2.1 参与者数量分析 纳入运动员50名,按意向性处理分析,全部进入结果分析。
2.2 运动员身体形态结构特征的描述性统计分析 为便于观察样本的基本情况,对50名女子手球运动员测试的原始指标进行描述性统计,见表1。
2.3 因子分析结果 见表2。
样本的巴特莱特球度检验(Bartlett's Test),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接近1,表明观测变量适合做因子分析,反之,则不适合作因子分析[5]。
表2经KMO抽样与Bartlett球形检验表明:KMO抽样适度测定值为0.652,此值大于0.5,Bartlett球形检验值为582.185,P(显著性=0.000)<0.001,拒绝原假设,表明测试指标适合做因子分析。
就研究而言,多指标研究可以较全面的反应研究对象的特征,但是提高了分析问题和模型应用的难度和复杂性,所以,为了解决多重共线性问题,采用降维思 想[6],从14项数据中,寻找三四个具有共同影响国家女子手球集训队运动员身体形态结构特征的主要因子来分清哪些数据组合对选材具有影响。经对所得数据进行主成分分析,计算出特征值、因子贡献率和累计贡献率,见表3,图1,载荷矩阵表见表4。
旋转后的各主成分对应的载荷矩阵称为旋转后的成分载荷矩阵。这些载荷正好也是他们的相关系数,通过相关系数可以了解各项数据与各主成分之间的依赖程度。
从表3得知,只有前4个共性因子特征值>1,累计贡献率70.214%。为了进一步了解4个共性因子的含义,4个共性因子与测试指标经方差最大正交旋转后得因子载荷矩阵。
旋转后所得的因子在各个变量上的载荷出现两极分化,绝对值的大小拉开距离,更便于解释因子的含义。因此,为了获取4个共性因子的含义,对其进行评价讨论,需要依赖各个共性因子得分,基于旋转后因子载荷矩阵的基础,通过系数大小来解释因子意义。为了获取更多的共性因子含义,经输出得因子得分系数矩阵见表5,旋转空间因子图见图2。
从图2可以看出,身高、体质量、上肢总长、前臂长、手长、食指长与第1共性因子具有高度相关,系数>0.63,而恰好这6项指标是反映身体形态长度的基本指标,身体形态结构特征是运动员形成专项技能的基础,不同运动项目运动员的身体形态结构特征既是自然选择的结果,也是长期从事专项训练的必然效应[7]。因此,第1共性因子可以解释为女子手球运动员的长躯干精壮型指标。
第2共性因子包括:腕围、手宽、手大指数,这些指标代表手部基本形态,腕围、手宽和手大指数的大小代表了骨架的大小和肌肉纤维的粗细,这两种因素对于手球运动员来讲,对持球的稳定性影响较大,因此,第2共性因子可以解释为女子手球运动员的手部骨架和肌纤维的发达程度指标。
第3共性因子包括:左手AB脊纹数、右手AB脊纹数、AD总脊纹数,成都体院皮纹选材组报道,女子柔韧素质好,TRC(指脊纹总数)适当较多;柔韧素质差,TRC(指脊纹总数)适当减少[8],因此,第3共性因子可以解释为女子手球运动员的柔韧素质指标。
第4共性因子包括:左手ATD角、右手ATD角,ATD角是皮纹学观察的重要指标之一,对某些遗传疾病的临床诊断及判断人的大脑机敏程度和智力的高低均有重要意义[8]。因此,第4共性因子可以解释为女子手球运动员的机敏程度和智力发展指标。
在了解影响中国50名女子手球运动员身体形态结构的共性因子基础上,可以进一步了解50名女子手球运动员身体形态结构特征,通过因子载荷矩阵,得到因子得分估计式的线性组合系数方程[9],计算样本因子标准T分总分F,由于4个共性影响因子的累计贡献率为70.214%,根据表3,通过百分比换算,得到国家女子手球集训队运动员身体形态结构特征的因子得分标准化线性组合估计式: