi)， R.Hamilton聚成一類(lèi)， D.Williams 為一類(lèi)，其它球員聚成一類(lèi). D.Howard，P.Gasol， T.Duncan ，M.Yao都是打中鋒的，他們的籃板和蓋帽都比較高，R.Hamilton是這些球員中比較差的一個(gè)，各項(xiàng)數(shù)據(jù)都不突出，自己成了一類(lèi)，D.Williams 的得分和助攻都不錯(cuò)，但其他項(xiàng)和別的球員都有很大的差距，其他的球員分成一類(lèi)，他們的競(jìng)技水平都是差不多，很多時(shí)候都是看當(dāng)場(chǎng)的發(fā)揮. 同理當(dāng)聚成5、6、7、8類(lèi)時(shí)我們也可以根據(jù)同一列中數(shù)據(jù)相同的球員聚成一類(lèi).SPSS給出類(lèi)成員表的同時(shí)，也可以得到下面的譜系圖:圖1 聚類(lèi)譜系圖譜系圖展現(xiàn)了聚類(lèi)分析中的每一次類(lèi)合并的情況. SPSS自動(dòng)將各類(lèi)間的距離映射到之間，并將凝聚過(guò)程近似地表示在圖上.6 各球員能力的綜合評(píng)價(jià)以及分析在球員的綜合評(píng)價(jià)中我們采用因子分析進(jìn)行評(píng)價(jià)，采用SPSS軟件進(jìn)行操作，首先對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，然后進(jìn)行因子分析，可以得到以下結(jié)果. 表6 巴特利特球度檢驗(yàn)和KMO檢驗(yàn)表（KMO and Bartletts Test）Kaiser-Meyer-Olkin Measure of Sampling Adequacy.806Bartletts Test of SphericityApprox. Chi-Square86.232df36Sig.000由表6可知:巴特利特球度檢驗(yàn)統(tǒng)計(jì)量的觀測(cè)值為86.232，相應(yīng)的概率P-值接近0. 如果顯著性水平為0.05大于概率P-值，則應(yīng)拒絕原假設(shè)，認(rèn)為相關(guān)系數(shù)矩陣與單位陣有顯著差異. 同時(shí) KMO值為 0.806，根據(jù)KMO度量標(biāo)準(zhǔn)可知原有變量適合進(jìn)行因子分析.表7 因子解釋原有變量總方差的情況表(Total Variance Explained)ComponentInitial EigenvaluesExtraction Sums of Squared LoadingsRotation Sums of Squared LoadingsTotal% of VarianceCumulative %Total% of VarianceCumulative %Total% of VarianceCumulative %13.07234.12934.1293.07234.12934.1292.66529.61329.61322.38926.54960.6782.38926.54960.6782.22024.66754.28131.29914.43475.1121.29914.43475.1121.87520.83175.1124.8309.21784.3295.5436.03190.3606.3774.18994.5497.2793.10097.6508.1281.42599.0749.083.926100.000Extraction Method: Principal Component Analysis.在表7中，第一列是因子編號(hào)，以后每三列組成一組，每組數(shù)據(jù)的含義是特征根值、方差貢獻(xiàn)率和累計(jì)方差貢獻(xiàn)率.表8 因子載荷矩陣(Component Matrixa)Component123Zscore(X5).862.113-.115Zscore(X6).735.558.152Zscore(X4)-.702.575-.131Zscore(X7)-.652.584-.414Zscore(X1).577.373.345Zscore(X2).319.694.135Zscore(X8).246.640-.589Zscore(X3)-.424.580.535Zscore(X9)-.443.161.551Extraction Method: Principal Component Analysis.a. 3 components extracted.表9 旋轉(zhuǎn)后的因子載荷陣(Rotated Component Matrixa)Component123Zscore(X6).927-.056-.113Zscore(X1).735-.212.074Zscore(X2).724.247.129Zscore(X5).652-.275-.517Zscore(X7)-.155.940.171Zscore(X4)-.132.803.423Zscore(X8).470.642-.429Zscore(X3).220.308.813Zscore(X9)-.074.021.721Extraction Method: Principal Component Analysis. Rotation Method: Varimax with Kaiser Normalization.a. Rotation converged in 5 iterations.旋轉(zhuǎn)后的因子載荷矩陣與旋轉(zhuǎn)前的相比，因子含義較清晰了，因此根據(jù)表9可以寫(xiě)出以下因子得分函數(shù): 對(duì)球員進(jìn)行綜合評(píng)價(jià)時(shí)，采用計(jì)算因子加權(quán)總分的方法，其中權(quán)重是關(guān)鍵.本文，僅從單純的數(shù)量上考慮，以三個(gè)因子的方差貢獻(xiàn)率為權(quán)數(shù)，從因子解釋原有變量總方差的情況表中我們可以得到權(quán)數(shù)相應(yīng)的值，于是計(jì)算公式為:對(duì)進(jìn)行排序(結(jié)果如下表)表10球員L.James 1.4776310.5541410.7044760.72101D.Wade 2.1062481.001848-0.734160.717916D.Howard -0.485432.3743510.6450120.576294C.Paul 2.128402-0.2878-0.423180.471139KBryant 0.679044-0.226970.7986980.311475M.Yao -1.183932.437816-0.32110.183851D.Nowitzki -0.0409-0.036130.8404880.154059P.Gasol -0.56471-0.135221.5134150.114677A.Iguodala 0.670107-0.22444-0.396320.060518P.Pierce 0.033385-0.233390.4926760.054944C.Anthony -0.189860.439396-0.189780.012629B.Roy 0.143033-0.860430.621508-0.04042J.Johnson 0.470638-0.63101-0.12211-0.04172T.Duncan -1.254750.9088140.314797-0.08182T.Parke -0.16634-0.50902-0.16616-0.20943R.Allen -0.70688-1.352421.133939-0.30672B.Gordon -0.36631-0.42503-0.45224-0.30752M.Williams -0.72955-0.998930.739173-0.30847C.Pillups -0.41042-0.88473-0.22548-0.38674D.Williams 0.053005-0.11763-2.6923-0.57415R.Hamilton -1.66242-0.79321-2.08134-1.12152由表10可得到排名: L.James， D.Wade， D.Howard，C.Paul，K.Bryant，M.Yao，D.Nowitzki，P.Gasol，A.Iguodala，P.Pierce，C.Anthony，B.Roy，J.Johnson，T.Duncan，T.Parke，R.Allen，B.Gordon，M.Williams，C.Pillups，D.Williams，R.Hamilton. 由此可以看出球員綜合能力較強(qiáng)的前五名分別為 L.James，D.Wade，D.Howard，C.Paul，K.Bryant，MVP應(yīng)該是在他們當(dāng)中評(píng)選出來(lái).而事實(shí)上2008-2009賽季NBA常規(guī)賽的最有價(jià)值球員（MVP）正是這五個(gè)人當(dāng)中排名第一的L.James. 這說(shuō)明得到的結(jié)果和事實(shí)上的是非常相似的. MVP反映了一個(gè)球員的綜合素質(zhì)都比較高，但是在某些方面他還是存在不足的. L.James的命中率在這5個(gè)人當(dāng)中排名倒數(shù)第二，這說(shuō)明了他的高得分很有可能是建立在他多次投籃的基礎(chǔ)上，這在他的平時(shí)訓(xùn)練中是要注意的. D.Wade在這五個(gè)人之中綜合能力排在第二名，D.Wade是2008-2009賽季的得分王，排在第二絕對(duì)是有資格的，不過(guò)他的失誤是這5個(gè)人當(dāng)中最高的，雖然經(jīng)常控球失誤高也是情有可原的，但是還是可以通過(guò)平時(shí)的嚴(yán)格訓(xùn)練來(lái)減少自己的失誤. D.Howard的排名第三，作為一個(gè)中鋒，能場(chǎng)均搶下13.84個(gè)籃板是非常不錯(cuò)的，然而他是這5個(gè)人中得分最低的，足以見(jiàn)得他的投籃做得不好，現(xiàn)實(shí)中D.Howard的投籃能力確實(shí)不高，在訓(xùn)練中必須得加強(qiáng). C.Paul排名第四，這5個(gè)人中唯一場(chǎng)均助攻上雙的(11.04)，他能幫助隊(duì)友得分，但是他本身的得分能力并不是很強(qiáng)，而且黃蜂隊(duì)的戰(zhàn)績(jī)不是很好，說(shuō)明C.Paul的防守做得也不是很好，平時(shí)訓(xùn)練要重點(diǎn)往這方面發(fā)展. 可能很多人覺(jué)得K.Bryant排名第五對(duì)他不公平，但是K.Bryant的命中率是最低的，且得分排名才第三，助攻也不高，湖人戰(zhàn)績(jī)第二，不能說(shuō)明K.Bryant的綜合能力排名應(yīng)該往前，因?yàn)楹岁?duì)本身有太多的出色的球員，K.Bryant平時(shí)的訓(xùn)練還是以提高命中率為主. 如今的NBA 賽場(chǎng)（籃球賽場(chǎng)），對(duì)球員的綜合素質(zhì)要求不斷提高，比如能勝任賽場(chǎng)上多個(gè)位置或者攻防兼?zhèn)涞那騿T特別受球隊(duì)教練，老板和經(jīng)理甚至球迷的喜歡. 因此提高球員自身的綜合素質(zhì)非常有意義. 如果球員想要提高自己的綜合素質(zhì)關(guān)鍵在于提高自己的防守能力和進(jìn)攻能力，同時(shí)要鍛煉自己的耐力，身體素質(zhì)，贏得更多的上場(chǎng)時(shí)間，從而贏得更多的球迷們的喜歡. 同時(shí)球員之間在賽場(chǎng)上的互相合作意識(shí)要提高，即提高團(tuán)隊(duì)籃球的意識(shí)，提高球隊(duì)的戰(zhàn)績(jī).7 結(jié)束語(yǔ)通過(guò)本文對(duì)球員綜合能力的分析，建議球員通過(guò)提高自己的投籃命中率來(lái)提高自己在有限的出手次數(shù)下的得分；加強(qiáng)搶斷，與蓋帽訓(xùn)練；提高籃板意識(shí)和團(tuán)隊(duì)合作意識(shí)；爭(zhēng)取每一場(chǎng)比賽的勝利. 這樣，綜合水平提高的可能就很大. 球隊(duì)高層引進(jìn)球員的時(shí)候，能勝任多個(gè)位置即多功能型的球員要優(yōu)先考慮（比如雙能衛(wèi)，鋒線搖擺人）. 對(duì)于非核心球員，若只能勝任某一個(gè)位置或者團(tuán)隊(duì)意識(shí)差或者認(rèn)為其沒(méi)有發(fā)展的潛力或者認(rèn)為發(fā)展該球員的成本太大，那么可以考慮交易該球員；如果認(rèn)為其有潛力提升各方面的能力而且代價(jià)不超過(guò)球隊(duì)的容限，那么可以將該球員留在隊(duì)中發(fā)展或著下放到發(fā)展聯(lián)盟鍛煉.致謝本文寫(xiě)作過(guò)程中多次受到馮三營(yíng)老師和趙艷，劉濤，王裕，張慶敏等同學(xué)的熱情指導(dǎo)和幫助，在此表示衷心的感謝! 還有感謝在大學(xué)以來(lái)一直對(duì)我教