研究目的:当前,国内外篮球运动表现分析的研究将多元统计和机器学习方法运用到多维的比赛数据建模与预测中,主要针对影响比赛胜负的因素、球员运动轨迹、团队传球网络进行分析等。其中,对球员的上场时间的研究可以帮助教练员综合衡量球员在比赛的表现。对于教练而言,安排合适的球员上场是比赛策略安排的核心;而作为球员,获得更多的上场时间,是证明自我价值以及提升自我竞技水平的重要途径。已有的大多数研究主要以男子球员为对象进行分析,鲜少对女子篮球的上场时间与比赛表现进行研究。我国近几年女子篮球发展迅速,但从竞技参赛的角度来看,我们仍需继续总结大量优秀经验,提高比赛准备与竞技表现的水平。美国女子职业篮球联赛（WNBA）是当今世界上水平最高的女子职业篮球联赛之一,汇集了全世界优秀的女子篮球运动员,因此研究其中的比赛表现,可帮助我国的篮球工作者与科研人员提升对女子篮球比赛表现规律的认识。因此本文利用多元线性回归模型,研究WNBA球员个体因素和技术表现与比赛上场时间的关系,旨在从定量分析的角度探索影响球员上场时间关键因素。研究方法:研究收集了2016-2017赛季WNBA中12支球队143名职业女子篮球运动员在204场常规赛中的数据。研究从原始数据中提取了以下16项指标作为初始自变量:运动员身高,体重,身体质量指数（BMI）、年龄、效力赛季数、场均2分球命中次数、场均2分球出手次数、场均3分球命中次数、场均3分球出手次数、场均罚球次数、场均篮板数、场均失误数、场均得分数、场均助攻数、场均抢断数和场均封盖数和场均上场时间。之后,研究计算了球员场均上场时间并将其作为因变量。在对数据进行归一化处理并通过Pearson相关性检验筛选与上场时间显著相关的自变量后,研究应用多元线性回归模型对自变量与因变量的影响进行统计建模,并以拆分系数为0.1将数据集进行分割,验证模型预测准确度,即测试集与训练集的比例为9:1。研究结果:相关性检验显示,效力赛季数、场均2分球命中数、场均2分球出手数、场均罚球数、场均篮板数、场均失误数、场均得分数、场均助攻数和场均抢断数9项指标与上场时间存在统计学显著相关（P＜0.05）。多元线性回归模型的F值为168.0,调整R2为0.919。其中场均3分球出手数（0.4329）、场均2分球出手数（0.4088）、场均篮板数（0.2657）、和场均得分数（0.5601）的模型权重的绝对值较大。模型在测试集的预测准确率为90.16%。训练后得到的多元线性回归模型为:球员的场均上场时间=0.0019+0.0809×效力赛季数+0.4329×场均3分球出手数+0.4088×场均2分球出手数-0.0444×场均罚球数+0.2657×场均篮板数+0.1076×场均失误数+0.5601×场均得分数+0.1517×场均助攻数+0.1759×场均抢断数。研究结论:研究结果表明,多元线性回归模型在一定程度上可以找出影响篮球运动员上场时间长短的部分因素并依据这些因素对球员场均上场时间进行预测。在假定其他变量不变的情况下,场均得分数较高,即个人进攻能力较强的球员能够得到相对较多的出场时间;其次,场均3分球和2分球投篮出手次数越多意味着球员相对于其他球员的进攻时间较多。虽然失误是球员需要减少的赛时表现指标,但其与球员上场时间存在高度正相关（r=0.8475）。这是因为失误多的球员大多是那些传球助攻数较多的球员,她们负责梳理球队的进攻,相应的产生了更多的失误。篮板球一直是篮球比赛中的热点问题,护框能力突出,积极拼抢篮板球的球员是球队获胜不可或缺的一环。因此,此类球员将会得到相对较多的上场时间。现如今,随着科学训练水平的提高和发展,女子篮球比赛技战术逐渐趋于男子化,例如,越来越多的女子球员开发了自己的三分技能并提高了身体对抗能力。对于女子球员来说,要想获得更多的上场时间去证明自己的实力和价值,在训练中需要不断提高自己在高强度对抗下的投篮稳定性,在比赛中需要调动自身积极性,为球队争夺到更多的篮板球。对于球员上场时间的预测除了考虑个人因素与技术表现外,仍需纳入更多的重要因素,虽然本研究找到的技战术表现指标可以作为辅助协助教练员完成球队管理、训练计划制定的参考,但尚无法当作决定球员出场时间的绝对标准。今后的研究可针对球员的伤病情况、球队阵容效率以及均衡度、不同对手的水平与上场时间的关系进行更深入分析。