基于因子分析的电子竞技LPL战队实力评价
——以2019LPL春季赛常规赛为例
闫 从
（广西师范大学 体育学院，广西 桂林，541006）
摘 要： 本文主要通过文献资料法、视频观察法和数理统计法，对2019LPL春季常规赛的16支战队进行的584局比赛的局均击杀、局均助攻、局均输出、场均经济、小龙控制率、大龙控制率、每分种经济、一血率、场均推塔、场均被击杀这十项数据，运用因子分析法提取原参数指标的共性因子，找出影响LPL战队成绩的共性因子，并建立主因子的数学模型，旨在对LPL各战队的实力进行客观评价，为中国电子竞技的发展提供理论依据。结果 表明：LPL各支战队的比赛实力因子可以分为3个部分：进攻效率因子、运营发育因子和输出因子；因子总得分排名前3的依次是IG、FPX和RNG，但其在3个因子中的得分并不都很高，都存在相应的缺陷。
关键词： 电子竞技；英雄联盟；因子分析 ；LPL战队；实力评价
电子竞技作为21世纪快速崛起的世界性文化现象，正从小众娱乐逐渐演变成主流体育运动［1］，近年来，在国际体育组织的强力推动和政府政策的大力支持下，我国电竞赛事迎来了井喷式发展［2］。英雄联盟（简称LOL）作为电子竞技最具代表性的竞技项目，是由美国拳头游戏（Riot Games）开发、中国大陆地区腾讯游戏代理运营的英雄对战MOBA竞技网游。当前的MOBA类项目比赛中，教练需要对每个队员的选角、出装、游走路线制定计划，而优秀的计划制定需要分析对战方以往的多场比赛［3］。大多数电子竞技爱好者只是出于兴趣和爱好，在电子竞技方面缺少专业知识的教育和培训，使得我国电子竞技同国外高水平相比缺乏储备人才［4］。我国的电子竞技产业较国外起步较晚，虽然经过十多年的发展已经处于一个较为成熟的阶段，但较国外仍有许多不足［5］，尤其是有关电子竞技数据分析的研究较少。随着英雄联盟赛制的不断完善和比赛数量的增加，越来越多的竞技指标和数据在英雄联盟项目中引用，数据采集和分析的要求也越来越迫切［6］。因此本研究针对英雄联盟竞技比赛特点，运用因子分析法对于LPL春季赛常规赛的比赛指标进行研究分析，探索影响LPL战队成绩的主要因素，为战队以后的训练提供理论依据，对LPL战队的实力提升有所帮助，在未来的新赛季以及世界赛上取得好成绩。
1 研究对象与方法
1.1 研究对象
选取2019年LPL春季赛常规赛16支战队的240场比赛技术统计数据为研究对象。
1.2 研究方法
1.2.1 文献资料法
通过知网获得大量关于电子竞技的期刊、论文并进行归纳分析。
1.2.2 录像观察法
输出因子在总体占得权重不高主要是因为，前几个是输出因子的根本，只有具备高的进攻效率，良性的运营发育，才能有理想的输出环境。输出因子包括局均输出和局均经济。总体输出是输出因子在数据上的一个量化，高的输出是击败对手的关键，不过也要看整体的整容配置，输出能与击杀成正比才是有效的输出。经济是输出的根本，具备充足的经济，才能购买相应的装备，装备的提高才是提高输出的直接手段。
F1=0.299X1+0.257X2-0.01X3-0.224X4+0.051X5+0.244X6+0.275X7-0.089X8+0.109X9+0.152X10
1.2.3 数理统计法
主要运用SPSS软件对2019LPL春季赛常规赛各支战队的比赛数据指标进行因子分析。
全面发展，根据创新教学体系需求，努力打造高素质的综合性教学团队 高职院校以教书育人为本，将促进学生的专业化发展和全面发展相结合。就知识体系而言，其专业化就是个体与团体之间的联系，这种联系能够形成彼此的独立性。这样的发展方式不仅会削弱高职院校组织整体化进程过程中呈现出的一致性，与此同时，也会对整个组织内部元素之间的联系起到一定的弱化作用，继而降低高职院校整体的教学质量，使高职院校逐渐向“有组织的无序状态”的方向发展。这种状况不利于高职院校对人才的培养，也不能更好地契合不断变化的社会人才需要。
2 研究结果与分析
2.1 研究对象与分析指标获取
首先选取2019年LPL春季赛常规赛的16支球队，通过视频观看和LPL官方网站的数据统计网页进行数据的收集，具体的数据指标情况见表1。
进行因子分析的数据要符合KMO和Bartleet检验才说明该数据适合运用因子分析法。KMO值在0和1之间，值越接近1意味着变量之间的相关性越高，0.9以上表示非常适合，0.8～0.9 表示适合，0.7～0.8 表示比较适合，0.6～0.7 表示一般，0.5～0.6表示不适合，0.5以下表示极不适合［7］。通过表2了解到KMO值是0.702，表示数据比较适合因子分析。Bartleet检验是假设检验，如果P＜0.05说明数据适合因子分析，通过表2了解到P=0.000＜0.001，这说明数据适合因子分析。所以经KMO和Bartleet检验数据都适合进行因子分析。
表1 2019LPL春季赛常规赛16支战队比赛数据
对于英雄联盟战队比赛数据的统计，尽可能全面地反映一个战队的整体实力，因此从局均杀、局均助攻、局均输出、局均经济、小龙控制率、大龙控制率、每分钟经济、一血率、局均推塔、局均死亡数等方面能够体现战队整体实力的10项指标，分别对应：X1-局均击杀、X2-局均助攻、X3-局均输出、X4-局均经济、X5-小龙控制率、X6-大龙控制率、X7-每分钟经济、X8-一血率、X9-局均推塔、X10-局均死亡数。
2.2 检验数据因子分析的可行性
当代城市设计的最终目的是为人进行经验设计，换言之，城市设计的根本审美价值标准是以人为本[16]。因此，现阶段城市设计中，公众参与及反馈具有重要意义。提高公众参与度，使公众主观反馈在量的积累中趋向客观化，采用统计学方法将定性定量研究相结合，无疑是改善现阶段城市设计中众口难调局面的有效方法。同时，公众参与度的提升能够使人们在城市物质空间环境中拥有更好的美学体验与人性自由。
表2 KMO和Bartleet检验表
2.3 方差解释
通过表3可以得出，前3个共性因子的特征值＞1，说明这3个因子是主因子，这3个因子累积贡献率高达91.355%，说明对原指标的信息提取量极高。其中F1的贡献率k1是59.995%，F2的贡献率 k2是 18.572%，F3的贡献率 k3是12.789%。
2.4 主因子的确定
国内的图式理论研究在不断地发展壮大，特别是把图式理论应用于英语阅读教学的实证研究。例如崔雅萍[3]，方以珍[4]，李力[5]，赖文华等[6]。这些研究都取得了丰富的成果，为中国教育教学一线的老师和教学研究者提供了宝贵的建议。
表3 因子提取结果（总方差解释）
表4 旋转后的因子载荷矩阵表
因此得出3个主因子的主要影响变量，根据主要影响变量的特性给于F1命名为进攻效率因子、F2为运营发育因子、F3为输出因子，具体情况见表5。
例（33b）去掉“到”以后，“浪漫死的照片”就很别扭，因为“浪漫死”不能作定语修饰“照片”，如果“浪漫”作“照片”的谓语并且加上“了”，说“照片浪漫死了”才让人觉得比较自然。例（34b）去掉“到”以后，“安静窒息”变成了并列关系，而不是原来“安静到窒息”所表示的补充关系。虽然在语法上也可以说得通，但句子意义跟原句相比发生了变化。由此可见，“到”的语义特征对结构的语义模式起决定性作用。“到”表示“趋向终点”，VP用事件表示A的性状可达到的程度。“到”连接A和VP，表示A的性状随着VP的发生，强度在增加、在延续。
表5 各主因子分类表
2.5 各支战队因子得分与排名情况分析
通过表6可以得到主因子模型公式：
通过观看2019LPL春季赛常规赛的比赛视频，获取相应的资料和数据。
F2=-0.167X1-0.13X2-0.162X3+0.133X4+0.196X5+0.08X6-0.029X7+0.379X8+0.118X9-0.371X10
F3=0.06X2+0.521X3+0.548X4-0.02X5-0.242X6-0.135X7-0.11X8+0.045X9-0.068X10
2.1 Survivin基因表达与喉癌患者临床病理特征的关系 126例喉癌癌组织标本中共检出Survivin阳性86例，阳性率为68.3%(86/126)。Survivin阳性组年龄、性别、肿瘤部位与Survivin阴性组比较差异无统计学意义(P>0.05)，TNM分期Ⅲ～Ⅳ期、中低分化、淋巴结转移患者比例显著高于Survivin阴性组(P<0.05)，见表1。
为了进一步了解3个共性因子的含义，3个共性因子与10项数据方差最大正交旋转后得到因子载荷矩阵，结果见表4。
表6 因子得分情况表
通过3个主因子的模型公式可以得到每个战队3个因子得分，然后再根据各个因子的贡献权重即F=K1F1+K2F2+K3F3得到每个因子的总得分，并得到因子得分排名，具体数据见表7。
表7 战队因子得分表
表8 常规赛排名与因子总得分排名相关分析表
从表7可以得出在F1方面比较突出的是IG战队，F2比较突出的是FPX和TOP战队，F3比较突出的是BLG战队，总因子得分排名第一的是IG战队。通过表8可以得出常规赛排名与总因子排名的相关性p =0.000＜0.01，说明两变量在0.01水平显著，并且r=0.929＞0.7，说明两者高度相关，因此因子得分排名可以体现战队的整体实力情况。
3 讨论与分析
3.1 三大因子在比赛中作用分析
进攻效率因子是占贡献权重最高的因子，其贡献权重占59.995%，说明进攻效率因子是强队的明显特征。其包括击杀、助攻、大龙控制、每分钟经济、推塔5个方面，击杀是获得比赛主动优势的最有效手段，通过击杀对手提高与对手的等级与经济差异，尤其是前期线上的击杀会对对方野区以及视野布控造成压力。助攻是随着击杀而来的，助攻更多彰显的是团队配合进攻的效度。大龙是后期进攻推进的利器，在对方虽然劣势但具备较强清兵能力的情况下，收获大龙是进行进攻推进的最有效手段，每分钟经济是一种整体进攻压迫的体现，前期经济依靠线上进攻压迫限制对手，让自身可以获得更多补兵来拉开经济差距，中期通过推塔小范围团战以及野区的入侵获得更高的经济，后期主要通过大规模团战拉开经济差距。推塔是进攻成功的明显标志，所以的进攻试探以及实际实施都要围绕摧毁敌方防御塔为目的。摧毁敌方防御塔不仅能获得经济，更重要的是对于野区视野的控制，能把团战推移到敌方野区范围内，从而保障本方野区的安全。
运营发育因子其贡献权重为18.572%，主要包括小龙控制率、一血率和局均死亡数。小龙是前期运营发育要争取的主要资源，前期能够获得相应不同属性的小龙BUFF，能为后期的获胜打下坚定地基础，因此3条线上的选手都会根据场上情形配合打野获取小龙。一血率是前期发育优势的一个关键保障，一血不仅有额外的经济奖励，更多的是在前期就能对对手展开压制，然后通过一血的击杀不断地积累优势。死亡数也决定了运营的好坏，想要在前期能有一个良性的发育就要减少死亡数，只有保证存活才能有补兵，才能给予队友游走支持，所以想要保持持续的运营发育，能够存活才是硬道理。
2.5.2.2 农业防治首先进行合理轮作，不能和瓜类、向日葵、茄科等作物轮作，可以和禾本科、大豆、甜菜等轮作。其次是进行深耕秋翻，将种子翻入20cm以下土壤深处，可以减轻食葵列当种子的萌发。最后就是及时铲除列当，在列当开花结籽前，结合除草将列当铲除。
3.2 因子得分与比赛名次情况分析
通过表7得到，因子总得分排在前三名的依次是IG、FPX和RNG。IG战队一直是LPL一支传统强队，虽然在常规赛排名第二，但其因子总分排名第一，这也证明其在LPL的霸主地位，季后赛的夺冠也再次验证其实力的强大。IG可以说具备三核阵容，上单Theshy擅长剑姬，杰斯等输出类英雄，这也区别于其他的上单坦克类型选手，能为团队提供足够的不输出，中单Roolkie是IG引进的韩国外援，以其优秀的操作与强悍的线上压制力著称，也是IG一直以来获胜的基石，下路AD选手Jackeylove作为年仅18岁是当今中国英雄联盟的天才ADC，虽然年轻但前期对线沉稳，中后期输出能力突出并且自保意识敏锐。这3个位置的选手构成IG整个战队进攻的三叉戟，进攻点多这也导致其对手很难全面的消减其进攻效率，这也导致在因子得分F1即进攻效率因子得分达到3.2646，远远高于其他的战队。但是IG也不是铁板一块其缺点是F2因子，在运营发育因子上的分很低，这主要是受限于其整体打法，IG战队前期更多的是通过不断快节奏的小规模团战获得优势然后再把运营提升，这种打法存在一定风险，一旦前期华北地区获得足够的优势碰上中后期运营稳定的战队还是会很吃力。FPX战队作为一支新建不久的战队就获得2019春季赛LPL常规赛冠军让人们眼前一亮，其核心是两名韩国外援选手上单Gimgoon和中单Doinb，上单Gimgoon对线非常强势，在职业比赛中对线很难获得单杀，但其依靠出色的线上能力屡屡上演单杀好戏，在团队打不开局面的时候往往依靠他的单带能力带动全队节奏，因此他通常会选择后期能力较强的英雄。中单Doinb来到中国后大放异彩，其擅长加里奥和丽桑卓等法坦类英雄，拥有坦度、控制和支援能力，FPX中野联动的整体打法也是围绕Doinb量身定制的，但其缺点也很明显，首先在禁用英雄时会对其擅长英雄进行针对，在比赛中中冶也会受到对手的专门的针对，在常规赛RNG战队就是认清FPX这一弱点在野联动上对其进行克制打破FPX联赛不败金身。一旦中野联动战术被针对会极大影响整个战队的进攻节奏，再加上Doinb选择大多数的法坦英雄，这会导致整队的输出不足，这也是FPX战队在前2个因子都能得到较高得分但输出因子得分较差的原因。RNG战队也是LPL传统强队，其前身是皇族战队。RNG的打法风格是以进攻见长，其拥有前世界第一ADC选手UZI，其超强的对线能力与输出能力是整个团队输出的保障。但其整个团队的节奏带动者是MLXG和karsa两位选手，其风格截然不同karsa善于控制节奏，打野风格进退有序，视野布控意识优秀，有出色的比赛运营能力，MLXG打法很激进，他更多的是打野区的入侵和线上的抓人，因此需要打快节奏的比赛会选MLXG打野，运营型的比赛会选择karsa上场。但其整体的弱点是过于依靠UZI的输出能力，但其防守能力较弱，这样攻守不平衡的情况下，如果无法具备前期进攻节奏将难以获得胜利。通过表7我们还可以了解到BLG战队的联赛排名第9无缘季后赛，但其因子排名排在第5，尤其是输出因子排名第一，这说明BLG具有很高的团队输出能力和经济获取能力，如果再增强其运营能力以及提高进攻效率，未来BLG战队会是一支很强的战队。
4 结论与建议
4.1 结论
1）LPL各支战队的比赛实力因子可以分为3个部分，进攻效率因子、运营发育因子、输出因子，其中进攻效率因子占的权重最高。
2）战队的因子总得分与战队的联赛排名高度相关，因此用因子得分分析更能充分体现各支战队在不同因子方面的实力情况。
3）因子总得分排名前3的依次是IG、FPX和RNG，但其在3个因子中的得分并不都很高，都存在相应的缺陷。
试验所用材料为潍县萝卜种子,由山东省潍坊市农业科学院提供。试验于 2016年在潍坊学院生物与农业工程学院种子科学与工程实验室进行。
4.2 建议
1）如果要成为一支强队就要不断地全面自身的打法，不断突出自身战队或者队员的优势，又要尽量弥补短板。尤其是季后赛冠军队IG战队要参加MSI季中冠军赛，要保持好自身的进攻效率，也要加强前期的运营稳定性。
2）要充分培养我国的国产选手，以往的英雄联盟的霸主是韩国的LCK，但是我国通过俱乐部的运营也产生许多的优秀国产选手，但不得不承认对于韩国外援的引进也是我国LPL近年来快速发展甚至能够完全抗衡LCK的一个重要因素，优秀外援成为LPL战队的核心对于联赛的影响力发展以及实现国际化都是有利的，但是在此基础上我们也要更多致力于对于国产选手的培养，在雅加达奥运会英雄联盟已经成为表演赛，因此只有我们拥有优秀的国家队选手，才能让他们代表中国在世界赛场上披荆斩棘，让中国的电子竞技取得更辉煌的荣誉。
G组手术时间、消融时间明显少于S组，差异显著(P<0.01)，两组透视时间、术后即刻成功率及住院天数差异无统计学意义(P>0.05)(见表2)。
参考文献：
［1］ 杨 越.新时代电子竞技和电子竞技产业研究［J］.体育科学，2018，38（4）：8-21.
［2］ 谭青山，孙 娟，孔庆波.我国电子竞技赛事发展研究［J］.体育文化导刊，2018（12）：56-60+65.
［3］ 于 诚，朱皖宁.基于战场热点图的MOBA类游戏战术分析研究［J］.计算机科学，2018，45（S2）：149-151+175.
［4］ 薛建新.我国电子竞技运动发展研究［J］.体育文化导刊，2015（01）：69-72.
［5］ 何 夷.浅析我国电子竞技产业现状及发展对策［J］.湖北体育科计，2017，36（10）：881-883.
［6］ 张 晨.电子竞技数据分析师的人才培养研究［D］.武汉：武汉体育学院，2018.
［7］ 祁国鹰.体育多元统计分析［M］.北京：北京体育大学出版社，2015.
Strength Evaluation of E-sports LPL Team Based on Factor Analysis:A Case Study of 2019LPL Spring Regular Season
YAN Cong
（College of Physical Education，Guangxi Normal University，Guilin Guangxi，541006）
Abstract： In this paper,through the methods of literature,video observation and mathematical statistics,it analyzed 10 items of 584 games of 16 teams in 2019 LPL spring regular season,which were round average kill,round average assist,round average output,game average economy,small dragon control rate and giant dragon control rate,every minute economy,the rate of first blood,average guard tower demolition,and the average injury rate.In order to objectively evaluate the strength of each LPL team and provide theoretical basis for the development of China's e-sports,it should find out the common factors that affect the performance of LPL team and establish the mathematical model of the main factors.The results show that the competition strength factors of each LPL team can be divided into three parts,attack efficiency factor,operation development factor and output factor.The top three factors are Ig,FPX and RNG,but their scores in the three factors are not uniformly high,and there are corresponding defects.
Keywords： e-sports； LOL； factor analysis； LPL team； strength evaluation
中图分类号： G80-05
文献标识码： A
文章编号： 1003-983X（2019）11-1013-05
收稿日期： 2019-06-26
作者简介： 闫 从（1989～），男，河南南阳人，硕士在读，研究方向：体育教学。