本文是体育论文，在模型中具有正向系数的因子分别是平均等级运动员发展人数、第三产业增加值以及居民人均消费指数。说明地区经济、居民消费水平和第三产业发展状况都对区域竞技体育实力有积极影响，等级运动员发展情况和群众体育发展水平这两个体育内部因素也对区域竞技体育发展有较明显的促进作用。从定量分析的结果可以得出在考虑空间效应的前提下，群众体育能够促进竞技体育发展，地区的教育水平和投资吸引力也不同程度地影响了区域竞技体育的发展。
.......
1绪论
竞技体育在体育强国的各项指标中占最大权重，表明以竞赛为主要特征的职业体育在体育发展中起到核心作用，同时也能够极大促进群众体育和体育产业的发展[1]（刘美佳，2014）。研究竞技体育的结构特征、空间特征和影响因素，能够揭示发展过程中存在的不足以及对未来发展方向提供经验的总结和启示。以等级运动员为例研究竞技体育的结构特征的研究中主要采用统计分析的研究方法，少有统计学和地理学角度结合的研究方法。从地理学视角来看竞技体育发展，地区差异是一个不可回避的现实问题。对竞技体育来说，各个地区的差距是直观且日益突出的。要分析这一问题，就要科学地运用差异测度方法，准确描述和衡量地区差异及其变化。不同构造的测度指数，在研究竞技体育发展的地区差异上也存在合适和准确之分，相比于公理法、函数和模型，在以等级运动员发展的例子上，统计学方法要更加合适。结合以上逻辑，本文采用以人口加权的变异系数等统计学方法和探索性空间数据分析（ESDA）对省域各技术等级运动员发展情况进行分析以揭示我国竞技体育发展的结构特征、空间格局及其影响因素，为地理学视角在体育领域的应用实践提供参考。
.........
2我国等级运动员发展的现状特征及格局
2.1省域等级运动员发展的结构特征
在二级及以上运动员中，2010-2017共8年的等级运动员发展情况呈金字塔形分布（图3）与经验和大众认知是相符的，其中国际级运动健将仅占约0.5%，一、二级运动员占到总发展人数的约96.1%。根据2010年到2015年各技术等级运动员发展统计数据显示，二级运动员始终是等级运动员发展中最大比重的级别，所占大都超过70%，但总体上有减少的趋势；一级运动员发展所占比重呈增加趋势。各年一、二级运动员发展人数均能够达到总发展人数的94%以上，对各省总发展人数有决定性贡献。运动健将占总等级运动员发展人数的约3.4%，国际级运动健将占到总数的约0.5%，合计约3.9%。在等级运动员发展中处于极为稀少的状况，在以人数决定的竞技体育中坚的发展力量相比，起不到决定性。但越是顶尖的运动员，越能够代表一个地区的天花板，是一个地区顶尖竞技实力的象征。根据数据分析可以发现，运动健将和国际级运动健将发展呈现一致性的特征。只不过运动健将所占比重相比国际级运动健将，波动的幅度略大一些，值也略大一些。二者皆为顶尖运动员，是区别于普通水平运动员的另一个系统，而出现顶尖运动员的各种因素不同于一、二级运动员，体现的是地区竞技体育的综合实力。
2.2等级运动员发展的空间格局
空间差异是指不同地域范畴由于发展水平及其结构不同，而出现差异，而空间异质性是指因为空间位置的不同而引发的获取到不同的数据。探索空间数据是否具备一定的分布特征，是莫兰指数最核心的作用，一组数据具有怎样的空间模式，首先需要看它是否具有空间自相关性，如果能够得到显著的结果，说明其具有空间自相关性。在这种情况下，它一定是同时存在高聚类和低聚类的。因此，对没有空间自相关性的年份和类别，就需要进行高/低聚类工具的分析，判断其是否存在高聚类或低聚类。因此，首先对31个省级行政区2010-2015年全部等级运动员、国际级健将、运动健将、一级运动员和二级运动员发展人数进行全局空间自相关分析，得出Moran`sI值如图5所示。
.........
2我国等级运动员发展的现状特征及格局-----------------------------------15
2.1省域等级运动员发展的结构特征---------------------------------------15
2.2等级运动员发展的空间格局-------------------------------------------18
3我国竞技体育发展的影响因素与模型-------------------------------------28
3.1影响因素及模型筛选-------------------------------------------------28
3.2竞技体育发展的因素模型---------------------------------------------36
4结论与建议-----------------------------------------------------------38
........
3我国竞技体育发展的影响因素与模型
3.1影响因素及模型筛选
前文（2.1）中以竞技实力指数为因变量，同等级运动员发展人数进行一元线性回归分析，得到了等级运动员发展同各省的竞技实力显著相关的结论，为了进一步确认在空间效应的作用下，相关性是否成立，将用各省高校数、在校生数、文体财政支出、第三产业增加值、平均等级运动员发展人数、GDP、第三产业比重、万人均体育场地数、投资总金额、人口、等级运动员发展人口比重、公共预算文化体育与传媒支出、居民人均可支配收入、居民人均消费支出、城镇人口比重、体育娱乐用品商品零售价格指数、居民人均教育文化娱乐消费支出（其中平均等级运动员发展人数为2010-2017年年平均数据，万人均体育场地数为第六次全国体育场地普查数据，其余为2018年统计数据，来源多为各类统计年鉴）共17个指标作为解释变量，以竞技实力为因变量，进行了第一次探索性回归分析。汇总诊断会的出场OLS汇总和诊断输出。它们包括了“修正的Akaike信息准则(AICc)”诊断、判决系数诊断、联合F统计量诊断、卡方统计量诊断、Koenker的Breusch-Pagan统计量诊断以及Jarque-Bera统计量诊断。诊断报表还包括未经修正的AIC和Sigma平方值。
3.2竞技体育发展的因素模型
平均等级运动员发展人数作为贡献最大的因素，在空间上的特征也与省域竞技水平的特征相似（图22），作为重要影响因素，需要保证运动员技术等级制度稳定性与适应性的和谐发展；使运动员技术等级制度更加良性实施、发展。也需要进一步完善、加强实施运动员技术等级管理工作监察工作。因为任何预测和残差的情况的产生都是随机的，图上也的确表现出了随机的特征。参考最后一次探索性回归的显著性百分数（表11），具有靠前贡献的变量依次是：平均等级运动员发展人数、居民人均消费支出、第三产业增加值、等级运动员发展人口比重、万人均体育场地、投资总金额和高校数，其中高校数显示出负系数，投资总金额系数接近于0，同显著性具有较大负向百分数的结果一致，对应图散点图1和4，二者属于不稳定的因子。针对每个自变量的关联系数，进行统计检验计算出p值。此统计检验的零假设为：系数与零之间无显著差异（换言之，在所有情况下该系数均为零。因此，关联的解释变量对于模型不起任何作用）。系数接近零的变量对于因变量的预测或建模没有帮助；通常都会将这些变量直接从回归方程中去掉（除非存在强有力的理论依据要将其保留），比如表中的“投资总金额”变量。系数表中包含模型所用的一系列解释变量以及这些变量的系数、标准化系数、标准误差和概率。通过系数可以估算关联的解释变量每变化一单位时因变量的变化量。系数单位与解释变量相匹配。
.........
4结论与建议
与此不同的是一级运动员的地区差异有缩小的趋势，集聚效应也在增强，在一定程度上形成了优秀运动员的集聚格局。说明了区域资源优势对竞技水平的重要作用，但是也不能忽视一二级运动员作为竞技体育金字塔的基石，基数的质量越高，顶尖运动员出现的机会越大。保证优秀运动员集聚格局的同时，应当更加重视省际竞技体育交流的全面性，从而促进地区差异的减小和省际协同发展。从地区差异出发，优化项目布局依然是提升地区竞技实力的重要内容，对自身来说需要保持优势项目的领先地位，同时加强促进潜优项目的措施，以提升整体竞技实力，从而达到缩小地区差异的目的。在考虑空间效应的情况下，区域竞技体育发展对经济因素的依赖性根据地方情况被不同程度地减弱。探索性回归得到具有靠前贡献的变量依次是：居民人均消费支出、投资总金额、高校数、第三产业增加值、等级运动员发展人口比重、万人均体育场地和平均等级运动员发展人数
参考文献（略）
参考文献（略）
