基于变量筛选的NBA和CBA球员得分研究

为了提高CBA球员的竞技水平,本文采用线性模型中的LASSO方法以及非线性模型中的随机森林、支撑向量回归、多层感知机,对CBA和NBA球员的得分数据构建了回归模型,其中球员得分为响应变量,解释变量包括出场次数、年龄、两分球命中次数、两分球命中率、两分球出手次数、三分球命中次数等在内的18个变量。同时利用置换特征重要性指标对各个模型的特征重要性进行排序,筛选出对球员得分具有重要影响的变量为两分球命中次数、罚球出手次数、三分球命中次数、助攻、总篮板、出场次数、失误。此外,文章选取Wilcoxon-Mann-Whitney秩和检验来比较筛选的变量在CBA和NBA中存在显著性差异。并且,通过年龄对比我们发现国内球员的巅峰期短于NBA的球员。