基于Logistic回归对高校网球运动员指长比的研究

闫丽敏

(河南师范大学 体育学院,河南 新乡 453007)

人类食指长度与无名指长度之比(D2∶D4)是一种很容易在体外观察到的生物学表型[1].不同种族、不同地区和不同国家的指长比研究结果表明,男性通常表现出较低的D2∶D4[2-3].D2∶D4受到遗传基因的调控,与产前妊娠期的子宫内睾酮水平呈负相关[4].D2∶D4已被证明与形态、生理、心理和行为特征以及各种疾病和健康状况等相关[5-6].

研究表明人类的D2∶D4与运动能力关系密切.男性和女性运动员的D2∶D4明显低于对照组,尽管有两项研究表明运动员和非运动员之间D2∶D4没有差异[7-8].MOFFIT等[7]观察了几个运动项目的运动员的D2∶D4,确定运动员和非运动员之间没有显著差异.不同性别和侧别之间D2∶D4也表现一定的差异.HSU等[9]对台湾高校网球运动员与非网球运动员的D2∶D4进行对照研究.结果显示:无论男生和女生,大学生网球运动员的D2∶D4平均值低于非网球运动员;男性的D2∶D4平均值低于女性.

探讨不同因素对网球运动员D2∶D4的影响;通过二元Logistic回归分析探讨影响网球运动员D2∶D4的因素.本研究的意义在于进一步了解国内网球运动员的D2∶D4特征,为教练员评估运动员的运动能力和选择优秀网球运动员时提供参考.

1 研究材料和方法

研究时间:2021年5月至2022年5月.

研究对象:1)项目分组:分为网球组和对照组.网球组主要来自河南省体工大队专业网球运动员、郑州工商学院优秀网球运动员、河南师范大学优秀网球运动员.网球运动员组的入组条件有2个,一是在省级以上网球比赛中取得前5名的优秀网球运动员,二是取得健将级、一级和二级运动员级别证书的网球运动员.网球运动员组48人(男30人,女18人),年龄不限.对照组为随机抽取的河南省郑州某高校在校大学生336人,年龄范围是21～24岁.2)性别分组:分为男生组和女生组(男114人,女222人).测试原则:知情、同意、自愿.对不符合测试条件和不愿意接受测试的受试者被排除在外.测试要求:身体发育正常,手指解剖形态发育良好、双侧对称、无左利手,无明显医学疾患和变形等,均为汉族.伦理原则:数据收集过程符合2013年《赫尔辛基宣言》条例.

测量方法:采用人类体质学活体测量法.测量仪器为国际标准电子数显卡尺,分辨率为0.01 mm.测量过程由专业技术人员独立完成.选择右侧手指进行测量,计算D2∶D4[10].

2 研究结果

2.1 D2∶D4描述性统计

单因素方差分析结果显示:项目组间右手D2∶D4差异显著(F(1,382)=14.766,P<0.001),网球运动员比普通大学生组具有较低的D2∶D4;性别组间右手D2∶D4差异显著(F(1,382)=7.649,P=0.006),男生组比女生组具有更低D2∶D4,见表1和图1.

表1 不同分组D2∶D4描述性统计和方差分析

2.2 Logistic回归

SPSS给Logistic回归模型提供了3种检验方法,在模型分析中都十分重要.这里的模型比较简单,未涉及变量的筛选问题,模型中同时引入全部自变量,3个模型的检验结果是等价的.χ2=40.028,df=2,P=0.000,表示Logistic回归模型中至少有一个自变量是有统计学意义(P<0.001,见表2).

表2 二元Logistic模型分析的结果

表2结果显示两个自变量对因变量都有影响(P<0.05).这里自变量是性别和D2∶D4,因变量是项目分组最终给出回归方程

2.3 树模型自变量间交互作用

自变量之间的交互作用可以反映非常重要的专业信息,SPSS的一般线性模型为自变量间的交互作用提供了经典建模方法.树模型的发展为自变量间交互作用的发现提供了的一种有效工具.结果显示:根据自变量对因变量的贡献大小,按照D2∶D4是否大于0.930拆分为节点1和节点2.节点1为D2∶D4较低分组,该组中有5个个体,其中80%为网球运动员,结果提示网球运动员可能具有较低的D2∶D4,节点1因为样本量太少不能继续拆分;节点2为D2∶D4较高的分组.该组共有379个个体,其中网球运动员占比为11.6%,普通大学生占比为88.4%,结果提示普通大学生可能具有较高的D2∶D4.由于该组样本较大,判错率较高.可以进行第二次拆分.根据自变量性别拆分得到节点3和节点4,见图2.节点3为男生.该组共有141个个体,其中网球运动员占比为19.1%,普通大学生占比为80.9%.节点4为女生.该组共有238个个体,其中网球运动员占比为7.1%,普通大学生占比为92.9%.结果提示用性别去解释因变量,男生比女生要好一些.表3是按照树模型进行的预测,结果显示:依据两个自变量对因变量预测正确比例为88.3%,在可以接受的范围之内.同时显示两个自变量之间不存在明显的交互作用.

表3 预测分类

3 研究讨论

本研究结果显示网球运动员的D2∶D4明显低于非网球运动员.整体上男生比女生有更低的D2∶D4,与以前的资料基本一致[9,13].这是因为运动能力与D2∶D4呈负相关[5,7].本文与HSU的结果[9]结果是一致的.有数据表明,较低的D2∶D4与网球成绩呈正相关.这种关系可能是由于产前高水平的睾酮对耐力和视觉空间能力的影响[11].女运动员在她们出生前可能暴露在高浓度的雄性激素下.这些雄性激素来源于她们母亲的分泌;或是暴露在胎盘分泌减少造成的低浓度的雌激素下,这些性激素浓度的波动决定了胎儿期的指长比[14].而这种胎儿期的形成的指长比会在出生后稳定不变,可以带来一些有效的信息.

这里之所以采用二元逻辑回归分析是由于对数据要求比多元回归分析要宽松一些.自变量可以是连续变量或者是分类变量,不要求数据是正态分布,对一些相关性较高的变量敏感性较低和一些奇异值的容受性较高.

不同的测量方法会对D2∶D4结果产生较大的影响.目前最常使用的方法主要有3种,直接测量法、X-射线法和照片测量法.MANNING等[3]研究证明,X-射线法的D2∶D4值低于照片测量,另外依据X-射线法结果显示性差较小.本文采用活体直接测量,优点是测试技术简单、经过简单的培训就可以掌握,缺点是可能与其他作者的测量标准有一定的误差.近些年由于大数据和统计软件的广泛应用,导致研究方法越来越宽泛,测量结果越来越准确[15-16].SHIRLEY等[17]采用Logistic回归模型研究了人类D2∶D4的性别差异.

4 结论与展望

无论男性还是女性,网球运动员比普通大学生有更低的D2∶D4.D2∶D4基本上是稳定不变的.结果提示评估网球运动员的能力和水平时,可以使用右手D2∶D4作为一个参考[1].

由于本研究在抽样和区域上存在局限性.理论上网球运动员的运动级别和运动能力是不同的,这些差异会体现在D2∶D4上.由于样本容量偏小,没有进一步分组;样本数据仅限于河南省网球运动员.多因素方差分析扩展了指长比的研究视野.估价运动员的运动水平和能力不可能只局限于D2∶D4上,其它指长比组合可能也有一定的参考价值.