摘 要：本文将就对当今NBA各队的核心后卫的得分、助攻、篮板等技术统计和薪金的关系进行分析，找出一名优秀的核心后卫应具备的关键素质，为提高我国篮球的后卫水平，并最终提高我国的篮球水平提供一些参考意见。
关键词： 助攻 抢断 篮板 得分 投篮命中率 薪金
一、引言部分
纵观当代篮球运动的发展，核心后卫球员的影响力正变的日趋突出，一名优秀的后卫往往对比赛的胜负起着重要作用。芝加哥公牛队之所以取得六夺NBA总冠军的伟业与队中的超级后卫迈克尔乔丹的作用是分不开的。可以毫不夸张的说，核心后卫是一支球队在场上的灵魂，是一支球队具体战术打法的组织指挥者，是场上的教练员。其水平的高低对整个队伍有着举足轻重的作用。
中国男篮与欧美篮球强国的差距在后卫方面体现的最为明显，后卫问题的良好解决业已成为中国队进一步提升实力的关键。中国队需要培养更好的后卫，这已经不是秘密。而如何培养一名优秀的后卫需要的不仅是关注和重视，更需要找出我国男篮后卫现状存在的问题以及今后着重培养后卫的着眼点，正所谓有的放矢。
二、数据搜集
1数据选择：由于篮球运动员都有其运动生涯的周期性，本文所选取的球员大都处在其运动生涯的鼎盛时期，考虑到代表性的问题，我们选取了处于高中低不同的薪金层次的球员。因此这些技术统计将会很好的反映一名优秀后卫球员的价值所在，核心素质所在。
2数据来源:本文的数据全部来自NBA官方网站，因此数据具有高度准确性、全面性以及权威性。
据此,我们选择NBA后卫球员2003—2004年年薪以及该年平均每场助攻次数，得分数，篮板次数等技术指标作为分析数据。详见附表(一)
三、建立模型
建立经济模型 ：
其中， Y——年薪 X2——助攻 X3 ——得分
X4——抢断 X5——篮板 X6——投篮命中率
需要特别说明的是：我们用薪金来数量化球员能力。由于NBA球员的年薪给出是根据他们的技术表现，在NBA联盟中有完善的统计资料能很好的考察球员的能力，所以较有代表性。
四、模型的参数估计、检验及修正
1.模型的参数估计及其经济意义、统计推断的检验
利用EVIEWS软件，用OLS方法估计得：（见附表二）
Y= -289.09912+71.17229X2 +44.08696X3 +91.15683X4 +-29.26075X5 +0.19616X6
(-0.66749) (3.15035) (4.03103) (0.73860) (-0.82658 ) (0.01949)
R-squared=0.83555 Adjusted R-squared=0.80814 F= 30.48620
可以看到，x2助攻 ，x3 得分两项数据的T值比较明显，对Y的影响显著，而且顺利的通过了统计推断检验。但是X4、X5、X6的P值较低，未能通过检验。
从经济意义上来分析：（1）篮板球能力主要取决也身高和球场位置。而后卫球员主任务是组织进攻，多在外线。并且相对于中锋前锋而言，身材较为矮小，所以篮板球较少。在一个球队中篮板多是衡量中锋的能力的，并非后卫的核心指标，所以应舍去。
（2）对于投篮命中率而言，之所以不显著是因为高薪球员往往是球队的主力队员，出手投篮中很多是一些难度较大的球。低薪球员为减少球队失误率，仅敢投一些离篮近，把握大的球，这就使得低薪球员的命中率与高薪球员差不多，有时还要高一些，因此该项指标不具有很好的代表性，也不得不舍去。
2.计量经济学检验
（1）对各影响因素进行多重共线性检验：
先进行变量显著性与方程显著性综合判断：
R-squared 0.835554300185
F-statistic 30.4862079503
Prob(F-statistic) 6.66500717359e-11
t-Statistic Prob
X2 3.1504 0.0037
X3 4.0310 0.0004
X4 0.7386 0.4659
可以看到比较大，F值显著的大于给定显著水平下的临界值，而变量X4，对应的T值不显著，说明该模型可能存在多重共线性。
构建相关矩阵检验：
X2 X3 X4
X2 1.000000 0.585766 0.697735
X3 0.585766 1.000000 0.808914
X4 0.697735 0.808914 1.000000
可见x4抢断与x3得分之间较有可能存在多重共线性.
下面我们利用逐步回归法（变量剔除法）进行修正（回归过程详见附表四、五、六）：
在回归中我们先用Y对X2、X3、X4进行单独回归，选出Y对X2的回归为最优基本方程：
Y= -37.45163 + 161.9965 X2
（-0.315000) (6.460686)
=0.551099 =0.537896 F= 41.74046
引入另一变量，扩大模型，从中选优得：
Y= -284.9449 + 78.90378 X2 + 42.72510X3
(-3.480065) (4.067177) (7.311955)
=0.828673 =0.818289 F=79.80698
再添加一项：
Y= -303.8851 + 71.37759 X2 + 38.67332X3 + 87.04928X4
(87.04928) (3.224229) (4.760202) (0.723518)
=0.831430 =0.815627 F= 52.61087
从以上回归过程可以看到X2 ,X3的回归效果比较好，而且T 检验F检验都较好的得到通过，在加入X4一项以后，不仅改进不大还使X2 X3的T值趋向不显著方向发展。所以X4对模型的改进作用不显著。将X4剔除出去会使模型得到改善。
故将模型变为：
（2）异方差检验（white检验）
Obs*R-squared 3.832947 Probability 0.429086
（具体数据见附表七）
查表知： ，，所以接受原假设.
模型无异方差
（3）自相关检验：
由自相关的定义可以知道：自相关是指回归模型中随机误差项逐项值之间的相关，即：
对于截面数据而言，不存在时间序列T，所以自相关检验也无法作出。
五、总结
我们进行了一系列检验和修正后的最终结果如下：
从模型中可看出：
1 X2 助攻，X3得分，两项对Y球员薪金的影响作用最为显著，所以助攻能力和个人的得分能力是一名优秀后卫球员必备的基本素质，也是决定一名后卫是否优秀的关键。这也说明后卫的一项主要作用是传球助攻，这就需要后卫有巧妙的传球技巧，能及时准确的将球传出，为队友创造得分机会，从而盘活全队的进攻体系。作为一名优秀的后卫同时还应该具备出色的得分能力，这就需要后卫拥有良好的个人突破和远投能力。
2 对于一名优秀的后卫来说篮板球能力也是必不可少的的，只不过与得分，助攻这样的核心能力相比作用要弱的多，因此在计量经济模型中不能得到很好的体现。
六、政策建议
1在了解了世界优秀后卫情况之后之下，我们比较一下国内后卫。国内后卫球员缺乏主动进攻的意识，难以独当一面。这一方面与国内篮球倚重中锋前锋的理念有关，另一方面由于国内后卫球员的身体对抗能力差，难以发挥出原有的技术水平。因此，我们一方面要强调后卫的攻击意识，给后卫球员更大的个人发挥空间，另一方面加强后卫球员的身体素质，全面提高后卫的个人攻击技术，尤其是突破技术。
2 提高后卫阅读比赛的能力，后卫是是团结全队夺取比赛胜利的组织者与指挥者。球场上出现任何的情况，后卫队员都要能最早时间的掌握，在进攻中能找到对方的漏洞，在防守中抓住对方的失误。这必须要通过长期的比赛训练这方面的能力，积累这方面的经验。要具备这方面的思想。
3 加强后卫球员调控比赛的能力，后卫球员是场上的指挥官，必须具备良好的心理素质和个人控制能力。这就要在平时的训练比赛过程中注意培养后卫优秀的意志品质，在任何情况下都不丧失斗志和进取心。
4 后卫球员要具有领导球队的意识，还要具有整体思想，能带动球队比赛，融合球队成一个整体，在比赛中能积极的配合队友，帮助他们进攻和防守。特别杜绝一个人猛冲猛撞，当成一个人的比赛。
5 作为进攻中心的后卫队员，在关键时刻一定要能够站出来，承担更多的责任，比如说最后时刻的反攻，或者是最后一投等。要求后卫队员具备过硬的心理素质，和稳定的心态。
参考资料： 《计量经济学》庞皓 李南成主编
NBA官方网站
附表(一)
obs Y(单位$) X2 X3 X4 X5 X6 %
贾森-基德 1220 9.2 15.5 1.82 6.4 38.4
斯蒂芬-马布里 1462 8.3 20.8 1.88 3.4 43.2
戴维斯 1010 7.5 22.9 2.36 4.3 44
阿伦－艾佛森 1463 6.8 26.4 2.4 3.7 38.7
贾森－威廉姆斯 687 6.8 10.9 1.28 2 42.6
史蒂夫－弗朗西斯 1133 6.2 16 1.76 5.5 40.3
安德列－米勒逊 736 6.1 14.8 1.73 4.5 38.9
卡伦特－巴里 426 5.8 10.8 1.44 3.5 41.9
达蒙－琼斯 250 5.8 7 0.37 2.1 44.7
麦克格雷蒂 1330 5.5 28 1.39 6 41.7
贾森－特里 750 5.4 16.8 1.53 4.1 45.7
毕比 1167 5.4 18.4 1.37 3.4 47
杰查基－阿特金斯 420 5.3 12 1.08 1.9 47
保罗－皮尔斯 1258 5.1 23 1.64 6.5 40.2
科比 1350 5.1 24 1.72 5.5 43.8
吉尔伯特－阿里纳斯 1062 5 19.6 1.87 4.6 39.2
里基－戴维斯 545 5 15.3 1.14 5.5 40.7
文斯－卡特 1258 4.8 22.5 1.21 4.8 43.1
安东尼奥－丹尼尔斯 220 4.2 8 0.63 2 42.5
理查德-汉密尔顿 1200 4 17.6 1.32 3.6 45.5
厄尔-博伊金斯 250 3.6 10.2 0.62 1.7 41.8
卡蒂诺-莫布里 588 3.2 15.8 1.34 4.5 39.5
斯蒂芬-杰克逊 510 3.1 18.1 1.78 4.6 45
大卫-韦斯利 445 2.9 14 1.16 2.2 44.4
贾森-理查德森 353 2.9 18.7 1.1 6.7 41.7
安东尼-卡特 80 2.4 4.1 0.8 1.7 29.7
里基-戴维斯 545 2.4 18.8 1.56 5.3 39.7
德里克-费舍尔 490 2.3 7.1 1.26 1.9 50.4
弗雷德-琼斯 157 2.1 4.9 0.8 1.6 39.5
鲍比-杰克逊 315 2.1 13.8 0.98 3.5 43.8
埃里克-斯特里克兰 165 1.9 4.9 0.5 1.7 41.7
凯斯-迈克里奥德 75 1.8 2.7 0.48 1 35
安东尼-皮勒 160 1.6 5.7 0.75 2 44.8
贾森-哈特 140 1.5 3.2 0.53 1.4 40.1
拉加-贝尔 132 1.3 11.2 0.7 2.9 40.9
布莱文-奈特 69 0.5 2.4 0.3 1.1 42.7
附表(二)
Dependent Variable: Y
Method: Least Squares
Date: 05/28/05 Time: 10:48
Sample: 1 36
Included observations: 36
Variable Coefficient Std. Error t-Statistic Prob.
X2 71.1722992072 22.5918563266 3.15035197543 0.00367934187391
X3 44.086962196 10.9368972574 4.03103011378 0.000350607352956
X4 91.1568353941 123.41735281 0.738606308747 0.465885645889
X5 -29.2607502439 35.399662025 -0.826582757292 0.414999684941
X6 0.196169289694 10.0649640366 0.019490312035 0.984579019412
C -289.099128331 433.111407923 -0.667493681862 0.509559318893
R-squared 0.835554300185 Mean dependent var 650.583333333
Adjusted R-squared 0.808146683549 S.D. dependent var 466.58420615
S.E. of regression 204.368844458 Akaike info criterion 13.6287416876
Sum squared resid 1252998.73756 Schwarz criterion 13.8926615107
Log likelihood -239.317350377 F-statistic 30.4862079503
Durbin-Watson stat 1.54660134294 Prob(F-statistic) 6.66500717359e-11
附表(四)
Dependent Variable: Y
Method: Least Squares
Date: 05/28/05 Time: 12:26
Sample: 1 36
Included observations: 36
Variable Coefficient Std. Error t-Statistic Prob.
X2 161.9965 25.07419 6.460686 0.0000
C -37.45163 118.8940 -0.315000 0.7547
R-squared 0.551099 Mean dependent var 650.5833
Adjusted R-squared 0.537896 S.D. dependent var 466.5842
S.E. of regression 317.1758 Akaike info criterion 14.41074
Sum squared resid 3420417. Schwarz criterion 14.49872
Log likelihood -257.3934 F-statistic 41.74046
Durbin-Watson stat 1.625013 Prob(F-statistic) 0.000000
附表(五)
Dependent Variable: Y
Method: Least Squares
Date: 05/28/05 Time: 12:27
Sample: 1 36
Included observations: 36
Variable Coefficient Std. Error t-Statistic Prob.
X2 78.90378 19.40013 4.067177 0.0003
X3 42.72510 5.843185 7.311955 0.0000
C -284.9449 81.87919 -3.480065 0.0014
R-squared 0.828673 Mean dependent var 650.5833
Adjusted R-squared 0.818289 S.D. dependent var 466.5842
S.E. of regression 198.8933 Akaike info criterion 13.50307
Sum squared resid 1305432. Schwarz criterion 13.63503
Log likelihood -240.0553 F-statistic 79.80698
Durbin-Watson stat 1.741556 Prob(F-statistic) 0.000000
附表(六)
Dependent Variable: Y
Method: Least Squares
Date: 05/28/05 Time: 12:28
Sample: 1 36
Included observations: 36
Variable Coefficient Std. Error t-Statistic Prob.
X2 71.37759 22.13788 3.224229 0.0029
X3 38.67332 8.124301 4.760202 0.0000
X4 87.04928 120.3139 0.723518 0.4746
C -303.8851 86.53157 -3.511841 0.0013
R-squared 0.831430 Mean dependent var 650.5833
Adjusted R-squared 0.815627 S.D. dependent var 466.5842
S.E. of regression 200.3451 Akaike info criterion 13.54240
Sum squared resid 1284421. Schwarz criterion 13.71835
Log likelihood -239.7632 F-statistic 52.61087
Durbin-Watson stat 1.631802 Prob(F-statistic) 0.000000
附表（七）
White Heteroskedasticity Test: 0.923471 Probability 0.462893
Obs*R-squared 3.832947 Probability 0.429086
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 05/28/05 Time: 12:57
Sample: 1 36
Included observations: 36
Variable Coefficient Std. Error t-Statistic Prob.
C -2615.787 28665.38 -0.091252 0.9279
X2 -762.3323 14531.58 -0.052460 0.9585
X2^2 -283.7714 1425.787 -0.199028 0.8435
X3 6824.743 4200.818 1.624622 0.1144
X3^2 -192.3548 133.9603 -1.435909 0.1610
R-squared 0.106471 Mean dependent var 36262.00
Adjusted R-squared -0.008823 S.D. dependent var 38221.76
S.E. of regression 38390.01 Akaike info criterion 24.07723
Sum squared resid 4.57E+10 Schwarz criterion 24.29716
Log likelihood -428.3901 F-statistic 0.923471
Durbin-Watson stat 2.423659 Prob(F-statistic) 0.462893