该研究中的大学生男子十项全能成绩来源于田径大本营公众号、中国田径联合协会官方网站、中国田径协会档案库、国家体育总局档案库、中国田径运动史. 将收集到的2016-2019年全国大学生田径锦标赛男子十项全能运动员成绩运用SPSS 25.0进行统计学处理，运用主成分分析法、最大方差法及线性回归进行相应的列表分析.

根据相关研究的结果，将近4年全国大学生田径锦标赛十项全能成绩作为因变量，十项全能项目分别为100 m(V1)、跳远(V2)、铅球(V3)、跳高(V4)、400 m(V5)、110 m栏(V6)、铁饼(V7)、撑杆跳高(V8)、标枪(V9)、1 500 m(V10)，其成绩分别用V₁，V₂，V₃，V₄，V₅，V₆，V₇，V₈，V₉，V₁₀表示，总分用V₁₁表示. 把我国近4年大学生田径锦标赛男子十项全能成绩作为观测样本，表 1中为各单项成绩的最大值、最小值、均值、标准偏差，可以看出目前中国大学生男子十项全能成绩水平处于5 000~7 700分数段，铁饼、撑杆跳高、1 500 m的标准偏差较大，说明偏离平均成绩越大，运动员间的这几项成绩差异就越大.

研究中选取了近4年男子甲组十项全能成绩为常规变量，其中常规变量因各单项成绩的计量单位不同，分秒时间差异都会明显影响成绩的分析结果，因此，将各单项成绩的计量单位分别精确到秒和米. 根据主成分系数矩阵分析及各主成分在各变量上的载荷，计算出各主成分的表达式，分析出十项全能中各项目的成绩对总成绩的影响程度；再运用因子分析法对全能比赛的各单项比赛项目进行处理，并根据分析后项目特点命名新因子，然后用命名的新因子对运动员进行归纳比较研究，找出规律与联系并加以统计. 最后运用灰色预测模型预测出我国大学生男子十项全能新成绩.

1) 通过相关性分析将各项之间的相关关系进行分析，判断十项全能项目中100 m、跳远、铅球、跳高、400 m、110 m栏、铁饼、撑杆跳高、标枪、1 500 m 10个变量与总成绩的相关性.

2) 使用主成分分析作为潜在的起支配作用的因子模型的方法有一定的局限性：当主成分的因子负荷的符号有正负时，综合评价函数意义就不明确，命名的清晰性较低. ^[4]

3) 上述所有统计分析都通过SPSS 25.0完成，运用其加权最小二乘法(WLS)为不同数据赋予不同的权重，从而可以平衡不同变异数据的影响.

4) 本研究首先尝试采用两阶段最小二乘法进行成绩预算，但预算的最终结果偏差较大，后将2016-2019年的最好成绩和平均成绩标准化，带入灰色预测模型GM(1，1)x_k⁽¹⁾=∑_i=1^kx_i⁽⁰⁾，k=1，2，3，得到最终的预测成绩.

通过对表 2各项目之间的相关性分析，得出各个项目之间的相关密切程度，可见许多变量之间有较强的相关性，再通过表 3和表 4将十项全能运动项目成绩作为变量进行因子分析. 表 4中采用主成分分析法、方差极大旋转法旋转进行分析，利用旋转后的3个主成分来计算综合成绩. 根据因子提取条件，特征值大于1的主成分有3个，同时比对表 2的总方差解释可知，在第1因子中，特征值为3.943，方差贡献率为39.425%，铅球(α=0.828)、铁饼(α=0.831)、撑杆跳高(α=0.717)、标枪(α=0.795)4项因子载荷较高，称为上肢力量因子；在第2因子中，特征值为2.059，方差贡献率为20.586%，100 m(α=0.867)、400 m(α=0.855)、110 m栏(α=0.674)、1 500 m(α=0.036)4项因子的载荷率较高，称为速度耐力因子；在第3因子中，特征值为1.116，方差贡献率为11.165%，跳远(α=0.395)、跳高(α=0.858)两项载荷率较高，称为下肢爆发因子. 因此，在全国大学生男子十项全能运动中最主要的项目是这3个成分所载荷的，可将男子十项全能项目分为三大因子，分别将其表达为上肢力量因子、速度耐力因子、下肢爆发因子.

由旋转后的结果可以看出第一公因子在铅球、铁饼、撑杆跳高、标枪等的项目上有较大载荷，命名为上肢力量因子. 这些项目虽然两两之间均呈正相关，且各项之间的相关性相对较高，都高于0.7，认为在各项目之间存在互相影响，但各单项的独立性较强，无明显规律. 根据表 4的主成分载荷，将表达式中各变量标准化，从而得出主成分公因子表达式：F₁=$\sqrt{3.943}$×(-0.030×Zx₁+0.089×Zx₂+0.828×Zx₃-0.019×Zx₄+0.016×Zx₅-0.306×Zx₆+0.831×Zx₇+0.717×Zx₈+0.795×Zx₉-0.303×Zx₁₀).

将跑类项目中分为速度型和耐力型两类，由旋转后的结果可以看出第二公因子100 m、110 m栏、400 m、1 500 m都属于以时间为成绩计量单位的运动项目，100 m、400 m、110 m栏3个项目要求运动员具有反应敏捷、绝对速度强、爆发力好、快速力量出色、高速下的保持能力强、协调性强的素质，虽然这3个跑类项目两两之间都呈正相关，但110 m栏的相关性并不是很高，低于0.7，影响效果不大. 1 500 m需要运动员具有速度耐力水平高并具有较高保持能力、冲刺能力强的身体素质，根据相关性表所示，1 500 m虽然与其余3个项目属于跑类项目，但与其相关性微乎其微. 根据表 4的主成分载荷显示，将表达式中各变量标准化，得出主成分公因子表达式：F₁=$\sqrt{2.059}$×(0.867×Zx₁-0.699×Zx₂-0.074×Zx₃-0.252×Zx₄+0.855×Zx₅+0.674×Zx₆+0.018×Zx₇-0.430×Zx₈-0.007×Zx₉+0.036×Zx₁₀).

在十项全能项目中跳跃类项目为跳远、跳高两项，可以命名为下肢力量爆发力因子. 在跳跃类项目中，两项运动两两之间的相关性呈正相关，相关性也低于0.7，两两项目之间的影响较小. 运用主成分分析法，将表 4旋转后的成分矩阵进行各变量的标准化得到表 5，将表达式中各变量标准化，从而得出主成分公因子表达式：F₁=$\sqrt{1.116}$×(0.018×Zx₁+ 0.395×Zx₂+0.289×Zx₃+0.858×Zx₄-0.047×Zx₅-0.371×Zx₆+0.023×Zx₇+0.135×Zx₈+0.043×Zx₉-0.763×Zx₁₀).

对我国大学生男子十项全能运动员的成绩进行统计学处理，由表 4中的3个因子中载荷最大的3个指标项目铁饼(V7)、100 m(V1)、跳高(V4)作线性回归.预测方程显著性，显著性明显(p＜0.01).根据表 5数据建立我国大学生男子十项全能运动成绩的灰色回归预测模型为：Y=7622.567-126.538×V₁+166.256×V₂+50.242×V₃+891.165×V₄-69.601×V₅-111.660×V₆+22.076×V₇+349.952×V₈+11.83×V₉-1.051×V₁₀，将我国2016—2019年4届大学生田径锦标赛男子十项全能项目的最好成绩和平均成绩导入灰色预测模型GM(1，1)x_k⁽¹⁾=∑_i=1^kx_i⁽⁰⁾，k=1，2，3，最好成绩取权值0.4，得到预测成绩7 135分，平均成绩取权值0.5，得到预测成绩6 762分(表 6).

本研究证实了最初的假设结果，在我国大学生田径锦标赛男子十项全能项目中，各单项之间存在着明显的相关性. 研究结果表明，体能类速度力量耐力型项目是十项全能运动的典型特征，成绩与运动员在比赛中各个单项成绩的发挥有着密切关联，这与余章彪^[5]的研究结果相符，即运动员的体能对各个单项成绩有很大程度的影响，说明运动员体能居于核心和主导地位. 研究还认为，体能是对构成运动员竞技能力结构的最关键因素，并且各个单项的侧重点有所不同，我国大学生十项全能整体实力存在两极分化，100 m、400 m、跳远等项目成绩与世界大学生十项全能的单项成绩可与之较量，但中长跑项目1 500 m成绩与世界大学生十项全能的1 500 m单项成绩还相差甚远.

该研究通过因子分析和回归分析对2016—2019年全国大学生田径锦标赛男子十项全能的比赛成绩分析得出：十项全能项目可划分为3个因子：上肢力量因子、速度耐力因子、下肢爆发因子，对于我国所有的十项全能运动员，速度耐力因子中1 500 m是制约总成绩的最关键因素. 在今后1 500 m跑训练中可进行科学有氧训练，采用等张训练、等速训练以及等长训练等肌力抗阻训练的方法进行训练，利用胸腹外压抗阻训练可以使运动员机体即使处在运动强度较大时仍然可以提高机体的抗疲劳能力和肌肉的工作效率，增加肺通气效率，使摄氧平台延迟出现，有效提高运动员呼吸肌^[6-7]. 在上肢力量因子铅球、铁饼、标枪项目中比的是出手速度，下肢爆发因子跳远、跳高中比的是助跑和起跳的速度，速度耐力因子100 m、400 m、110 m栏、1 500 m比的是时间速度，在十项全能项目中，要在技术和技能的基础上，发挥速度的最优化，这才是十项全能项目中最重要的部分^[8]. 所以要做好高校田径运动训练负荷的科学检测，做好不同项目之间训练负荷的协同调配，做好以教练为主导、学生为主体的科学化训练，注重身体素质的全面提高，提高选材的科学性，让科技推动田径训练理论、观念的进步^[9]，在日常训练工作中，重视运动员速度、爆发力和速度耐力等全面身体素质的训练^[10].

该研究首先将我国大学生田径锦标赛男子十项全能成绩作为参考值应用于因子分析和回归分析，将十项全能成绩数据作为以后研究的基础数据，可与国外男子十项全能成绩进行横向比较或与历年来我国大学生男子十项全能成绩进行纵向比较，深入剖析我国大学生男子十项全能发展的局限性，提出参考性建议. 其次，本研究对十项全能成绩的预测用了传统的灰色预测回归模型得出最后的假设，但男子十项全能运动是非线性的，在未来的研究中可采用蒙特卡洛、智能算法等方法进行数据处理，探索在各项比赛中运动员的体能、技能、战术能力、心理等各方面对比赛成绩的影响，获取更为详细的赛事总结报告，提高选材成功率，促进大学生竞技体育后备人才的储备，提升我国田径总体实力水平，推动中国人才强国与体育强国建设.