在校大学生体质状况与体育措施选择研究

张子扬 张磊

摘要：健壮的体魄是大学生成长发展的基础和保障，高校体育教学是改善在校大学生体质状况的主要途径。本研究首先利用SPSS软件对在校大学生体测数据进行检验，确认其对于线性回归方法的适用性;之后对数据的身高、体重、肺活量、立定跳远等9项指标按照基本能力、耐力、柔韧性和灵活性分类，建立线性回归模型，画出大学生健康状况的生长曲线图，结合体测数据本文发现体测综合分数只有小于中位数（中位数为5）时才说明学生有健康缺损情况。最后，本文针对体育状况的改进设计调查问卷，通过调查问卷收集学生对体育课程的要求和建议，并对问卷的结果使用AHP层次分析法选出学生最能接受且方便高效的改进方式：开设体育宣传班;同时建议国内的体育课程应针对不同专业、年级和性别等的学生进行差异化、个性化、定制化改进，并在互联网+的背景下创新体育教学和体能训练的路径和形式，将其成为大学体育文化建设的一部分。

关键词：回归分析;生长曲线;AHP决策方法

中图分类号：O212.1        文献标识码：A

文章编号：1009-3044（2019）23-0179-05

开放科学（资源服务）标识码（OSID）：

Research on Physical Fitness of College Students and Selection of Sports Measures

ZHANG Zi-yang1， ZHANG Lei2

（1. North China Electric Power University， BeiJing 102206， China; 2. Peoples Public Security University of China， BeiJing 100038， China）

Abstract： Strong physique is the basis and guarantee for the growth and development of College students. Physical education in Colleges and universities is the main way to improve the physical condition of College students. Firstly， SPSS software is used to test the data of College Students body measurement， confirming its applicability to linear regression method. Then， nine indicators， such as height， weight， vital capacity， standing long jump， are classified according to basic ability， endurance， flexibility and flexibility， and a linear regression model is established to draw the growth curve of College Students' health status， combining with body measurement. According to this paper， it is found that only when the comprehensive score of physical examination is less than the median （median 5）， can the students have health defects. Finally， this paper designs questionnaires for the improvement of physical education situation， collects students requirements and suggestions on physical education curriculum through questionnaires， and uses AHP analytic hierarchy process to select the most acceptable and convenient and efficient ways of improvement for students： setting up physical education propaganda classes; at the same time， it suggests that domestic physical education curriculum should be poor for students of different majors， grades and gender. Alienation， individuation， customization improvement， and in the context of Internet+ Innovation sports teaching and physical fitness training path and form， it has become part of the university sports culture construction.

Key words： regression analysis; growth curve; AHP method

現今中国大学在校生呈现快速上升的趋势，国家教育部数据显示，2017年全国普通、成人本专科在校生3297.7万人，比上年增加17.5万人，增长0.5%[1]。而我国高校学生身体素质状况却没有同步提高，据《教育部关于2010年全国学生体质与健康调研结果公告》显示：19-22岁年龄组学生除坐位体前屈指标外，爆发力、力量、耐力等身体素质水平进一步下降，学生肥胖和超重检出率继续增加[4]。在新闻报道中，学生猝死的案例也不断出现在大众的视野里。而2018年中国社会科学院的“中国大学生追踪调查”却发现，超过两成的在校大学生基本每天都玩网络游戏。中国青年报社会调查中心通过问卷调查发现四分之一受访大学生每周锻炼不足1次。不仅如此，高校学生进入大学之后由于课余生活的需求多元化和课程压力加大，造成了学生的生活作息不规律、缺乏体育锻炼，使得不健康的状况持续增加[2]。另一方面我国承担学生体育教育的体育课程教学质量不高，有的甚至流于形式，更谈不上其应达到的教学效果[3]，因为在我国高校体育课的教育当中，依然采用较老旧与统一的分数来评价与衡量高校生体质;造成体育课教学内容很呆板，教学之过程较单调，大大地束缚了学生对于潜能的开发，从而导致学生不重视、不喜爱，对学校开展的体育课程参与很不积极[12]。

在校大学生本身对体育课程和锻炼的意愿就不高，学校方面对体育课程的重视度不足，课程方式墨守成规，课程内容遵常守故令学生失去兴趣，便对在校大学生的学习生活产生推拉效应，形成恶性循环，更加剧了在校大学生体育锻炼不充足的程度。因此对我国在校大学生的身体素质评估，并根据学生状况制定体育课程改进方案就显得极为重要。

本文以北京某高校的在校大学生为研究对象，使用数学方面的方法对所得体测数据进行整理和分析，得出学生的“体测成绩—健康程度”的变化曲线。并设计调查问卷以调查学生对体育锻炼方式的需求与建议，得出受欢迎、易推广、好普及的体育运动的方法，从而提高在校大学生的体质健康状况。

1 数据来源与选取

文章考察对象为某高校的在校大学生，并去除了四年级学生的数据，仅保留大学一年级到大学三年级这三届学生的数据。这三届学生在校园生活的时间较长且稳定，学校对于这三届学生也保存有完整的体测成绩，因此最适宜作为研究对象。

整个研究的数据分为两部分：学生体测成绩和统一问卷调查。前者由学校统一测量统一录入，具有极高的准确性和权威性;而后者为在通过询问老师、反复推敲问题后设计出的调查问卷，并将问卷下发学生中进行填写收回。体测成绩可以客观反映学生体质状态，调查问卷可反映学生对于体育锻炼和教学的主观观点。本文共统计了大一至大三学生体测数据六万条（大一、大二年级生各两万条，往届大二大三各一万条）;问卷一共制作下发了400份，最终收回330份。回收率为82.5%。根据统计学规定，本问卷回收率不少于70%，属于有效问卷。

根据数据两份数据，在整个问题的分析和解决过程中，主要选择使用了两个方法：1）使用Logistic线性回归模型对学生体测成绩数据建模，找到了学生体质和各个成绩之间的线性关系。2）使用AHP决策分析方法，基于调查问卷分层归类，设置赋值和权重，通过矩阵运算找到两个对于学校和学生都很合适的方法增强学生的个人体质。

2 成績分析建模

2.1数据分类

根据教育部规定，各个高校每年都会对在校的大学生进行最基本的体质测试，其中包括体重和身高两项最基本的数据，除此之外也包含了肺活量、立定跳远、身体柔韧性、爆发力测试和耐力测试等多项成绩。

本文利用SPSS对数据进行整体的统计，然后利用Logistic线性回归线性模型的方法进行计算。下面进行体质测试成绩建模，学校对于体质测试分为多项，包含身高体重测量，肺活量测试，引体向上（男）或仰卧起坐（女），立定跳远，50米跑和1000/800米跑。但整理后，总体结果可以分为四个大类：1）身体基本能力，即身高、体重和肺活量;2）耐力，即长跑;3）柔韧性，即引体向上/仰卧起坐;4）灵活性，即短跑和立定跳远。这四个要点是测试的核心。根据这四个点可以把它们扩展成为四个因子，以下列符号表示：

模型之中文章做出下列相关假设，把建模中的不确定性因素消除，同时确保误差最小：

[1]假设所有的相关数据具有独立性不相互影响。

[2]假设附件中的测试者均按照要求进行测试。

[3]假设数据中测试者身体状况可控，不存在严重疾病或身体缺陷。

[4]忽略补测对整体数据的影响。

由此，可以开始建立模型求解。为了研究测试者测试成绩和身体状况之间的联系，把所有的数据输入至SPSS中，在这之前，将各个指标先进行统一量化[5]。其中将身高体重分数和肺活量分数相加，即使用公式[XS+XF200]（其中[XS]和[XF]指的是身高体重分数和肺活量分数）改换成百分制，这便是基本能力因子的值。而耐力类项目、柔韧性项目和灵活性项目均有已经算好的分数，可以直接利用，因子中包含多个变量的，可以使用上面的公式，将变量分数综合成百分制。

既然要找到各个因素与学生体质的关系，需要找到各个因子之间的权重大小，对其进行加权计算。因此将数据进行降维计算查找各个因子的权重值[6]。

输入至SPSS之后，检查出[f1～f4]的KMO球形检验结果表格：

由表2中可得，巴特利特球度检验统计量中的KMO值大于0.8，根据KMO度量标准，大于0.8的情况下，所取变量适合将模型做因子分析，并得到因子解释原有变量总方差情况的表格[7][8]：

由初始特征值的方差累计可看出，前4个因子共解释了原有变量总方差的79.523%，总体上原有变量的信息丢失较少，因子分析效果较理想，将这四个因子记为[fi（i=1，2，3，4）]。

由图表中的数据，结合球形检验，得出因素总和的公式：

[z=0.32802f1+0.31991f2+0.16729f3+0.18478f4]   （1）

在Logistic线性回归建模中，模型因变量为[y]，自变量是[xi]。在[m]个自变量（即各个因子）作用下预期结果发生的条件概率为[P=P（y=1|x1，x2，x3...xn）]，则Logistic回归模型可表示为：

[P=exp（β0+β1x1+β2x2+...+βmxm）1+exp（β0+β1x1+β2x2+...+βmxm）]    （2）

其中，[β0]为常数项，[β1，β2...βm]为偏回归系数。将式子的分子有理化即可得到Sigmoid（生长曲线）函数：

[f（x）=11+e-w（w=β0+β1x1+β2x2+...+βmxm）]   （3）

此公式的定义域为[（-inf，+inf）]，值域为（0，1）。把其中的w替换为学生体质状况的因素总和z，但是不能够直接使用Sigmoid函数[9]，相对于假设模型，数据的因子在定义域、值域和数据类型上均与假设有区别，因此将建造模型的内容扩展。在这个函数中，因为在函数要求的定义域上，自变量范围是[ （0，+∞）]为非负量，而且通过SPSS知晓各项数据的综合系数也均为非负数。所以在原基础公式上，对其进行改进。其中[z]的特征样本为4个，但是由于加权后，结果值与原有结果相对有所变化，所以利用比例公式将综合因素z的结果控制在[0，10]，即[Q=11+e-z， z∈（0，10）]。式子中所有子变量对于整体的变化均为正相关，即每项的子特征值越大则整体的特征值就越大，那么各个数值的变化反馈给z，并最终影响到Q。

整理Logistic模型。其中自变量[f1，f2，f3，f4]是关于各项子系数[xij]矩阵。利用权重将因素总和z算出，公式为：

[z=k=14Pi·fi]

[（P1=0.328， P2=0.320， P4=0.167，P4=0.185）]

根据代入模型的计算，得出Q和z的公式：[Q=11+e-z]

将所给的学生数据代入计算，公式的定义域为[z∈（0，10）]，值域为[Q∈（0，1）]，利用Logistic线性回归中对这个公式进行不断迭代计算，初始迭代数为0.1，本文将迭代相关系数设定为0.3，1.8，2.5，画出图像后发现当被测学生所有因子为0时，学生的健康度就为0，随着自变量增大，其Q依照Logistic模型得出的生长曲线x快速上升，最终上升到最大值，并在最大值处浮动。

利用Matlab将生长曲线图像绘出：

2.2结果分析

根据Matlab所给的图像可以看出：因为综合因素和健康程度呈现正相关，所以可以在图像中看出前期当z在前期小幅变化的时候，其健康度却是大幅变化的，此时其增长率也很高，尤其是达到成绩的众数时，其健康程度在60%～80%。当综合因素z用达到最大值的一半时，此时也为所有数值的均值，其健康度为最大值100%。图像最后因为处于极端的数据较少，而且各项指标太高过于显著，或者出现错误数据所以其健康度Q最终逐渐小幅趋于平缓且波动。

将z按照加权分开来分析即：学生身体各项成绩在众数时，其身体健康状况良好，无大碍，抵抗力也正常，学生疾病状况很少，但在众数以下时，学校要注意，应询问学生身体是否良好以及遗传病史和过敏原，记录在案，在学生出现问题事后能够及时给予帮助。同时在式子中权重最大因子的为身体基本因子，如果这个成绩在众数以下时，学校应该特别注意学生身体状况。其次权限排在第二的是耐力，但由于這项成绩水平牵连到身体基本状况，高校可以针对这两项进行综合分析，对达到众数以下的学生，给予适合身体健康状况的锻炼方案。

3问卷调查

3.1调查结果分层

层次分析法是一种将定性和定量结合，用途广阔的决策与分析方法。并被运用于复杂决策问题，具有非常广泛之实用性。层次分析法适用于通过调查问卷的决策，因为通过调查问卷可以很明确地看到学生的要求以及被测群体的主观性，然后再由此决定策略。

对于设计的调查问卷，本文的原意是根据学生的锻炼方式、锻炼频率和锻炼结构来查找学校的体育设施是否满足学生的锻炼，特别是缺少哪些器材场地、宣传教育和知识普及。因此文章开始构造层次分析结构：

也就是说，对于学校如何增强学生的体质问题，可以分为三层分析：最高目标就是让学生体质增强，终身体育;中部的准则是指从三个方向考虑问题;最后是具体实行下去可供选择的方案。通过决策分析找到最合适学校也最合适学生的方法打成最高目标。这三层分别设为A层，B层和C层。

3.2层次分析

根据AHP的决定定量化制定下列表格[10]：

根据调查问卷和指导老师的意见，综合计算得到目标层和准侧层的相关关系矩阵：

[[A] [B1] [B2] [B3] [B1] 1 1/5 1/3 [B2] 5 1 3 [B3] 3 1/3 1 ]

（[B1]：培养学生终身体育意识;[B2]：给予学生更好体育环境;[B3]：增强学生主观能动性）

将之简写为：[ A=11/3131511/51]

由此进一步挖掘调查问卷的数据，得出了剩下的矩阵：

[B1=133471/313251/31/311/211/41/22131/71/51/21/31]

[B2=11/71/31/5715731/511/351/731]

[B3=113311531/31/5111/31/311]

构造出上述判断矩阵后，可以进行层次单排序计算。计算过程按照AHP的方法，计算出特征根并比较矩阵一致性指标最后得出结果：

对于目标层A来说：

[W=0.1090.6230.327]，[λmax=3.123]，[CI=0.020]，[RI=0.55]，[CR=0.033]

对于准则层[B1]来说：

[W=0.4910.2320.0870.1380.046]，[λmax=5.126]，[CI=0.032]，[RI=1.12]，[CR=0.028]

对于准则层[B2]来说：

[W=0.0650.6280.1220.261]，[λmax=4.117]，[CI=0.039]，[RI=0.88]，[CR=0.043]

对于准则层[B3]来说：

[W=0.4060.4060.0940.094]，[λmax=4]，[CI=0]，[RI=0.90]，[CR=0]

依次沿阶梯层次结构由上而下逐层计算，即可得出最底层因素相对于最高层的相对重要性或相对优劣的排序值，即层次总排序。所以得出总表格：

根据结果排序发现，最好的方法就是开设体育宣传班[11]，这里提出的宣传班不只是存留于教室之上，也包括各种社团的学生活动以及相应社团关于健身方面的宣传。学校投入少，学生兴趣和热情大，学校可以利用这些社团增设体育宣传课程增加学生对于体育锻炼的意识。其次对学生早锻炼方面高校应该增加监督，以此养成学生的锻炼习惯，增加学生每天运动量。由此坚持下去，可以调动学生的积极性，并且经过四年的潜移默化的影响，让学生逐渐养成好的体育习惯。

4 结语

基于高校学生体测数据建模得出的学生健康状况曲线，可以得出学生只要各项成绩和众数持平，即成绩处于大多数人的水平时，可以大概率表示学生健康状况正常。综合得分稍低于众数的，可针对学生低分项着重提醒，督促进行相应的锻炼，对健康隐患防患于未然。当综合得分远低于众数时应引起学校关注，对其健康状况进行跟踪调查，提出指导建议，防止学生出现并发症或病症进一步恶化。

根据针对回收问卷的[AHP]分析，再结合我国体育课形式单一、内容枯燥和质量不高的现状，本文认为在教学中，授课教师首先要尽量避免在教学内容上的重复，对不合适、与时代不符的教学内容进行适当之删减，适当增加那些能激发学生兴趣、促进学生体质发展的新内容。例如在高校的乒乓球课程中，老师可以每次课都让不同的同学上来讲一些他们感兴趣的乒乓球知识，这样，同学们就会事先对自己所讲内容做一些准备，这就充分地调动了同学们的积极性。在活动场地上，同学们平时运动的场地基本上是操场和一些功能单一的小型活动场所，所以建议学校要更加重视对其他课程的建设，提高学校已有场地的利用率;而有部分同学对体育课的设置不是很满意，建议学校能在现有的课程体系下，增开一些其他的课程，例如综合田径课程、游泳课程等等，这就需要学校更加重视体育课程的建设，投入更多的人力物力财力，新建和修葺一些运动场馆，来满足同学们的多样化、个性化、差异化的需求[13][14]。通过改进体育场馆、改善评测规则、改变学生不良体育观点，逐步转变学生的体育风气，提升整体的身体素质。且调查问卷中，最受学生欢迎改进为开设宣传班。学校即可在课余时间开设时下流行锻炼方式方法的宣传讲解兴趣班，让同学们充分了解不同锻炼内容、锻炼方式对身体健康的有利影响。

同时网易公开课、MOOC、粉笔网和学堂在线等网络学习平台的开放，使得学校可以随时上传体育课程供学生自由选择，令學生的碎片化时间得以利用，更高效地学习体育知识，也满足了同学们体育锻炼定制化的需求。使得强健体魄，终身体育的理念结合互联网+的方式更深刻地影响学生，为高校学生的未来打好生理基础。

参考文献：

[1] 中华人民共和国教育部. 中国教育概况——2017年全国教育事业发展情况[EB/OL].http：//www.moe.gov.cn/jyb_sjzl/s5990/201810/t20181018_352057.html，2018-10-18/2019-4-29.

[2] 中华人民共和国教育部. 教育部关于2010年全国学生体质与健康调研结果公告[EB/OL].http：//old.moe.gov.cn//publicfiles/business/htmlfiles/moe/s5948/201109/124202.html，2011-8-29/2019-4-29.

[3] 杨立刚，孙静，李实旺，陈肖儒.南京市某高校大学生课余生活调查[J].卫生职业教育，2010，28（01）：133-134.

[4] 左琳燕.我国高校体育教学改革过程中面临的问题及对策探析[J].当代体育科技，2019，9（03）：1+3.

[5] 冯思海.高校公共体育课存在问题的调查与分析[J/OL].体育世界（学术版），2019（03）：89-90[2019-05-18].https：//doi.org/10.16730/j.cnki.61-1019/g8.2019.03.053.

[6] 吴世军.SPSS在数据分析中的应用[J].统计与决策，2006（09）：160-161.

[7] Viktor Mayer-Sch?nberger. Big Data： A revolution that will transform now we live， work and think[M].浙江：浙江人民出版社，2012.12：1-50.

[8] 张文彤，邝春伟.SPSS统计分析基础教程[M].北京：高等教育出版社，2014：33-119.

[9] 薛薇.基于SPSS的数据分析[M].北京：中国人民大学出版社，2014：313-324.

[10] 施伟锋.Logistic映射及其混沌特性研究[J].上海：光电技术研究，2004（1）：53-56.

[11] 杜栋，庞庆华，吴炎.现代综合评价方法与案例精选（第二版）[M].北京：清华大学出版社，2008：12-19.

[12] 张磊.农民工NGO行为倾向的网络调查研究[J].调研世界，2016（11）：46-50.

[13] 邹美文.澳大利亚小学体育教学案例剖析及启示——“广东省百千万名师赴南澳洲海外培训”思考[J].中国学校体育，2018（06）：64-65.

[14] 窦亚玲，郭文静，周武彬.基于校园社交网络数据的情绪分析及可视化[J].电脑知识与技术，2018，14（32）：3-6+16.

【通联编辑：王力】