杨 琦 黄 卓

南昌大学体育学院，江西 南昌 330031

1 引言

改革开放以来，我国竞技体育进入一个快速发展的阶段。[1]从我国作为参赛国派运动员第一次参加奥运会到2008年作为主办方诚邀世界各国体育代表团来华参赛，以及中国体育代表团历年在国际比赛中所获得的优异成绩来看，这无一不证明我国竞技体育事业的综合实力得到了稳健的提高。自竞技体育产生以来，人们将争夺桂冠看作是其存在的本质意义。国内外运动员在各种体育竞赛争相角逐的过程中，人们往往将冠军看作是该项赛事的权威代表，于是这一代名词就根深蒂固于人们的心中。我国各省（市）作为整个国家竞技体育实力的重要决策单元，其实力的强弱自下而上影响着我国竞技体育的长足发展。正是由于各省（市）运动健儿在国内外大型体育赛事中所取得的优异成绩，为我国总体竞技体育实力的提高奠定了坚实的基础。回顾各省（市）所取得运动成绩的差异，这从侧面反映出我国省域竞技体育发展的不均衡性，这种不均衡性为我国竞技体育在今后的发展增添了不确定因素。因此，本研究从省域竞技体育发展的视角出发，基于2017年度各省在国内外大型体育赛事中所取得金牌数，探析2017年我国省域竞技体育水平的空间分布及其影响因素。

2 研究方法与数据来源

2．1 线性回归模型

回归分析可建立关联变量之间的联系，本研究中用于描述竞技体育水平和各影响因素之间的关系。在回归分析中，最常见的是线性回归模型，即建立因变量和一个或多个自变量之同的线性关系。[2]通过构造标准多元线性回归模型，从而分析竞技体育水平的影响因素。

其中，y为因变量，即竞技体育水平；xi为自变量，即竞技体育水平影响因素；是常数；为待估参数，表示随机误差。

2．2 数据来源

选取我国大陆31个省、自治区、直辖市2017年的金牌数据为研究对象，港、澳、台由于其制度原因不列入本研究的范畴。所选取的金牌数据以及各个影响因素数据来自我国各省体育局官方网站、统计年鉴、统计公报、体育年鉴及社会年鉴等资料库。

3 我国省域竞技体育水平空间分布格局

利用ArcGIS10.3软件中的Spatial工具将划分结果进行运算，从而得到2017年我国省域金牌数据的空间分布格局图（见图1）。参照已有研究成果，[2]将我国竞技体育水平划分为5个等级：金牌数大于130发展水平为最优；金牌数70—130为良好；金牌数40—70为中等；金牌数20—40为较差；金牌数小于20为最差。

总体而言，我国竞技体育水平发展最优的省份主要分布在东南部省份（福建省、浙江省、广东省及上海市）、东北部省份（黑龙江省）及中部地区部分省份（湖北省与河南省）；竞技体育水平发展良好的省份主要分布在南部部分省份（四川省、云南省、广西省、北京市和江西省）及北部部分省份（新疆维吾尔族自治区、内蒙古自治区和辽宁省）；竞技体育水平发展中等的省份主要分布在部分东部省份（天津市、河北省、山西省、山东省和江苏省）及部分中部省份（湖南省和宁夏回族自治区）；竞技体育水平发展较差的省份分布跨度较大（主要分布在西藏自治区、贵州省、重庆市、安徽省、吉林省和陕西省）；竞技体育水平发展最差的省份为青海省及甘肃省。

4 我国省域竞技体育水平空间分布格局影响因素

目前，对省域竞技体育影响因素进行研究的文献中，大多使用的研究方法是定性分析，[3]但定性分析主观性较强，得到的结果相对比较抽象，难以反映事物之间的局部差别，应用效果不好。而定量研究方法较定性评价结果更为直观、简洁、准确，应用效果好。相比而言，定量分析方法更加科学，故本文采用线性回归模型对我国省域竞技体育水平空间分布格局影响因素进行研究。

4．1 指标选取

我国省域竞技体育的发展水平是受多方面因素决定的，基于前人的研究基础[4-6]，本研究初步选定经济、体育建筑设施、学校体育、医疗卫生、竞技体育、体育科技水平这几方面为影响我国省域竞技体育水平发展的影响因素。（见表1）

4．2 结果分析

4.2.1 回归系数分析

利用SPSS软件对我国省域竞技体育水平空间分布格局影响因素进行共线性检验和显著性检验，去掉显著水平大于0.1的因素和方差膨胀因子大于7.5的因素，最终进入模型的影响因素有7个。对这7个影响因素进行回归分析，结果如表2和表3所示。

根据表2中的非标准化系数可得到我国省域竞技体育水平发展影响因素的回归模型：

由公式（2）可知：在其他因素不变的条件下，文体投入每增加1万元，金牌数量将增加0.089块；人均GDP每增加1万元，金牌数量将增加0.341块；居民人均可支配收入每增加1元，金牌数量将增加0.009块；每增加一个体育场馆，金牌数量将增加0.050块；国民体质指数每增加一个单位，金牌数量将增加4.013块；每增加一个体育人才，金牌数量将增加1.893块；体育科技水平每增加一个单位，金牌数量将增加2.355块。

4.2.2 模型拟合度分析（Adj R2）

R2和 Adj R2值都可用于测量一般线性回归模型的拟合度。R2能够反映影响因素的方差在多大程度上被模型解释，Adj R2与数据相关（根据模型中因变量的实际数目对R2值进行调整），因而更好地反映模型的拟合程度。[7]值的范围为 0.0 到 1.0，值越大，表示模型的拟合度越高。

由表3可以看出，2017年我国省域竞技体育水平发展的R2为0.680，Adj R2为0.622，说明有62.2%的住宅价格（因变量）可以被模型结果解释，表明2017年我国省域竞技体育水平发展一般线性回归模型的拟合度较好。

表3 线性回归模型结果

5 结论与讨论

（1）我国竞技体育发展水平较高的省份主要集中在我国地域范围的东南部省份，而竞技体育发展水平较低的省份主要集中在我国地域范围的中间部分城市。

（2）我国省域竞技体育水平影响较大的因素主要为：国民体质指数、体育科技水平、体育人才，其次是人均GDP、文体投入、体育场馆数、居民人均可支配收入。

需要说明的是，在选取省域竞技体育水平空间分异格局的影响因素时，不可避免的带有部分主观因素，可能不能全面反映省域竞技体育水平的影响因素。若选取的指标或者模型不同，分析结果也有可能不同，未来可以围绕以上问题进行更深入的研究。