nba球员薪金的影响因素分析

一是健康状况，我们通过出现次数来衡量。 这是显而易见的。 球员出场次数越多，自然意味着他的身体状态越好。 而如果不幸的是这名球员的出场次数并不高，至少说明这名球员在这段时间的健康状况可能不太好。 这里我们还是假设这名球员之所以不上场主要是因为他的健康问题，因为一支球队必须对一名球员进行多方面的考虑。 最重要的一点是这名球员对这支球队有用。 然而，由于玩家的身体健康状况无法被看到，或者很难观察到，所以会影响到这个玩家。 上场时间最重要的原因是他的健康状况。 另一种是冒犯。 篮球是一项以得分来计算胜负的运动，因此进攻端的得分是一个非常重要的因素。 助攻是球员将球传给队友，然后队友得分的一项统计数据，所以它也是得分的一个非常重要的因素。 重要因素。 进攻端的另一个失误我们肯定会认为是一个负面因素。 可以想象，一名球员的薪水与他的得分有着密切的关系。 最后一件事是防守。 NBA季后赛有句话叫“防守赢得冠军”，可见良好的防守对于一支球队来说也是非常需要的。 自然防御专家也对此表示欢迎。 衡量防守的指标有很多。 这里我们只使用几个有代表性的指标，比如篮板、抢断和盖帽。 这些因素都是基于统计的球员防守能力的指标。

但不得不说，有时候这样的衡量其实是非常片面的，因为一个球员的防守的威慑力是无法用数据来体现的。 如果要仔细研究的话，就变成了研究球员个人能力的问题了。 ，这超出了本文的范围。 数据来源及描述性统计 (1)数据介绍及变量定义。 本文使用的数据来自网易NBA统计。 除了工资以外的所有数据都是2013年的，只有工资和薪水是2014年的。在这一年里，我们认为一个球员今年的工资和他上一年的表现密切相关。 本文中的变量包括工资，它作为因变量存在。 其余的被视为自变量。 主要包括出场次数、助攻数、失误数、抢断数、篮板数、犯规数、得分数等。 其中，出场次数主要衡量球员的健康状况、助攻数、得分和抢断主要衡量进攻，而失误、篮板和犯规主要衡量球员的防守强度和能力。 (2)描述性统计 图1是对因变量工资的描述。 可以看到，最高工资为3045元，最低工资仅为12万美元。 两者之间的差距是显而易见的。 平均工资仅为464万美元。 这意味着对于明星来说，他们的工资远高于平均水平。 当然，还有明星的场外因素，比如商业价值。 图1显示了工资的描述性统计。 我们对其他变量一一回归工资，看看这两个变量之间是否存在很强的相关性。

表1是这样做后的结果：因变量对每个自变量进行二元回归后的系数age3.59103.45347..51338.02217.3651.1。 可见，就经济意义而言，出现次数并不是很大。 当然，这并不意味着健康这个因素对薪资影响不大。 纵观整个数据，我们可以看到，薪资方面排名靠前的球员，出场次数都很高。 这是因为这些球员都是球星，只要没有身体原因就一定会打球。 模型选择和策略识别本文的主要关注点是薪资与运动员赛场表现之间的关系。 所以主要是想看看我们能不能从中看出一支球队在选择球员薪资时应该更多考虑什么。 我们这样看。 现在的球员中，球员的薪水能否体现出他在场上的表现，也就是说他是否发挥出了自己的价值。 我们选择的模型是多元线性模型。 1.多元线性模型在本文中，我们使用的因变量是工资，其他因变量是一些场上表现统计数据。 由于助攻和失误都是以表格的方式处理的，并且是通过助攻失误比来衡量的，所以我们也遵循这个模型。 我们来计算一下助攻失误比。 另外，由于我们关心每个运动员在场上表现的薪资增幅，所以我们对薪资数据取对数。

具体模型如下： =α+β/+γsteal+θblock+δfoul+score+conf 估计结果及讨论 我们可以看一下下面的回归结果，它考虑了多重共线性，即有（）的一组考虑多重共线性问题。 使用多元回归得到共线和非共线条件下的回归系数-0..12-0.15870...()-0..12-0.15870...10552。 可以比较清楚地看到，两个结果中的系数是完全相同的，这意味着这些变量之间不存在共线性，或者说共线性的可能性很小。 虽然我们相信得分高的运动员肯定会获得更多的上场时间，但我们也必须知道，有一些角色球员的得分并不高，但他们是球队首发阵容中的一员。 这也说明篮球不是一项个人运动，而是一项团队运动。 我们分别看一下两种情况下的回归结果： 图1是不考虑共线性问题的回归：图2是考虑共线性问题的回归。 从两者的结果可以看出，结果几乎是一样的，所以我们可以直接使用多元回归，而不考虑多重共线性。

看看回归结果，其实有很多惊喜。 所有系数都非常小，而且没有一个相对较大。 这与之前的二元回归有很大不同。 上次的回归系数很明显，但这次却不是这样。 但我们也可以知道nba球员薪资，这个回归的可靠性还是非常高的，平方达到了39%，这意味着我们使用的变量仍然可以提供很大的解释力。 可以看到，出场次数和抢断次数实际上都是负数。 这难以置信。 出场次数越多，工资就越低。 抢断越多，工资就越低。 我们只能理解为，2013年出场次数较少意味着他们在2013年之前受伤的可能性更大，而且他们的工资早就谈好了，所以没有时间及时调整。 至于抢断，抢断太多就意味着赌博防守。 很难说哪种防守更好。 至少这篇文章表明的是赌博防守并不受到老板们的青睐。 助攻流失率每增加一个单位，薪资就会增加0.1个百分点。 这意味着助攻和失误同时增加仍然会对薪资产生影响。 按平均工资464万美元计算，增幅可达到46.4万美元，这还是一个相当可观的数字。 数字。 所以，才会有不遗余力追求助攻的球员。 这里最重要的变量是反弹。 额外的反弹可以让工资增加半个百分点。 这也说明了篮板球对于篮球比赛的重要性。 得篮板者得天下这句话nba球员薪资，也将体现在NBA的就业市场上。

犯规次数与出场次数相同，经济意义很弱。 这里的分数不是很重要。 如果从平均分来看，从8分上升0.8个百分点，影响并没有想象中那么大。 这里的常数项说明，即使一个玩家不玩，自然也不会有数据。 只要有球队邀请他，他就能拿到90万以上的薪水。 这也符合实际情况。 一般来说，老将和新秀都是这个薪资水平。 之间波动。 结论从上面的分析我们可以看出，一个球员在场上的表现其实能够对他的薪资产生影响的就是篮板球。 篮板只是一个概念。 它实际上包括了球员是否是一个积极的因素。 ，只要球员注意力集中，打球积极性高，就不会发生篮板球的情况。 而且也可以看出，如今联盟中大个子的稀缺。 因为个子更高能抢到更多篮板，所以老板们愿意为大个子付钱。 另外，我们还可以看到，一名球员在场上的其他表现并不能很好地决定他的薪水。 那么是什么因素导致明星与普通球员之间存在如此大的差距呢？ 我们不知道，我们只能知道一些。 你猜，也许这就是商业价值吧。 一个好的球员可以给球队带来票房，也可以让老板赚钱。 这才是真正的关键。 由此我们可以看出nba球员薪资，在NBA这样一个高度商业化的联盟中，最重要的是能够给老板带来利润，能够带来利润的人就会得到高薪，而如果你能够不能带来利润，你不能。 球场上的事情并不是老板们关心的。

至此，我们也可以思考一下中国职业男篮CBA的发展。 由于计划经济思想存在太多问题，CBA球员的流动性并不大。 当然，球员的工资并不是由市场决定的。 球员们仍然受到一些本土思想的束缚，无法真正体现自己的价值。 所以，对于CBA来说，其实是一个有效的机制，让球员和老板商量，然后拿出工资，才有运动员。 努力打球，给观众带来一场精彩的比赛。