學位論文
Permanent URI for this collectionhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/73915
Browse
3 results
Search Results
Item 2010年第七季超級籃球聯賽現場觀眾進場觀賽決策因素與再購意願關係之研究(2010) 黃呈文; Huang Chen-wen本研究利用問卷調查法，瞭解SBL現場觀眾進場觀賽的決策因素及SBL現場觀眾的再購意願，進一步探討SBL現場觀眾進場觀賽的決策因素與其再購意願高低之關係。希望以消費者的觀點出發，提供SBL經營管理上的參考，另一方面也能對國內籃球運動的發展有所助益。本研究結果如下：一、SBL現場觀眾以女性、年齡介於12-23歲、月平均收入在10,000元以下之高中、大學生為主要群體；其次，現場觀眾有特定支持隊伍，其中以達欣工程的球迷居多，大多數現場觀眾以現場購票為主要購票方式，並結伴同行觀看比賽，且大多有四次以上的觀賽經驗；二、SBL現場觀眾進場觀賽決策因素包括社會需求與人際互動、比賽推廣、賽程便利性、支持球隊、比賽內容及個人喜好；三、SBL現場觀眾之性別、年齡、職業、教育程度、月平均收入在現場觀眾進場觀賽的決策因素上有顯著差異；四、SBL現場觀眾之不同支持球隊及購票方式在現場觀眾進場觀賽的決策因素上有顯著差異；五、SBL現場觀眾進場觀賽的決策因素與再購意願之間具有正向相關。 最後根據研究結果進行討論，並針對超級籃球聯賽賽會經營者與後續研究提出具體建議如下：一、進行顧客市場區隔並致力開發潛在消費群。二、提升球團競爭力，針對現場觀眾特定參與行為制定售票策略。三、加強賽事與媒體的結合，增加賽事媒體曝光率。四、考量學生族群消費決策特性，鞏固主要市場經營。五、提升球迷對球隊忠誠程度，善用明星球員力量。六、改善場館交通問題與停車配套措施。七、營造SBL從心、新出發的品牌形象。Item 超級籃球聯賽之進階攻守數據研究(2017) 彭德軒; Peng, Te-Hsuan運動數據分析可謂近三十年來重要趨勢，各類籃球進階攻守數據模型以數學統計方法分析比賽結果及運動表現，除了比起傳統的基本攻守統計 (Box Score) 有更好的預測力與解釋力，並能解釋更多場內外之現象，進而提供教練團、球隊管理階層及場外有關人士更多有用資訊。目的：應用各種進階數據於超級籃球聯賽分析，探討適合超級籃球賽分析者。方法：本研究收集各種進階攻守數據、球員表現進階數據模型及比賽結果預測模式，計算超級籃球聯賽之分析結果，探討其適用性與解釋力。結果：一、各進階攻守數據能夠有效解釋各項基本攻守統計數據背後的效率表現。二、各進階數據模型能夠分析超級籃球聯賽球員整體表現，其中勝場貢獻值最能有效預測超級籃球聯賽個人獎項。三、各比賽結果預測模是皆能解釋90% 以上的勝負結果，其中鐘型曲線最為優異。結論：各種進階攻守數據模型能夠有效分析超級籃球聯賽球隊、球員表現與預測比賽結果，得從中再加以探討各種影響因素。Item 勝場貢獻值之研究與應用-以超級籃球聯賽為例(2016) 王盈婷; Wang, Ying-Ting本研究以勝場貢獻值 (Win Shares, WS) 為理論基礎，探討第12季超級籃球聯賽(Super Basketball League, SBL) 七支球隊共117名球員的勝場貢獻值及相關問題。方法：首先藉由文獻探討方式分析目前被使用的各種評價球員模型及公式，說明其理論及運用的方式。接著從中挑選並解釋為何本研究使用勝場貢獻值作為理論基礎。進而分析2014年11月22日開打至2015年3月1日止，第12季超級籃球聯賽105場的例行賽賽事中，七支職業球隊各隊登錄並有上場紀錄之球員共117名，分析各球員對球隊的貢獻程度為何。接著說明勝場貢獻值於球隊的實際勝場數之間的關係為何。最後探討12季SBL年度各項獎項獲獎球員的勝場貢獻值內容。結論：研究發現部分球員之個人勝場貢獻值為負值，但因影響貢獻值的結果不只一項，很多個人能力很好的球員，勝場貢獻值不一定會高於能力較差的，原因在於能力好的球員他的隊友不見得夠好，球對整體戰績不佳，便會間接地影響到勝場貢獻值，反觀能力較差的球員，若是其隊友及球隊的整體表現有達到水準，同樣的會提升這名球員的勝場貢獻值。其次，SBL第10-12季的球隊勝場貢獻值與實際勝場之間的相關係數為0.802，表示相互之間具高相關性。以第10-12季7支球隊的勝場貢獻值為自變數與實際勝場之關係經由逐步迴歸分析得出結果顯示，勝場貢獻值對預測球隊勝利有顯著相關，有80%的相關性及62.4%的解釋力。以第10-12季7支球隊的團隊基本攻守數據為自變數(上場時間、兩分球命中數、兩分球出手數、兩分球命中率、三分球命中數、三分球出手數、三分球命中率、罰球命中數、罰球出手數、罰球命中率、進攻籃板、防守籃板、助攻、抄截、失誤、阻攻、個人犯規、得分)，與勝場貢獻值之關係經由逐步迴歸分析得出結果顯示，主要影響貢獻值的為兩分球命中數，有高達94%的解釋力，相關係數則為97%，具高度相關。預測能力方面，利用貢獻值來預測NBA的兩個球季，迴歸出的結果分別為50.2%及52.6%的解釋力，相關係數則為70.5%及72.9%。