偏最小二乘在短跑运动员选材中的应用-杭州师范大学学术期刊社.pdfVIP

第 4 卷第 5 期 杭州师范学院学报(自然科学版) Vo 1. 4No.5 2005 年 9 月 Journal 01 Hangzhou Teachers College (Natural Science Edition) Sep. 2005 文章编号: 1008-9403(2005)05 一0397 一04 偏最小二乘在短跑运动员选材中的应用 孙雪莲胡锡健林兢2 (1.新疆大学数学学院新疆乌鲁木齐 830046; 2. 新疆大学体育学院新疆乌鲁木齐 830046) 摘 要:运动员选材问题是一个极其重要而又复杂的问题，就方法而言，目前尚无重大突破.在此运用一种 新型的多元数据分析方法一一偏最小二乘回归(PLS) 方法，选取 13 岁维吾尔族男生，就其体质测试中的形态、 机能、素质等有关数据加以分析，建立了短跑成绩的预测模型.对各项指标的贡献率进行分析与计算，并做了精 度分析，为科学选材提供了定量依据. 关键词:偏最小二乘回归;交叉检验;运动员选材 中图分类号: 0213; G-80-32 文献标i只码 :A 以往人们对运动员选材研究大多采用定性研究方法，例如用遗传理论指导运动员选材，根据体型、个 性、心理特征选材，利用肤纹学研究选材，等等.近年来，在定量研究方面，人们开始作出积极的尝试，引入 了其他学科知识.比如，文献[lJ在运动员选材中应用了模糊综合评分法，文献[2J将列序聚类法和最小变 化拟合法引人模型，矩阵运算[3J 、层次分析法川等都是常用的研究方法.科学地进行运动员选材，实际是对 运动员有多大培养前途多方面因素的综合评定.它包括对被评定对象的身体形态、机能、身体素质等多 种因素指标的综合分析和选择.但这些因素指标之间往往存在严重的多重相关性，严重干扰数据的分析结 果.在此试图应用 PLS 方法来消除这种变量多重相关性，得到合理的预测模型，为建立一种新的科学选材 方法作初步尝试. 1 PLS 回归建模的原理与方法 偏最小二乘回归CPLS) 是一种新型的多元统计数据分析方法.从某种意义上说是一种改进了的主成 分方法，但是又不同于主成分方法.PLS 在成分提取的过程中不仅考虑自变量(解释变量)的信息，同时考 虑了因变量(被解释变量)的信息，在复杂的多变量系统中，PLS 方法没有对逐个变量判断其留取与舍弃， 而利用信息分解的思路，将自变量系统中的信息重新组合，有效地提取对系统解择性最强的综合变量，排 除重叠信息或无意义的信息干扰，从而克服变量多重共线性在系统建模中的不良作用，得到一个更为可靠 的分析结果. PLS 回归方法有单因变量的 PLS 回归与多因变量的 PLS 回归，由于本研究只、涉及到单因变量问题， 因此只就单因变量 PLS 回归作阐述. 1. 1 单因变量 PLS 回归建模思路 设有单因变量 y 和ρ 个自变量{Xl 岛，… ， X } ， 观测 n 个样本点，构成自变量与因变量的数据表 x= p 收稿日期 :2005-06-14 作者简介:孙雪莲(1980-) .女，新疆巩留县人，新疆大学数学学院硕士，主要从事概率论与数理统计方面的研究. 398 杭州师范学院学报(自然科学版) 2005 年 [.T\ ， 町，… ， X ] 川和Y = [y]X\. 偏最小二乘回归分别在X 和Y 中提取成分t 1 和屿，提取成分时为了回归 p 分析的需要，有下列两个要求需要满足: ( 1) t\ 和 U\ 应尽可能多地携带它们各自数据表中的变异信息; (2) t 1 和 Ul 的相关程度能够达到最大. 在第一个成分 t 和 Ul 被提取后，偏最小二乘回归分别实施X 对t 1 的回归以及Y ，X;J t 的回归，如果回