運動能力標準化評價的研究
——基于NBA選秀測試成績標準分數及TSA的分析

趙祎凡，趙可偉

測試是評價運動能力、評估訓練效果及獲取訓練反饋的重要手段（Haff et al.，2021）。對運動員進行階段性測試，并對數據進行長期跟蹤分析，有助于為訓練過程建立導向，提高訓練效率；科學的測試同樣是競技運動后備人才選拔和培養的重要抓手（楊建軍 等，2017），是推動不同年齡運動員選材體系構建的有效工具（黃璽章 等，2021）。運動員選材作為全球競技體育“軍備競賽”的九大支柱之一（De Bosscher et al.，2008），對測試數據進行縱向、橫向比較有助于甄別精英運動員競技能力的關鍵指標，推動冠軍模型的建立（莊薇等，2018）、跨界跨項選材路徑的實施（黎涌明 等，2018；田麥久 等，2018）。充分發揮測試的價值，不僅需要對測試內容的有效性和科學性進行探究，更需要對測試內容的評定標準進行科學探索，對測試數據進行可靠的解釋（Drinkwater et al.，2008）。但目前我國各級各類運動能力測試的評價標準尚待完善（沈巧兒 等，2001）。因此，基于運動能力測試與評估的現實訴求，以及運動員選材、選拔科學化發展的長遠考慮，有必要對運動能力標準化評價的可行性路徑進行深入研究。

由于各種運動能力測試的原始成績通常只能用于評估一種或部分運動能力的表現水平（Glassbrook et al.，2022），例如縱跳、沖刺跑等測試只能反應運動員的跳躍、速度能力，單個測試直接測量的原始成績（分數）無法反饋與評估運動員在所有測試中的綜合能力與整體水平，因此，選材、選拔測試及體能測試都需要設置多種不同測試類型，以全面評估運動員的運動能力（Burr et al.，2008；Drinkwater et al.，2008），各類測試還需要針對不同項目的競技特征制定不同的評價標準。此外，由于不同測試成績之間單位不同，導致成績無法通過直接相加來對總體運動能力進行評估和解讀。

基于標準化評價及全面評價的思考，有學者提出運動能力總分（total score of athleticism，TSA）的數學評價模型（Turner，2014；Turner et al.，2019）。該方法通過標準分數將原始成績轉化為統一標準的“位置分數”，彌補原始分數無法相加及加權比較的不足，經過轉化后的分數并未改變原始數據的分布形態。TSA通過將所有測試的標準分數匯總（均值或相加），直接對運動員在所有測試中表現出的運動能力水平進行整體評價。其主要計算方法為Z分數和T分數（表1）：Z分數主要利用標準差，在原始分的基礎上得出結果；T分數（TSA-Ta）則是對Z分數進行線性轉換，更符合百分位記數的實踐應用場景。已有相關研究將Z分數應用于兒童少年健康水平的評估中（Eisenmann et al.，2011）；也有研究應用TSA評估橄欖球不同位置球員運動能力差異對場上表現的影響（Philipp et al.，2022），并建立不同位置球員的運動能力特征模型。但TSA在實踐應用中的有效性尚待檢驗?；诖耍狙芯恐荚跈z驗體能測試成績標準化得分及TSA在實踐應用中的有效性。

表1 TSA計算方法Table 1 Calculation Methods of TSA

1 研究對象與方法

1.1 數據來源

數據來源于NBA選秀開放數據庫（http：//stats.nba.com/draft/combine）中的體能測試。美國職業籃球聯賽選秀綜合測試（National Basketbal Association Draft Combine，NBA DC）是評估NBA選秀球員的一項綜合測試，包括人體形態測量（anthropometric measurements）、體能測試（strength and agility test）和技術測試（spot-up shooting）等，已被證明能有效預測運動員的運動表現（Teramoto et al.，2018）。本研究選取2000—2022年NBA DC中運動員各項測試的標準分數及TSA作為研究對象。按照TSA規定的計算方法，對NBA DC中的體能測試數據進行Z分數標準化處理，隨后按照選秀年份分別計算相應的TSA分數（平均值算法）并進行排名。依據NBA選秀測試的要求，所有受試者都年滿19歲，依據選秀時登記的第一位置對場上位置進行記錄。剔除測試數據不全的樣本，結果共有1 552個樣本納入分析。

1.2 研究方法

1.2.1 文獻資料調研

相關文獻資料顯示，目前我國不同水平運動員運動能力測試中尚無廣泛應用的標準化評價方法，TSA作為衡量運動員整體運動能力的一種數學方法尚未得到有效檢驗，鮮見相關研究。鑒于此，通過梳理國內外相關研究，匯總TSA不同算法，最終確定本研究的研究方向。此外，NBA DC開放數據庫中的相關體能測試數據，為本研究提供可靠的數據來源。

1.2.2 數理統計

利用IBM SPSS 25軟件進行統計分析。經K-S檢驗后，服從正態分布的數據以平均值±標準差（M±SD）表示，偏態數據以中位數（四分位距）［M（IQR）］表示。

將參加2000—2022年NBA DC的籃球運動員分為入選組與落選組，對TSA、排名和選秀結果進行統計分析（表2）。經K-S檢驗，將入選組與落選組體能測試的Z分數、TSA得分及排名中符合正態分布的數據采用獨立樣本t檢驗，非正態分布數據采用曼-惠特尼U檢驗（Man-WhitneyUtest），比較組之間是否具有差異。采用肯德爾相關系數（Kendall tau-b correlation coefficient）對各項測試的Z分數與選秀結果、TSA得分與選秀結果、TSA排名與選秀結果之間的相關性進行檢驗，肯德爾相關系數（τb）為其效應量。此外，對不同位置球員的Z分數、TSA得分及排名的差異性進行統計分析。經K-S檢驗，各組數據部分符合正態性，故采用適用于多獨立樣本總體分布的非參數克魯斯卡爾-沃利斯H檢驗。P＜0.05表示差異具有統計學意義。

表2 NBA入選、落選球員體能測試Z分數及TSA的統計檢驗結果Table 2 Statistical Results of Z-score and TSA of Strength and Agility Test for Drafted and Undrafted Players from NBA DC

2 研究結果與分析

2.1 TSA、Z分數與NBA選秀結果

Z分數和TSA的統計分析顯示（表2），入選組與落選組TSA得 分（Z=-3.633，P＜0.01）、排 名（Z=5.638，P＜0.01）的差異具有統計學意義，入選組的體能測試TSA得分高于落選組，TSA排名更靠前；入選組與落選組各項測試的Z分數均存在不同程度的差異。入選組與落選組在3 s區4點敏捷性測試（Z=-3.124，P=0.002）和3/4場地沖刺（Z=-4.050，P=0.000）的Z分數差異具有統計學意義。有研究發現（Cui et al.，2019），這2項測試入選球員的表現優于落選球員，表明對體能測試的成績進行標準化處理能有效反饋運動員在測試中的相對水平。入選組的原地縱跳摸高（Z=-3.476，P=0.001）和助跑縱跳摸高（t=2.687，P=0.007）的差異也具有統計學意義，表明入選球員的縱跳能力更強。此外，對納入的6項體能測試的Z分數、TSA得分、排名與選秀結果進行肯德爾相關系數檢驗發現，各變量之間的相關性存在不同程度的統計學意義（圖1），TSA得分（τ=-0.083，P＜0.01）、排名（τ=0.130，P＜0.01）與選秀結果的相關性存在統計學意義。上述結果表明，TSA得分、排名可為NBA選秀提供一定參考，在保證測試內容有效的前提下，Z分數和TSA可在選拔相關測試中充分發揮甄別優秀運動員的作用。

圖1 肯德爾相關性系數熱力圖Figure 1. Kendall Tau-b Correlation Coefficient Heat-Map

2.2 不同位置選秀球員的Z分數與TSA差異分析

克魯斯卡爾-沃利斯H檢驗發現，5個不同位置球員的TSA得分（H=153.11，P=0.000）及排名（H=162.26，P=0.000）存在不同程度的差異，控球后衛和中鋒的TSA得分（P=0.000）、排名（P=0.000）差異較為顯著，后衛TSA得分（P=0.956）、排名（P=0.973）之間的差異不存在統計學意義（表3）。比較“3 s區4點敏捷性”測試的Z分數發現，控球后衛與得分后衛之間的差異不存在統計學意義（P=0.179），而其他各位置的差異均存在統計學意義；反應折返跑方面，控球后衛與得分后衛（P=0.093）、大前鋒與中鋒（P=0.066）之間的差異不具有統計學意義，其他位置則存在一定差異，這可能是由于外線球員的變向能力（Stojanovi? et al.，2019）優于內線球員所致。“3/4場地沖刺”的Z分數同樣呈現后衛之間的差異不存在統計學意義（P=0.068），其他各位置的比較均存在一定差異，可能是由于外線球員的直線加速能力（Scanlan et al.，2014）更強?！霸乜v跳摸高”的Z分數比較發現，控球后衛與得分后衛（P=0.300）、控球后衛與小前鋒（P=0.984）、得分后衛與小前鋒（P=0.321）之間的差異不存在統計學意義，其他位置的比較存在一定差異?！爸芸v跳摸高”的Z分數同樣發現后衛（P=0.494）、控球后衛與小前鋒（P=0.485）、得分后衛與小前鋒（P=0.165）之間的差異不存在統計學意義，其他位置之間存在差異，尤其是后場球員顯著優于前場球員，可能是由于中鋒球員的跳躍能力明顯弱于其他位置球員（Boone et al.，2013），而腿部力量是后衛球員入選的關鍵指標（Cui et al.，2019）。臥推方面，控球后衛與得分后衛不存在差異（P=0.701），小前鋒、大前鋒以及中鋒之間不存在差異，但后衛和其他位置球員均存在差異。TSA得分及排名在內外線球員之間同樣表現出一定差異。上述結果表明，內線、外線球員之間的體能測試Z分數、TSA得分及排名具有一定差異；后衛之間、鋒線之間的差異較小，后衛與小前鋒在大部分測試中差異也較小，但后衛與中鋒、大前鋒之間有較大差異，后場球員在大部分測試中的Z分數及TSA均優于前場球員。

表3 不同位置球員TSA及Z分數的非參數檢驗結果Table 3 Non-parametric Test Results of Z-score and TSA of Players in Different Positions

不同位置的籃球運動員體能特征顯著不同（Ben Abdelkrim et al.，2010）。Stojanovi?等（2018）發現，后衛在比賽中的沖刺跑及高強度折返跑比前鋒和中鋒更多，站立和行走更少，血乳酸濃度和心率更高?；?9歲精英球員的時間-運動分析同樣發現，在籃球比賽中后衛的體能需求水平更高（Ben Abdelkrim et al.，2007）。Z分數及TSA分析的結果與籃球運動的專項表現特征（Morrison et al.，2022）相吻合，可以在NBA DC中有效區分不同位置球員的運動表現特征。

3 實踐應用及局限性

3.1 標準分數及TSA的應用目的與意義

數字化帶動訓練科學化是現代高水平競技運動取得突破的關鍵（彭國強 等，2020）。競技運動領域內的運動能力測試主要用于選拔優秀運動員或對競技能力、運動表現水平進行診斷（Bangsbo et al.，2006），最終都要對測試結果進行評價性決策。本研究對NBA DC數據的統計結果已經證實，TSA可直接篩選出水平較高的運動員，可有效應用于運動選材。此外，對NBA DC中不同位置球員測試成績的標準分數及TSA的比較，能有效識別其體能特征，可據此提高未來訓練的針對性和指向性。借助標準分數及TSA對不同項目的測試成績進行研究，有助于對各項目的體能特征進行甄別（Ziv et al.，2009）、解決測試與評價中的難點，并發揮測試的導向作用（Fernandez-Fernandez et al.，2014）。值得注意的是，科學的評價需要建立在可靠、有效測試的基礎上（Mayorga-Vega et al.，2016）。

3.2 標準分數及TSA的局限性

標準分數及TSA可有效劃分運動員的相對水平，為評價和選拔優秀運動員提供借鑒與參考。但二者在實踐應用中也存在一定局限性：1）個體的標準分數呈現的是位置分數，只能進行評估對象之間的橫向比較，若要建立可靠的參考值范圍則需要在大樣本的基礎上做進一步統計分析，建立對應人群的常模參考分數體系；2）TSA對標準分數直接平均或相加的算法沒有區分不同運動能力的權重因子。有研究建議對Z分數進行加權計算（Jones et al.，2017），以此突出運動員競技能力結構的差異性，未來還需針對加權因子展開相關研究。

目前，基于正態分布的離差法（陳佩杰 等，2013）已經廣泛應用于體質健康評價標準中（李巖松 等，2019），基于成績分布的TSA方法在運動能力測評中還未廣泛應用，相關研究亟需推進。此外，實踐應用中的選材、測試與評估面對的人數通常較少，Z分數并不能很好地解釋均值的差異幅度。小樣本計算方法（TSA-Tb）（Field，2013）的有效性和可靠性尚未得到檢驗，在選材、測試與評價方面的研究有待進一步推進。

4 研究結論與建議

依據現有文獻及數理統計結果，本研究認為，標準分數及TSA是進行運動能力橫向比較的有效工具，兩者可直接用于競技運動測試的評價，以提高選材效率；也可利用其識別運動員測試成績的表現特征了解特定人群的常模參數，推動運動員選材體系及運動能力測試標準等研究的開展。

由于標準分數及TSA的應用處于起步階段，在實踐中還需更多研究進行豐富完善，建議未來的研究可著眼于：1）利用標準分數及TSA展開選材相關研究，深入探究不同項目、不同年齡運動員運動能力的表現特征，形成可靠的評價體系；2）利用標準分數及TSA對不同項目運動員體能測試數據進行分析，研制各項目的體能數據模型，科學制定不同項目體能測試評價標準；3）對小樣本算法下TSA應用的有效性展開相關研究，為其實踐應用提供理論依據。