NBA球员詹姆斯和安东尼技术分析SPSS.doc

题目：NBA球员勒布朗-詹姆斯和卡梅隆

-安东尼职业生涯能力技术统计分析

姓名：李玉玲

学号：1133098

一、摘 要
篮球运动已成为人们体育生活中必不可少的一部分，作为全球最具影响力的篮球俱乐部赛事，NBA每个赛季的比赛都吸引了全球众多球迷的眼球，在世界范围内产生了巨大的影响。作为每一个球员而言，最大的目标就是获得尽可能对的得分并取得比赛的最终胜利。众所周知，决定每一场比赛结果的因素很多，既有偶然性，但更多的是其必然性。那么是哪些主要的影响因素主导着一个球员的得分的多少呢？为此，本文利用SPSS统计软件用一系列统计分析方法（包括主成分分析、聚类分析、非参数检验和回归分析等）对最热门的两位年轻实力球员勒布朗·詹姆斯和卡梅隆-安东尼至今为止在NBA的职业生涯常规赛各赛季平均个人技术数据进行统计分析，以达到对他们的比较和进行个人得分影响因素的研究。通过分析研究得出：
1、詹姆斯在命中率、三分命中率、助攻、盖帽、得分方面比安东尼出色，其中的三分命中率、失误稳定度也比安东尼高，詹姆斯在三分命中率方面比安东尼有较大的优势，而助攻、盖帽、得分方面稳定性不如安东尼，两者都是在命中率为45%~50%时得分最高。就失误而言，安东尼的失误较少但是稳定度不比詹姆斯高。在罚球命中率方面安东尼占绝对优势。安东尼与詹姆斯的篮板技术水平大致相同。安东尼较詹姆斯而言更容易犯规。
2、詹姆斯平均得分总体的分布不服从正态分布，安东尼平均得分总体的分布服从正态分布。
3、詹姆斯的得分与其防守、篮板、盖帽、助攻、犯规、命中率、罚球命中率、依次存在显著的线性相关性，与失误存在显著线性负相关性，与进攻、抢断、三分命中率无明显的线性相关性。安东尼的得分、罚球命中率、助攻分别都与其他指标无明显的线性相关性，
4、詹姆斯的平均每场得分的线性回归方程为：平均每场得分=5.356*防守—0.66*命中率+27.767。

关键词：NBA 球员 技术 spss 正态分布 相关性 线性回归方程

目 录

一、 摘要……………………………………………………………………1
二、选题背景………………………………………………………………3
三、原始数据的介绍 …………………………………………………… 3
3.1 出处………………………………………………………………3
3.2 样本………………………………………………………………3
3.3 指标………………………………………………………………3
四、数据整理及分析………………………………………………………5
4.1 分析数据集的介绍………………………………………………5
4.2 分析过程及结果…………………………………………………5
4.4.1 基本描述统计量………………………………………… 5
4.2.2 数据的图形展示………………………………………… 6
4.2.3 总体分布正态性假设检验……………………………… 7
4.2.4 相关分析………………………………………………… 8
4.2.5 线性回归分析…………………………………………… 11
五、结论……………………………………………………………………13
六、参考资料………………………………………………………………14
七、附录……………………………………………………………………15
附录一 球员个人信息
附录二 勒布朗·詹姆斯和卡梅隆-安东尼NBA的职业生涯常规赛各赛季平均数据.xls
附录三 全部指标的基本描述统计量
附录四 变量散点矩阵
附录五 回归分析图

二、选题背景
随着人们生活水平的提高，以及2008年奥运会、2010年亚运会在我国的顺利举行，我国人民对于体育的关注越来越高。篮球作为三大主流球类运动之一，受到了广大球迷（特别是大、中学生）的普遍关注。在全世界的篮球联赛中NBA是影响力最大的篮球联盟，NBA（全称National Basketball Association），美国第一大职业篮球赛事，其中产生了威尔特·张伯伦、迈克尔·乔丹、科比·布莱恩特、奥斯卡·罗伯特森等篮球巨星。该协会一共拥有30支球队，分属两个联盟：东部联盟和西部联盟；而每个联盟各由三个赛区组成，每个赛区有五支球队。
一年一度的NBA赛季让全世界的篮球迷为之疯狂，NBA赛事之所以如此受欢迎，最主要的原因在于NBA球员高超的球技。特别是自姚明、易建联加入NBA后，其对中国球迷的影响更是难以估量。球队中灵魂人物的个人发挥能够直接影响其球队的成败，因而对他们的技术统计与分析是一件十分重要的事情。作为03黄金一代的杰出代表，勒布朗·詹姆斯和卡梅隆-安东尼曾经是从高中开始就被钦定为美国篮坛的新希望，曾经高中时代的宿敌，希望通过对他们的技术数据的分析可比较出两者在篮球上各个方面技术性的差别。

三、原始数据的介绍
3.1 出处
原始数据来源于NBA中国官方网站

3.2 样本
选取最近得分排名都靠前的勒布朗·詹姆斯和卡梅隆-安东尼两位球员为样本，两位球员各自的年龄和参加NBA的时间相同，身高、体重的身体因素相似（见附录一），因此大大降低了指标以外因素的影响。

3.3 指标
将勒布朗·詹姆斯和卡梅隆-安东尼至今为止在NBA的职业生涯常规赛各赛季平均数据进行采集，包括出场数、分钟、得分、命中率、三分命中率、罚球命中率、进攻、防守、篮板、助攻、抢断、盖帽、犯规、失误14项指标。数据整理后如附录二所示。
命中率：衡量一名篮球球员得分能力的重要标志，计算公式为投篮命中率=全场投中次数/全场出手次数。 如果得分手的得分数字只是靠出手次数来支撑，那他出手越多，也许对于球队的伤害就会越大。美国NBA联盟有个更加公正的计算方式，叫做“TS%”（真实投篮命中率），计算公式为真实投篮命中率=全场得分/（2×（全场出手次数+0.44×罚球出手次数）
三分命中率：通常“三分球”是指篮球比赛中，在三分线以外投篮且命中的进球。三分命中率即投三分球的命中率
罚球命中率：罚球主要是比赛中，对犯规方惩罚，对进攻方因被侵犯而影响进攻的补偿而设立的。一次罚球是给予一个队员在罚球线后的半圆内，无争抢的情况下得1分的机会。罚球命中率即罚球时的命中率。
防守：防守对手是防守队员合理利用脚步移动和手臂动作,积极抢占有利位置,阻止和破坏对手的进攻,以夺取球为目的所采取的各种行为。
篮板：投篮之后碰到篮筐篮板之后没进的球，抢下来就叫篮板篮板球是在一方将球投出，球碰到篮板且没有进时，这样的球称为篮板球，进攻方和防守方都能抢该球，谁抢到手就算谁的篮板球。
助攻：在篮球的笼统定义是通过传递帮助己方队友完成得分。NBA对于球场上的助攻表现以及对于助攻技术统计均有非常细致的规定。 在助攻方面，定义为当球处于活球阶段，通过持球球员对于球的传递，帮助第一位触球的己方球员完成直接的得分的行为。
抢断：通过持球球员对于球的传递，帮助第一位触球的己方球员完成直接的得分的行为。抢断是球在对方手上传接，防守方将其抢到本方球员手上来，而对方球员丢球的那一刹那，本方球员获得球的那个动作。
盖帽：在防守的时候在不犯规的情况下将对手的投篮或上篮破坏（打掉甚至直接摘下来）的动作。
失误：由于球员本身发生的错误，导致球队失去控球权。
得分：篮球中的得分（英语：Point）是比赛分数的唯一来源，方法有投篮（得两分）、三分球投篮（得三分）或罚球（得一分）。比赛结束时，得分较高的球队将获得胜利。
四、数据整理及分析
4.1 分析数据集的介绍
4.1.1 基本描述统计量（用基本描述统计量的计算结果对两人技术进行分析比较）
4.1.2 数据的图形展示（安东尼与詹姆斯的得分和命中率散点图）
4.1.3 总体分布正态性假设检验（检验科安东尼和詹姆斯平均得分总体的分布是否为正态分布）
4.1.4 相关分析（分别研究安东尼和詹姆斯各项指标间的相关性）
4.1.5 线性回归分析（用逐步筛选法找出詹姆斯的平均每场得分的线性回归方程，其他输出结果见附件五）

4.2 分析过程及结果
4.2.1 基本描述统计量（用基本描述统计量的计算结果对两人技术进行分析比较）
仅列出勒布朗·詹姆斯和卡梅隆-安东尼至今为止在NBA的职业常规赛中分钟、命中率、三分命中率、罚球命中率、篮板、助攻、盖帽、犯规、失误、得分10项指标的基本描述统计量（表4.1），全部指标的基本描述统计量见附件三。
表4.1 基本描述统计量
球员
全距
极小值
极大值
和
均值
标准差
方差
偏度
峰度
统计量
统计量
统计量
统计量
统计量
标准误
统计量
统计量
统计量
标准误
统计量
标准误
安东尼
分钟
7.2
31.0
38.2
429.2
35.767
.5752
1.9924
3.970
-1.150
.637
1.981
1232
命中率
14.5
42.6
57.1
557.0
46.417
1.1418
3.9554
15.645
1.940
.637
4.718
1.232
三分命中率
19
24
43
404
33.67
1.709
5.921
35.059
.034
.637
-.701
1.232
罚球命中率
9.5
77.7
87.2
970.5
80.875
.7791
2.6989
7.284
1.089
.637
1.527
1.232
篮板
7.1
4.9
12.0
82.9
6.908
.5098
1.7661
3.119
2.393
.637
7.180
1.232
助攻
1.2
2.6
3.8
36.9
3.075
.1162
.4025
.162
.480
.637
-.985
1.232
盖帽
.6
.0
.6
4.8
.400
.0444
.1537
.024
-1.621
.637
3.808
1.232
失误
2.6
1.0
3.6
32.7
2.725
.1835
.6355
.404
-1.857
.637
5.186
1.232
犯规
3.3
.0
3.3
33.3

2.775
.2600
.9006
.811
-3.109
.637
10.232
1.232
得分
8.1
20.8
28.9
302.7
25.225
.8176
2.8323
8.022
-.349
.637
-1.107
1.232
詹姆斯
分钟
12.5
30.0
42.5
426.6
38.782
1.0238
3.3955
11.530
-1.775
.661
4.580
1.279
命中率
17.6
38.9
56.5
531.6
48.327
1.4636
4.8543
23.564
-480
.661
.745
1.279
三分命中率
14
29
43
381
34.67
1.211
4.017
16.140
.988
.661
.781
1.279
罚球命中率
28.0
50.0
78.0
798.2
72.564
2.3741
7.8739
61.999
-2.776
.661
8.288
1.279
篮板
5.1
3.0
8.1
76.0
6.909
.4461
1.4795
2.189
-2.196
.661
5.086
1.279
助攻
3.6
5.0
8.6
74.2
6.745
.2871
.9522
.907
.049
.661
.794
1.279
盖帽
1.1
.0
1.1
8.1
.736
.0887
.2942
.087
-1.531
.661
3.713
1.279
失误
1.1
2.9
4.0
36.5
3.318
.0913
.3027
.092
.766
.661
1.927
1.279
犯规
2.3
.0
2.3
18.7
1.700
.1931
.6403
.410
-2.053
.661
5.260
1.279
得分
12.4
190
31.4
294.5
26.773
1.1222
3.7219
13.852
-1.209
.661
1.076
1.279

由表4.1可知，至今为止在NBA的职业常规赛中卡梅隆-安东尼一赛季的出场分钟、命中率、三分命中率、助攻、盖帽、失误、得分的平均值均低于勒布朗·詹姆斯，但是其命中率、助攻、盖帽、得分的标准差小于詹姆斯，说明詹姆斯在命中率、三分命中率、助攻、盖帽、得分方面比安东尼出色，其中的三分命中率、失误稳定度也比安东尼高，詹姆斯在三分命中率方面比安东尼有较大的优势，而助攻、盖帽、得分方面稳定性不如安东尼。就失误而言，安东尼的失误较少但是稳定度不比詹姆斯高。另外，安东尼的罚球命中率的均值大大高于詹姆斯，罚球命中率的标准差大大小于詹姆斯，说明在罚球命中率方面安东尼占绝对优势。
两者的篮板平均值仅相差0.001，可大致认为安东尼与詹姆斯的篮板技术水平相同。安东尼较詹姆斯而言更容易犯规。

4.2.2 数据的图形展示（安东尼与詹姆斯的得分和命中率散点图）

图4.2 安东尼与詹姆斯的得分和命中率散点图
由图4.2可知，安东尼的得分比詹姆斯集中即更为稳定，两者都是在命中率为45%~50%时得分最高。

4.2.3 总体分布正态性假设检验（检验科安东尼和詹姆斯平均得分总体的分布是否为正态分布）
设：得分为X，其分布函数为F（x）
H0：F（x）~N（μ，σ2）
输出结果如下
表4.3 正态性检验
正态性检验
球员
Kolmogorov-Smirnova
Shapiro-Wilk
统计量
df
Sig.
统计量
df
Sig.
詹姆斯
得分
.310
11
.004
.855
11
.049
安东尼
得分
.163
12
.200*
.919
12
.281
a. Lilliefors 显著水平修正
*. 这是真实显著水平的下限。
表4.3正态性检验的结果显示给出了詹姆斯得分Kolmogorov-Smirnova检验的p值为0.004，Shapiro-Wilk正态性检验的p值为0.049，两种检验的结果都表明拒绝得分X为正态分布的原假设。
安东尼得分Kolmogorov-Smirnova检验的p值为0.200，Shapiro-Wilk正态性检验的p值为0.281，两种检验的结果都表明不能拒绝得分X为正态分布的原假设。

图4.4詹姆斯得分正态概率图 图4.5詹姆斯得分剔出趋势的正态概率图

图4.4正态概率图中有半数的点远离对应正态分布的直线， 图4.5詹姆斯得分剔出趋势的正态概率图中的点也有类似的散布。进一步验证了正态性检验的结果。

图4.6安东尼得分正态概率图 图4.7安东尼得分剔出趋势的正态概率图

图4.6正态概率图中多数的点与对应正态分布的直线接近， 图4.7安东尼得分剔出趋势的正态概率图中的点也有类似的散布。进一步验证了正态性检验的结果。

4.2.4 相关分析（分别研究安东尼和詹姆斯各项指标间的相关性）
表4.8
相关性
球员
得分
命中率
三分命中率
罚球命中率
进攻
篮板
防守
助攻
盖帽
抢断
失误
犯规
詹姆斯
Pearson 相关性
得分
1.000
.655
-.343
.621
.506
.817
.853
.709
.767
.485

-.587
.686
命中率
.655
1.000
.052
.672
.526
.877
.921
.621
.599
.469
-.635
.371
三分命中率
-.343
.052
1.000
-.568
-.530
-.337
-.222
-.241
-.548
-.359
.218
-.831
罚球命中率
.621
.672
-.568
1.000
.746
.855
.803
.659
.823
.685
-.733
.735
进攻
.506
.526
-.530
.746
1.000
799
.629
.413
.738
.828
-.611
.678
篮板
.817
.877
-.337
.855
.799
1.000
.970
.714
.815
.728
-.742
.691
防守
.853
.921
-.222
.803
.629
.970
1.000
.757
.755
.606
-.712
.620
助攻
.709
.621
-.241
.659
.413
.714
.757
1.000
.718
.493
-.499
.405
盖帽
.767
.599
-.548
.823
.738
.815
.755
.718
1.000
.521
-.727
.674
抢断
.485
.469
-.359
.685
.828
.728
.606
.493
.521
1.000
-.571
.550
失误
-.587
-.635
.218
-.733
-.611
-.742
-.712
-.499
-.727
-.571
1.000
-.552
犯规
.686
.371
-.831
.735
.678
.691
.620
.405
.674
.550
-.552
1.000
Sig. （单侧）
得分
.
.014
.151
.021
.056
.001
.000
.007
.003
.065
.029
.010
命中率
.014
.
.440
.012
.048
.000
.000
.021
.026
.073
.018
.131
三分命中率
.151
.440
.
.034
.047
.155
.256
.238
.040
.139
.260
.001
罚球命中率
.021
.012
.034
.
.004
.000
.001
.014
.001
.010
.005
.005
进攻
.056
.048
.047
.004
.
.002
.019
.103
.005
.001
.023
.011
篮板
.001
.000
.155
.000
.002
.
.000
.007
.001
.006
.004
.009
防守
.000
.000
.256
.001
.019
.000
.
.003
.004
.024
.007
.021
助攻
.007
.021
.238
.014
.103
.007
.003
.
.006
.062
.059
108
盖帽
.003
.026
.040
.001
.005
.001
.004
.006
.
.050
.006
.011
抢断
.065
.073
.139
.010
.001
.006
.024
.062
.050
.
.033
.040
失误
.029
.018
.260
.005
.023
.004
.007
.059
.006
.033
.
.039
犯规
.010
.131
.001
.005
.011
.009
.021
.108
.011
.040
.039
.
安东尼
Pearson 相关性
得分
1.000
.435
.099
.485
.142
.148
.119
.162
-.121
-.117
-.014
.035
命中率
.435
1.000
.367
-.225
.832
.788
.566
.084
-.656
-.677
-.645
-.761
三分命中率
.099
.367
1.000
.208
.417
.705
.806
.014
-.346
-.557
-.638
-.420
罚球命中率
.485
-.225
.208
1.000
-.458
-.242
.011
-.119
.386
.109
.023
.441
进攻
.142
.832
.417
-.458
1.000
.868
.549
.014
-.821
-.776
-.692
-.888
篮板
.148
.788
.705
-.242
.868
1.000
.891
.017
-.690
-.848
-.782
-.863
防守
.119
.566
.806
.011
.549
.891
1.000
.016
-.412
-.721
-.685
-.643
助攻
.162
.084
.014
-.119
.014
.017
.016
1.000
-.250
.345
.319
.103
盖帽
-.121
-.656
-.346
.386
-.821
-.690
-.412
-.250
1.000
.655
.577
.755
抢断
-.117
-.677
-.557
.109
-.776
-.848
-.721
.345
.655
1.000
.878
.871
失误
-.014
-.645
-.638
.023
-.692
-.782
-.685
.319
.577
.878
1.000
.840
犯规
.035
-.761
-.420
.441
-.888
-.863
-.643
.103
.755
.871
.840
1.000
Sig. （单侧）
得分
.
.079
.379
.055
.329
.323
.356
.308
.354
.358
.483
.457
命中率
.079
.
.121
.241
.000
.001
.027
.397
.010
.008
.012
.002
三分命中率
.379
.121
.
.258
.089
.005

.001
.483
.136
.030
.013
.087
罚球命中率
.055
.241
.258
.
.067
.224
.486
.356
.108
.368
.472
.076
进攻
.329
.000
.089
.067
.
.000
.032
.483
.001
.002
.006
.000
篮板
.323
.001
.005
.224
.000
.
.000
.479
.007
.000
.001
.000
防守
.356
.027
.001
.486
.032
.000
.
.480
.092
.004
.007
.012
助攻
.308
.397
.483
.356
.483
.479
.480
.
.217
.136
.156
.375
盖帽
.354
.010
.136
.108
.001
.007
.092
.217
.
.010
.025
.002
抢断
.358
.008
.030
.368
.002
.000
.004
.136
.010
.
.000
.000
失误
.483
.012
.013
.472
.006
.001
.007
.156
.025
.000
.
.000
犯规
.457
.002
.087
.076
.000
.000
.012
.375
.002
.000
.000
.
从表4.8知，詹姆斯的得分与其防守、篮板、盖帽、助攻、犯规、命中率、罚球命中率、依次存在显著的线性相关性，与失误存在显著线性负相关性，与进攻、抢断、三分命中率无明显的线性相关性。防守、篮板、盖帽、助攻、犯规、命中率、罚球命中率、失误之间基本上也都存在不同程度的线性相关性，进攻、抢断与其他指标间有个别的一般线性相关性，三分命中率除了与犯规有显著线性负相关性外与其他指标无明显的线性相关性。
安东尼的得分、罚球命中率、助攻分别都与其他指标无明显的线性相关性，命中率与其犯规、抢断、盖帽、失误依次存在显著的线性负相关性，篮板与防守、进攻、命中率、三分命中率依次存在显著线性相关性，与犯规、抢断、失误、盖帽依次存在显著线性负相关性。

4.2.5 线性回归分析（用逐步筛选法找出詹姆斯的平均每场得分的线性回归方程，其他输出结果见附件五）
根据4.2.4 相关分析的结果只分析詹姆斯的平均每场得分的线性回归方程，并剔除进攻、抢断、三分命中率3个指标。
表4.9
相关性
球员
得分
命中率
罚球命中率
防守
篮板
助攻
盖帽
失误
犯规
詹姆斯
Pearson 相关性
得分
1.000
.655
.621
.853
.817
.709
.767
-.587
.686
命中率
.655
1.000
.672
.921
.877
.621
.599
-.635
.371
罚球命中率
.621
.672
1.000
.803
.855
.659
.823
-.733
.735
防守
.853
.921
.803
1.000
.970
.757
.755
-.712
.620
篮板
.817
.877
.855
.970
1.000
.714
.815
742
.691
助攻
.709
.621
.659
.757
.714
1.000
.718
-.499
.405
盖帽
.767
.599
.823
.755
.815
.718
1.000
-.727
.674
失误
-.587
-.635
-.733
-.712
-.742
-.499
-.727
1.000
-.552
犯规
.686
.371
.735
.620
.691
.405
.674
-.552
1.000
Sig. （单侧）
得分
.
.014
.021
.000
.001
.007
.003
.029
.010
命中率
.014
.
.012
.000
.000
.021
.026
.018
.131
罚球命中率
.021
.012
.
.001
.000
.014
.001
.005
.005
防守
.000
.000
.001
.
.000
.003
.004
.007
.021
篮板
.001
.000
.000
.000
.
.007
.001
.004
.009
助攻
.007
.021
.014
.003
.007
.
.006
.059
.108
盖帽
.003
.026
.001
.004
.001
.006
.
.006
.011
失误
.029
.018
.005
.007
.004
.059
.006
.
.039
犯规
.010
.131
.005
.021
.009
.108
.011
.039
.
表4.9给出了参与回归分析的9个变量的相关系数及其显著性检验的结果。由相关系数及其显著性检验结果可知除了助攻与失误、犯规，命中率与失误无明显线性相关性外，其他变量间都存在不同程度的线性相关性。
表4.10
模型汇总c,d
球员
模型
R
R 方
调整 R 方
标准 估计的误差
更改统计量
Durbin-Watson
R 方更改
F 更改
df1
df2
Sig. F 更改
詹姆斯
1
.853a
.727
.696
2.0505
.727
23.946
1
9
.001

2
.916b
.839
.799
1.6692
.112
5.581
1
8
.046
2.147
a. 预测变量: (常量), 防守。
b. 预测变量: (常量), 防守, 命中率。
c. 在一个或多个拆分文件中没有有效案例。 无法计算统计量。
d. 因变量: 得分
表4.10给出了引入和剔除变量过程中建立的模型总结。第一步引入预测变量：防守，第二步引入预测变量：命中率。依据结果显示没有变量被剔除。
表4.11
Anovac,d
球员
模型
平方和
df
均方
F
Sig.
詹姆斯
1
回归
100.681
1
100.681
23.946
.001a
残差
37.840
9
4.204

总计
138.522
10

2
回归
116.232
2
58.116
20.858
.001b
残差
22.290
8
2.786

总计
138.522
10

a. 预测变量: (常量), 防守。
b. 预测变量: (常量), 防守, 命中率。
c. 在一个或多个拆分文件中没有有效案例。 无法计算统计量。
d. 因变量: 得分
表4.11给出了整个过程每一个模型的方程分析表，由p值可见两个模型都通过了F检验，整体上都是显著的。
表4.12回归系数
系数a,b
球员
模型
非标准化系数
标准系数
t
Sig.
相关性
共线性统计量
B
标准 误差
试用版
零阶
偏
部分
容差
VIF
詹姆斯
1
(常量)
10.758
3.331

3.230
.010

防守
2.774
.567
.853
4.893
.001
.853
.853
.853
1.000
1.000
2
(常量)
27.767
7.693

3.609
.007

防守
5.356
1.186
1.646
4.515
.002
.853
.847
.640
.151
6.608
命中率
-.660
.280
-.861
-2.362
.046
.655
-.641
-.335
.151
6.608
a. 在一个或多个拆分文件中没有有效案例。 无法计算统计量。
b. 因变量: 得分
表4.12给出了每一个回归方程系数的估计量及相应的统计检验情况，根据该表可得两个回归模型：Y=2.774x1+10.758
Y=5.356x1—0.66x2+27.767
终上所述，模型2以及x1、x2已通过的显著性检验，方程的修正的R2也较模型1的大，因此采用Y=5.356x1—0.66x2+27.767回归模型是合适的。

五、结 论
5.1 基本描述统计量（用基本描述统计量的计算结果对两人技术进行分析比较）
至今为止在NBA的职业常规赛中詹姆斯在命中率、三分命中率、助攻、盖帽、得分方面比安东尼出色，其中的三分命中率失误稳定度也比安东尼高，詹姆斯在三分命中率方面比安东尼有较大的优势，而助攻、盖帽、得分方面稳定性不如安东尼。就失误而言，安东尼的失误较少但是稳定度不比詹姆斯高。在罚球命中率方面安东尼占绝对优势。安东尼与詹姆斯的篮板技术水平大致相同。安东尼较詹姆斯而言更容易犯规。

5.2 数据的图形展示（安东尼与詹姆斯的得分和命中率散点图）
安东尼的得分比詹姆斯集中即更为稳定，两者都是在命中率为45%~50%时得分最高。

5.3 总体分布正态性假设检验（检验科安东尼和詹姆斯平均得分总体的分布是否为正态分布）
詹姆斯平均得分总体的分布不服从正态分布，安东尼平均得分总体的分布服从正态分布。

5.4 相关分析（分别研究安东尼和詹姆斯各项指标间的相关性）
詹姆斯的得分与其防守、篮板、盖帽、助攻、犯规、命中率、罚球命中率、依次存在显著的线性相关性，与失误存在显著线性负相关性，与进攻、抢断、三分命中率无明显的线性相关性。防守、篮板、盖帽、助攻、犯规、命中率、罚球命中率、失误之间基本上也都存在不同程度的线性相关性，进攻、抢断与其他指标间有个别的一般线性相关性，三分命中率除了与犯规有显著线性负相关性外与其他指标无明显的线性相关性。
安东尼的得分、罚球命中率、助攻分别都与其他指标无明显的线性相关性，命中率与其犯规、抢断、盖帽、失误依次存在显著的线性负相关性，篮板与防守、进攻、命中率、三分命中率依次存在显著线性相关性，与犯规、抢断、失误、盖帽依次存在显著线性负相关性。

5.5 线性回归分析
詹姆斯的平均每场得分的线性回归方程为Y=5.356x1—0.66x2+27.767，即平均每场得分=5.356*防守—0.66*命中率+27.767。

参考资料
[1]罗应婷.SPSS统计软件分析从基础到实践［M］.2 版、北京：电子工业出版2010:149-163.
[2]李伟明、多元描述统计方法[M].华东师范大学出版社,2001,1:1.
[3]熊凤枚.NBA球员性价比,2006
[4]
[5] NBA现役球员排名[EB/OL,] 2011
[6] NBA球员资料[DB/OL]， 2011
附 录
附录一：球员个人信息
勒布朗-詹姆斯 前锋
球队:迈阿密 热火
生日:1984-12-30
身高:6-8 / 2,03
体重:250 镑 / 113,4 公斤
高中:St. Vincent-St. Mary HS (OH)