國家高水平體育后備人才基地選材測試指標(biāo)體系對青少年運(yùn)動員運(yùn)動項目定位的應(yīng)用性探索

潘其樂，景 晨

運(yùn)動員選材就是發(fā)現(xiàn)或識別有天賦的人才，指導(dǎo)兒童青少年從事最適合個人特征的運(yùn)動項目。 為實現(xiàn)“運(yùn)動員-項目”間的定位（sports orientation），匹配青少年運(yùn)動員適宜的運(yùn)動項目， 需要有一套廣泛通用的測試指標(biāo)體系，既突出運(yùn)動項目間的差異，便于運(yùn)動員之間和運(yùn)動項目之間的比較，又體現(xiàn)運(yùn)動項目之間的轉(zhuǎn)移可能性[1]。 國家體育總局自2004 年以來，以奧運(yùn)會四年為一個周期，在全國各級各類體校中開展 “國家高水平體育后備人才基地”（以下簡稱基地）認(rèn)定工作，為實施體育后備人才培養(yǎng)工程打下良好基礎(chǔ)， 大大提升各級各類體校體育后備人才培養(yǎng)質(zhì)量[2]。 在評定框架中，要求學(xué)校每年進(jìn)行兩次“大綱考核”，已有大綱測試標(biāo)準(zhǔn)的項目按標(biāo)準(zhǔn)執(zhí)行，無測試標(biāo)準(zhǔn)的項目可根據(jù)各省（區(qū)、市）研制標(biāo)準(zhǔn)執(zhí)行。上海市于2010 年在國家體育總局制定的大綱標(biāo)準(zhǔn)上，結(jié)合本地優(yōu)勢，制定出包含身體形態(tài)、身體素質(zhì)、 生理機(jī)能和生長發(fā)育等方面的基地選材測試指標(biāo)體系，十幾年來積累了大量數(shù)據(jù)。但這套指標(biāo)體系在選材工作實踐中能否有助于落實這一定位， 卻較少有研究結(jié)果證明，也存在年齡和項目上的局限[3]。

判別分析（Discriminant Analysis, DA）作為一種參數(shù)化技術(shù)， 可用于確定哪些特征變量或預(yù)測因子的權(quán)重能夠更好區(qū)分兩組或兩組以上的案例， 所創(chuàng)建的判別函數(shù)為變量權(quán)重和分?jǐn)?shù)的線性組合[4]。 也就是說，以選材指標(biāo)為自變量、運(yùn)動員所從事的運(yùn)動項目為因變量， 采用判別分析可以了解不同指標(biāo)在區(qū)分各運(yùn)動項目中的相對重要性， 或者說可以探索這一選材指標(biāo)組合是否有助于運(yùn)動項目定位[1,3,5]。盡管非線性人工神經(jīng)網(wǎng)絡(luò)如自組織Kohonen 功能圖和多層感知器等方法更為貼合人才表現(xiàn)的非線性發(fā)展過程，但線性判別分析的分類適當(dāng)性仍表現(xiàn)較好，甚至正確分類（即真陽性，被歸類為參與該項運(yùn)動的運(yùn)動員）的準(zhǔn)確性高于非線性方法，整體的正確分類率在70%以上[3,6-7]。

因此，本研究運(yùn)用判別分析法，為上海地區(qū)的青少年運(yùn)動員構(gòu)建運(yùn)動項目定位模型， 探索基地選材指標(biāo)體系對運(yùn)動項目定位的有效性， 使大綱測試結(jié)果不僅用于運(yùn)動員考核或基地認(rèn)定， 還要反哺上海地區(qū)青少年運(yùn)動員的人才識別和選拔，因材施教，提高成才率。

1 研究對象和方法

1.1 研究對象

近五年（2015—2019 年）上海市兩所市級體育運(yùn)動學(xué)校的青少年運(yùn)動員，以兩歲為一個年齡組，年齡范圍11~18 歲。 在排除①基地測試存在數(shù)據(jù)缺失，②從事某項目的運(yùn)動員在某年齡段的人數(shù)少于5 人后，663 名男性運(yùn)動員和662 名女性運(yùn)動員成為最終的研究對象，其在各年齡段的分布見表1，能基本代表該時段上海地區(qū)的二線人才儲備。

表1 上海市兒童青少年運(yùn)動員各年齡段人數(shù)分布（單位：人）Table1 Numbers of children and youth athletes in Shanghai by age group (unit: person)

1.2 研究方法

按基地測試要求，上下半年各一次（上半年3—4 月；下半年9—10 月），測試指標(biāo)見表2，采樣地點(diǎn)在校內(nèi)且基本固定，遵照《上海市青少年運(yùn)動員選材測試標(biāo)準(zhǔn)化工作指南》，采用相同的時間流程安排和相同的測試儀器，并由經(jīng)選材培訓(xùn)考核合格、年測量人數(shù)在8 000 人次以上的上海市運(yùn)動員選材育才專業(yè)委員會測試人員進(jìn)行施測， 且按當(dāng)日測試總?cè)藬?shù)的3%~5%進(jìn)行隨機(jī)抽樣復(fù)測，以確保數(shù)據(jù)的可信度。

表2 上海市體育后備人才基地選材測試指標(biāo)Table2 Shanghai sports reserve talent base selection test index

1.3 數(shù)據(jù)處理

所有數(shù)據(jù)均采用SPSS20.0 進(jìn)行方差分析和判別分析，最小統(tǒng)計學(xué)意義設(shè)定為P＜0.05。 對方差齊性的指標(biāo)，考慮到各組樣本量的不同，選用Scheffe法進(jìn)行組間差異分析； 對方差不齊的指標(biāo)， 選用Brown-Forsythe 法和 Welch 法檢驗其顯著性，Tamhane’s T2 法進(jìn)行組間比較。 以運(yùn)動員所從事的運(yùn)動項目為分組變量、選材指標(biāo)值為自變量，所得的Fisher 線性判別函數(shù)分別對應(yīng)各運(yùn)動項目， 探索基地選材指標(biāo)體系對各年齡段運(yùn)動項目定位的能力。分別采用標(biāo)準(zhǔn)判別分析（Standard DA）和步進(jìn)式判別分析（Stepwise DA）了解這些選材指標(biāo)在項目定位中的相對重要性。 判別分類效果的驗證采用留一法交叉驗證（the leave-one-out method of cross-validation），是將1 個樣本作為其余（n-1）個樣本的驗證集，重復(fù)n 次后進(jìn)行平均所得的正確分類百分比[8]，而被歸類為參與該項運(yùn)動的其他項目運(yùn)動員為假陽性。

2 研究結(jié)果

描述性統(tǒng)計顯示，與同齡人相比，籃球和排球運(yùn)動員在長度形態(tài)指標(biāo)（身高、指距、上肢長、下肢長B和小腿長A）和心肺功能（肺活量）上體現(xiàn)優(yōu)勢；舉重運(yùn)動員表現(xiàn)出占優(yōu)的身體體型 （體重和皮褶厚度和）、各部位圍度（胸圍、腰圍、大腿圍、小腿圍和踝圍）和軀干力量（背力），但長度指標(biāo)（身高、指距、小腿長和跟腱長） 較低； 游泳運(yùn)動員表現(xiàn)出寬肩 （肩寬）、窄胯（骨盆寬），以及較好的心肺功能（胸圍和肺活量）； 田徑運(yùn)動員表現(xiàn)出較低的胸圍和皮褶厚度、較好的下肢優(yōu)勢（下肢長B 和小腿長A）和眼手反應(yīng)速度；乒乓球、羽毛球和女足運(yùn)動員的體型相對較小，這可能也導(dǎo)致了其不占優(yōu)的肺活量和軀干力量。

為探索基地選材指標(biāo)體系對不同運(yùn)動項目的定位能力， 針對4 個年齡段和兩個性別分別進(jìn)行了標(biāo)準(zhǔn)判別分析， 各年齡段從事不同運(yùn)動項目的男女性青少年運(yùn)動員得到正確分類的結(jié)果見表3、表4。

表3 男性青少年各年齡段、各項目運(yùn)動員經(jīng)基地選材指標(biāo)體系正確分類的百分比（%）Table3 Percentage of male youth athletes of all ages and events correctly classified by the base selection index system(%)

表4 女性青少年各年齡段、各項目運(yùn)動員經(jīng)基地選材指標(biāo)體系正確分類的百分比（%）Table4 Percentage of female youth athletes of all ages and events correctly classified by the base selection index system(%)

在11~12 歲年齡段從事6 種不同項目的男性青少年運(yùn)動員中， 結(jié)果顯示77.0%的初始分組案例得到了正確分類， 對交叉驗證分組案例中的48.0%進(jìn)行了正確分類 （Wilks’ Lambda＝0.075，P＜0.001）。由于分組變量在6 個運(yùn)動項目間是不同的， 故生成5 個規(guī)范判別函數(shù)， 其共同的累計作用占項目正確分類案例中的100%。 第一個判別分析中所獲得的Fisher 線性判別函數(shù)反映了肺活量、跟腱長、肩寬、指距和上肢長5 個指標(biāo)在區(qū)分這6 種運(yùn)動項目中的相對重要性， 解釋了整個模型35.4%的方差變化。Fisher 判別函數(shù)2 則反映小腿長A、 下肢長B 和身高的相對重要性。 兩者累計解釋67.0%的模型方差變化。

在該年齡段從事8 種不同項目的女性青少年運(yùn)動員，61.7%的初始分組案例和31.6%的交叉驗證分組案例得到了正確分類（Wilks’ Lambda＝0.089，P＜0.001）。 判別分析中所獲得的7 個Fisher 線性判別函數(shù)，函數(shù)1 解釋了整個模型方差變化的38.8%，反映出身高、指距、坐高、小腿長A 和上肢長等身體長度指標(biāo)在區(qū)分這8 種運(yùn)動項目中的相對重要性。函數(shù)2 則反映背力的相對重要性。 兩者對各運(yùn)動項目區(qū)分的累計方差變化解釋達(dá)68.2%。

在13~14 歲年齡段從事11 種不同項目的男性青少年運(yùn)動員中， 初始分組案例中的51.2%得到了正確分類， 而交叉驗證的分組案例中僅36.5%被正確分類（Wilks’ Lambda＝0.095，P＜0.001）。 第一個Fisher 線性判別函數(shù)反映了下肢長B、 小腿長A、身高和上肢長這5 個長度形態(tài)指標(biāo)在區(qū)分這11 項運(yùn)動中的相對重要性， 解釋了整個模型41.3%的方差變化。 Fisher 判別函數(shù)2 則反映腰圍、皮褶厚度和、大腿圍、體重、胸圍、踝圍和小腿圍這些身體充實度指標(biāo)和圍度形態(tài)指標(biāo)的相對重要性。 兩者累計解釋62.3%的方差變化。

在該年齡段的女性青少年運(yùn)動員中，初始分組案例中的54.0%得到了正確分類，對交叉驗證分組案例中的32.5%進(jìn)行了正確分類（Wilks’ Lambda＝0.124，P＜0.001）。 第一個Fisher 線性判別函數(shù)反映了下肢長B、小腿長A、指距、上肢長和身高5 個長度形態(tài)指標(biāo)在區(qū)分這12 項運(yùn)動中的相對重要性，解釋了整個模型37.8%的方差變化。 第二個Fisher 判別函數(shù)則反映背力和肩寬指標(biāo)的相對重要性。 兩者累計解釋55.7%的模型方差變化。

在15~16 歲年齡段的男性青少年運(yùn)動員中，60.6%的初始分組案例和40.4%的交叉驗證分組案例得到了正確分類（Wilks’Lambda＝0.141，P＜0.001）。第一個Fisher 線性判別函數(shù)反映了下肢長B、 小腿長A 和身高3 個長度形態(tài)指標(biāo)在區(qū)分這8 項運(yùn)動中的相對重要性， 解釋了整個模型55.3%的方差變化。 Fisher 判別函數(shù)2 則體現(xiàn)背力、小腿圍和大腿圍等反映身體力量指標(biāo)的相對重要性。 兩者累計解釋72.1%的模型方差變化。

在該年齡段從事10 種不同項目的女性青少年運(yùn)動員，61.1%的初始分組案例和37.3%的交叉驗證分組案例得到了正確分類 （Wilks’ Lambda＝0.086，P＜0.001）。 Fisher 線性判別函數(shù)1 解釋了整個模型43.6%的方差變化， 主要反映了下肢長B 和跟腱長指標(biāo)在區(qū)分這10 項運(yùn)動中的相對重要性。 Fisher 判別函數(shù)2 則體現(xiàn)背力指標(biāo)的相對重要性； 兩者累計解釋70.5%的模型方差變化。

在17~18 歲年齡段從事5 種不同項目男性青少年運(yùn)動員，77.4%初始分組案例和63.2%交叉驗證分組案例得到了正確分類（Wilks’ Lambda＝0.140，P＜0.001）。 第一個Fisher 線性判別函數(shù)反映了下肢長B 和身高、胸圍和大腿圍這兩方面身體形態(tài)指標(biāo)在區(qū)分5 項運(yùn)動中的相對重要性， 對整個模型74.8%的方差變化進(jìn)行了解釋。 Fisher 判別函數(shù)2 則反映背力和小腿圍等身體力量指標(biāo)的相對重要性。累計模型方差解釋92.1%。

在該年齡段從事5 種不同項目女性青少年運(yùn)動員， 對90.1%的初始分組案例和71.8%的交叉驗證分組案例進(jìn)行了正確分類 （Wilks’ Lambda＝0.033，P＜0.001）。 第一個Fisher 線性判別函數(shù)反映了皮褶厚度指標(biāo)的項目定位相對重要性， 對45.9%的模型方差變化進(jìn)行了解釋。 Fisher 判別函數(shù)2 則體現(xiàn)小腿長A、 下肢長B 和身高等指標(biāo)的相對重要性。 兩者累計解釋79.1%的模型方差變化。

為了進(jìn)一步探索哪些特征指標(biāo)能明顯區(qū)分不同的運(yùn)動項目，以及出于實際的指標(biāo)精簡考慮，采用步進(jìn)式判別分析，可將11~12 歲男性青少年運(yùn)動員的項目定位顯著性指標(biāo)精簡至肩寬和小腿長A 這2 項指標(biāo)，能對46.0%初始分組案例和42.0%交叉驗證分組案例進(jìn)行正確分類 （Wilks’Lambda＝0.464，P＜0.001），第一個Fisher 線性判別函數(shù)主要突出小腿長A 指標(biāo)，解釋了整個模型69.2%的方差變化（表5）。13~14 年齡段的項目定位顯著性指標(biāo)可精簡至下肢長B、 大腿圍、 肺活量和背力這4 項指標(biāo)， 能對37.3%初始分組案例和30.6%交叉驗證分組案例進(jìn)行正確分類（Wilks’Lambda＝0.267，P＜0.001），F(xiàn)isher 線性判別函數(shù)1 解釋了整個模型方差變化的54.1%，主要反映下肢長B 的相對重要性，而函數(shù)2體現(xiàn)大腿圍和肺活量的相對重要性， 累計解釋模型方差79.6%（表6）。15~16 歲男性青少年運(yùn)動員的項目定位顯著性指標(biāo)為下肢長B、小腿圍、大腿圍和背力這4 項指標(biāo)，前一指標(biāo)體現(xiàn)在線性判別函數(shù)1中，其余與函數(shù)2 更為相關(guān)，累計方差變化解釋達(dá)93.3%， 能對46.8%初始分組案例和40.9%交叉驗證分組案例進(jìn)行正確分類 （Wilks’Lambda＝0.354，P＜0.001）（表7）。 17~18 歲男性青少年運(yùn)動員的項目定位顯著性指標(biāo)可精簡至身高、胸圍和背力這3 項指標(biāo)，對65.4%初始分組案例和64.7%交叉驗證分組案例進(jìn)行了正確分類（Wilks’Lambda ＝0.297，P＜0.001），2 個線性判別函數(shù)累計解釋了99.7%的模型方差變化（表8）。

表5 基于基地選材指標(biāo)的11~12 歲男運(yùn)動員項目Fisher 步進(jìn)式線性判別函數(shù)系數(shù)Table5 Fisher stepping linear discriminant function coefficient of 11-12 years old male athletes based on base selection index

表6 基于基地選材指標(biāo)的13~14 歲男運(yùn)動員項目Fisher 步進(jìn)式線性判別函數(shù)系數(shù)Table6 Fisher stepping linear discriminant function coefficient of 13-14 years old male athletes based on base selection index

表7 基于基地選材指標(biāo)的15~16 歲男運(yùn)動員項目Fisher 步進(jìn)式線性判別函數(shù)系數(shù)Table7 Fisher stepping linear discriminant function coefficient of 15-16 years old male athletes based on base selection index

表8 基于基地選材指標(biāo)的17~18 歲男運(yùn)動員項目Fisher 步進(jìn)式線性判別函數(shù)系數(shù)Table8 Fisher stepping linear discriminant function coefficient of 17-18 years old male athletes based on base selection index

11~12 歲女性青少年運(yùn)動員的項目定位顯著性指標(biāo)可被精簡至小腿長A 和肺活量這2 項指標(biāo)，分別體現(xiàn)在2 個線性判別函數(shù)中， 能對32.3%初始分組案例和30.1%交叉驗證分組案例進(jìn)行正確分類（Wilks’Lambda＝0.450，P＜0.001）（表9）。 13~14 年齡段的項目定位指標(biāo)可精簡至體重、指距、下肢長B和背力這4 項指標(biāo)， 函數(shù)1 解釋了整個模型61.4%的方差變化， 突出下肢長B 和指距的相對重要性，與函數(shù)2 累計解釋78.2%的模型方差變化， 能對32.8%的初始分組案例和26.8%的交叉驗證分組案例進(jìn)行正確分類 （Wilks’Lambda＝0.343，P＜0.001）（表10）。 對15~16 歲年齡段的女性青少年運(yùn)動員，項目定位顯著性指標(biāo)為下肢長B、 背力和皮褶厚度和這3 項， 對40.9%初始分組案例和36.3%交叉驗證 分 組 案 例 進(jìn) 行 了 正 確 分 類 （Wilks’Lambda ＝0.327，P＜0.001）（表11）。 17~18 歲女性青少年運(yùn)動員的項目定位顯著性指標(biāo)有身高、體重、小腿圍、皮褶厚度和與背力這5 項指標(biāo)， 能對69.0%初始分組案例和60.6%交叉驗證分組案例進(jìn)行正確分類（Wilks’Lambda＝0.244，P＜0.001），累計模型方差解釋88.4%（表12）。 相應(yīng)的Fisher 線性判別函數(shù)可見表5~ 表12。

表9 基于基地選材指標(biāo)的11~12 歲女運(yùn)動員項目Fisher 步進(jìn)式線性判別函數(shù)系數(shù)表Table9 Fisher stepping linear discriminant function coefficient of 11-12 years old female athletes based on base selection index

表10 基于基地選材指標(biāo)的13~14 歲女運(yùn)動員項目Fisher 步進(jìn)式線性判別函數(shù)系數(shù)表Table10 Fisher stepping linear discriminant function coefficient of 13-14 years old female athletes based on base selection index

表11 基于基地選材指標(biāo)的15~16 歲女運(yùn)動員項目Fisher 步進(jìn)式線性判別函數(shù)系數(shù)表Table11 Fisher stepping linear discriminant function coefficient of 15-16 years old female athletes based on base selection index

表12 基于基地選材指標(biāo)的17~18 歲女運(yùn)動員項目Fisher 步進(jìn)式線性判別函數(shù)系數(shù)表Table12 Fisher stepping linear discriminant function coefficient of 17-18 years old female athletes based on base selection index

3 討論

本研究通過判別分析法，探索基地選材測試指標(biāo)體系對青少年運(yùn)動員項目定位的有效性，發(fā)現(xiàn)其對初始分組案例能有50%~90%的判別能力， 而對交叉驗證分組案例的分類能力下降了15%~30%。從結(jié)果來看，相似年齡段（15~16 歲）男性青少年運(yùn)動員的初始案例項目定位正確率（60.6%）遠(yuǎn)低于Pion等[1]對9 個運(yùn)動項目（羽毛球、籃球、體操、手球、柔道、足球、乒乓球、鐵人三項和排球）青少年運(yùn)動員96.4%的正確分類率，以及Zhao 等[3]對14~16 歲年齡段6個運(yùn)動項目（籃球、擊劍、柔道、游泳、乒乓球和排球） 青少年運(yùn)動員98.9%的項目定位正確率。 女性青少年運(yùn)動員的初始案例分類正確率（13~14 歲，54.0%）也同樣低于Leone 等[9]研究中同齡女性青少年運(yùn)動員在4 個項目（網(wǎng)球、游泳、花滑和排球）中的正確分類率（88.0%）。 交叉驗證分組案例中的項目定位正確率（40.4%）同樣遠(yuǎn)低于Zhao 等[3]所得的71.3%。

以上差異可能與納入分析的項目有關(guān)。 一方面是項目的數(shù)量。Pion 等[10]對跆拳道、柔道和空手道這3 個項目男性青少年運(yùn)動員的分類正確率高達(dá)100%，而本研究中對13~14 歲年齡段分別從事11 個運(yùn)動項目的男性青少年運(yùn)動員和12 個運(yùn)動項目的女性青少年運(yùn)動員， 所得的正確項目定位率僅為51.2%和54%。 此外，在數(shù)據(jù)統(tǒng)計時將分組變量僅分為“從事該項目”和“非從事該項目”兩類[1,3]，也能提高項目的正確定位率， 如將本研究中13~14 歲年齡段的男性柔道青少年運(yùn)動員歸為1， 而其余項目運(yùn)動員歸為2， 則該項目原始案例和交叉驗證案例的正確分類率能從之前的46.2%和23.1%提升到72.2%， 所得的步進(jìn)式判別函數(shù)保留了胸圍和骨盆寬指標(biāo)，也更能體現(xiàn)項目的形態(tài)特征要求[11]。數(shù)量越多，各項目的組質(zhì)心更為集中，則正確分類率相對較低。 另一方面是項目本身，如作為基礎(chǔ)大項的田徑，小項眾多，雖同為體能主導(dǎo)，但如跳躍和投擲類偏重快速力量，短跨類注重速度，而中長跑和全能則依靠耐力[12]，從而田徑運(yùn)動員被錯認(rèn)為除游泳以外其他項目運(yùn)動員的可能性很高。 也因此如Zhao 等[3]將該項目運(yùn)動員從其研究對象中剔除， 得到較高的項目定位準(zhǔn)確率， 但與其他項目交集較多的田徑運(yùn)動員標(biāo)志點(diǎn)是否也預(yù)示了其跨項選材的可能性， 可以在后續(xù)進(jìn)行深入的跟蹤研究。 且憑借基地選材指標(biāo)體系，該項目運(yùn)動員仍能在小年齡段（11~14 歲）與游泳和排球項目，在大年齡段（15~18 歲）與舉重和乒乓球項目運(yùn)動員較好地區(qū)別開。

不同于大部分研究所選擇的單一年齡段青少年運(yùn)動員為研究對象， 本研究的年齡跨度從11 歲到18 歲，幾乎涵蓋整個青春發(fā)育期，那么年齡的變化也可能會影響基地選材指標(biāo)體系的項目定位能力。在青春發(fā)育前中期，會出現(xiàn)個體形態(tài)的生長突增，如以身高為代表的突增高峰[13]和某些身體素質(zhì)的可訓(xùn)練性敏感期[14]，突增和敏感期的起始時間與變化幅度等的個體差異， 會使得個體間的體格表現(xiàn)水平存在較大不同，這也預(yù)示著未來發(fā)展的多種可能性，表現(xiàn)為該階段選材指標(biāo)體系的項目定位準(zhǔn)確性較低。而在青春發(fā)育后期， 在體系中占比較重的身體形態(tài)逐漸趨于穩(wěn)定， 則特定項目所帶來的形態(tài)特征可以較明確地區(qū)分出從事該項目的青少年運(yùn)動員[9]，表現(xiàn)為體系的項目定位準(zhǔn)確性逐漸增強(qiáng)。

基地選材指標(biāo)體系對不同年齡段、 不同運(yùn)動項目的項目定位能力并不一致。整體來看，體系的項目定位準(zhǔn)確性表現(xiàn)最佳的是排球、 舉重和小年齡段的游泳項目。排球運(yùn)動員的身體長寬優(yōu)勢和心肺能力，可將他們較好地區(qū)別于同年齡段的其他青少年運(yùn)動員， 對應(yīng)指標(biāo)更可用于該項目的運(yùn)動表現(xiàn)評價和比賽位置識別，如身高對發(fā)球能力的顯著影響[15]、不可變指標(biāo)（身高和骨盆寬）和可變指標(biāo)（上臂緊張圍）與運(yùn)動表現(xiàn)的靈活性和機(jī)動性密切相關(guān)[16]等。 舉重運(yùn)動員的脫穎而出受益于其占優(yōu)的體型、 身體圍度以及軀干力量， 更大的全身肌肉體積能支持其舉起更大的重量， 而較高的腰部動態(tài)肌肉力量則是其優(yōu)質(zhì)完成抓取和挺舉動作的先決條件。 游泳有別于其他陸上運(yùn)動，表現(xiàn)在顯著的胸圍和肩寬、優(yōu)異的上肢長度和較窄的骨盆寬，逐漸發(fā)展成為身材高、手臂長、骨盆寬較窄、 軀干形態(tài)呈倒三角的優(yōu)秀游泳運(yùn)動員形態(tài)特征[17]，這種流線形體有利于在游泳過程中減少水阻力，加大做功距離，提高游速[18]。

但也相應(yīng)地， 基地選材指標(biāo)體系對柔道、 乒乓球、田徑和男子棒球項目的定位作用不佳，柔道運(yùn)動員雖表現(xiàn)出相對較好的上身圍度和寬度，卻不明顯，男子棒球和乒乓球運(yùn)動員在同齡者中各方面皆不占優(yōu)。 這可能是體系中基礎(chǔ)運(yùn)動能力指標(biāo)占比較小所造成的。 如大部分教練員都認(rèn)可相比于人體測量學(xué)指標(biāo)，協(xié)調(diào)、靈敏和專項技能特征更適用于乒乓球運(yùn)動員的評價[19]。 而在Spaniol[20]構(gòu)建的棒球運(yùn)動測試體系中， 除基本的身體成分外， 也更注重包括靈活性、敏捷性、肌肉力量、下肢爆發(fā)力、旋轉(zhuǎn)能力、投擲和擊球速度等在內(nèi)的運(yùn)動專項指標(biāo)。 在未來的選材指標(biāo)體系優(yōu)化中，可通過納入更多維度的評價指標(biāo)，使得對運(yùn)動員天賦的評估更為全面， 針對運(yùn)動項目的定位更加準(zhǔn)確。

從步進(jìn)式判別結(jié)果來看，下肢長B 和背力指標(biāo)在13~18 歲年齡段有較強(qiáng)的項目判別能力，四肢和軀干圍度也能較好地對該年齡段的男運(yùn)動員進(jìn)行項目定位， 而小腿長A 的項目區(qū)分優(yōu)勢體現(xiàn)在11~12歲年齡組， 精簡后的基地選材測試指標(biāo)體系對初始分組案例保有30%~70%的分類正確率，在交叉驗證分組案例中僅下降了5%。 Zhao 等[3]將是否從事該運(yùn)動項目作為分組變量，同樣發(fā)現(xiàn)了背力指標(biāo)在判別籃球、擊劍、柔道、乒乓球和排球運(yùn)動員上的顯著性，非線性多層感知器算法所得的該指標(biāo)區(qū)分度在90%以上。 這可能預(yù)示著，在人力物力不及或基層進(jìn)行大批量兒童青少年選材時，選用這幾項簡單的選材指標(biāo)，也能為運(yùn)動員提供有價值的項目定位信息。

4 結(jié)論

本研究結(jié)果顯示，包含身體形態(tài)、身體素質(zhì)和生理機(jī)能等特征在內(nèi)的基地選材測試指標(biāo)體系對上海市青少年運(yùn)動員的運(yùn)動項目定位具有中到高度的有效性，且會受到年齡和項目的影響。 下肢長B 和背力指標(biāo)在青春中后期表現(xiàn)出較強(qiáng)的運(yùn)動項目區(qū)分能力，而小腿長指標(biāo)在青春前期表現(xiàn)出區(qū)分優(yōu)勢，皆可作為運(yùn)動項目定位的特征指標(biāo)。