導讀【摘要】本文采用了量化研究的研究范式，基于研究人員手殘游戲表現歷史數據，利用相關性分析、獨立樣本T檢驗以及SEM結果模型，分析了各職業角色KDA值對王者榮耀....

【摘要】本文采用了量化研究的研究范式，基于研究人員手殘游戲表現歷史數據，利用相關性分析、獨立樣本T檢驗以及SEM結果模型，分析了各職業角色KDA值對王者榮耀低端局排位賽勝負影響的作用。研究發現：（1）法師、射手、坦克3類職業對于游戲勝負結果影響大；（2）射手和法師職業在游戲中呈現互相支持作用，同時展現高KDA值則游戲勝利概率加大；（3）坦克和戰士職業獨立性較強，但對其他職業的支持作用不明顯；（4）輔助職業對游戲勝負結果產生間接的正向作用。本研究意在娛樂，希望能為廣大玩家提供一定的游戲戰略分析和客觀數據依據。

關鍵詞：王者榮耀、KDA、職業角色、游戲結果影響

一、引子

7000 場次專業射手仍舊混跡在低端場次，手殘不言自明，但是仍不死心，想看看到底是自己玩得太菜還是另有隱情，萌生了進行一些研究的想法。本想進行專業的戰術分析，比如打野對隊友支持程度對游戲結果的影響分析；前期戰略優勢對游戲勝負結果的分析等，但無奈騰訊公司太專業，數據保護得太好，網絡爬蟲失敗，只能親自手動錄入自己的游戲歷史原始數據。也因為自己太懶，輸入了33場數據就發現手指真要殘了，因此，本次研究只基于本人近33場歷史游戲數據，由于場次少、數據原始，分析結果有一定局限性，部分結果是從統計學角度出發產生意義，絕非個案。同時為了嘚瑟和展現一定的專業水平，故意寫得很深奧，純屬娛樂，千萬不要當真。。。。。。

二、數據來源

以ZEN11（玩家）2021年2月10日至2021年2月14日排位賽33場的數據為基礎，并按照時間依次入錄，見圖1。為檢驗數據穩定性，ZEN11全部選擇射手類職業為角色參與游戲，經分析，33場角色KDA數值呈類似正態分布，見圖2。

33場游戲中勝利場次16場，占比48.5%；失敗場次17場，占比51.5，見圖3。經游程檢驗顯示33場游戲勝負呈隨機狀態（P=0.995>0.05，保留隨機序列原假設）見圖4。

三、研究假設

1.假設1

游戲中不同職業角色存在一定依賴性，并且不同職業角色之間的依存度不一。有的職業角色獨立性強，但對其他職業角色支持作用小。

2.假設2

游戲中不同職業角色對游戲勝負結果產生的影響不同，有的職業角色對游戲結果產生決定性影響，而有的職業角色對游戲結果影響甚微。

3.假設3

雖然有的職業角色對游戲勝負結果職業影響小，但通過支持其他職業角色產生間接作用。

四、變量描述與分析方法

1.自變量描述

本次研究將每場不同職業角色的KDA值作為自變量。數據錄入時，重復職業角色選取KDA較大值錄入，缺失職業角色KDA值錄為0，這可以間接反映當某一角色缺失時對游戲結果的影響。

2.應變量描述

本次研究將每場勝負值作為應變量，其中，勝利場次賦值為1，失敗場次賦值為0。

3.分析方法

本研究使用騰訊游戲官方APP《王者營地》提供的數據，采用IBM SPSS21和Process V 3.2進行數據分析。采用描述性分析檢驗各變量的數據概況，探索樣本的推廣可能性。采用獨立樣本T檢驗，分析了各職業角色對游戲勝負結果的影響，并建立了以法師職業角色KDA值為中介的輔助職業角色KDA值對游戲勝負的SEM模型，探討了輔助職業角色對游戲結果的間接效應作用。

五、研究分析與結果

1.數據概況

經分析顯示，33場游戲中勝負場次均值為0.48，接近0.5。其中，射手KDA均值為4.967，最小值為2，最大值為9.1，SE為0,265。戰士KDA均值為4.07，最小值為0（本場次缺少戰士職業），最大值為9，SE為0.692。刺客KDA均值為4.252，最小值為0（本場次缺少刺客職業），最大值為9.1，SE為0.5394。法師KDA均值為5.906，最小值為0（本場次缺少法師職業），最大值為9.4，SE為0.3251。坦克KDA均值為4.833，最小值為0（本場次缺少坦克職業），最大值為8.5，SE為0.4379。輔助KDA均值為2.282，最小值為0（本場次缺少輔助職業），最大值為8.2，SE為0.4833，各數據見圖5。

2.不同職業角色之間依存度分析

對各職業角色KDA值進行Pearson相關度分析，數據顯示射手KDA值與法師KDA值呈現一定相關性（0.468，P=0.006<0.05）；法師KDA值與輔助KDA值呈現一定相關性（0.39，P=0.025<0.05）；戰士與坦克兩類職業角色的KDA值與其他職業角色相關性均較低，見圖6。

由數據分析可見，射手和法師、法師和輔助3類職業角色純在一定相互依賴性，而坦克和戰士2類職業角色獨立性較強。

3.不同職業角色對勝負局影響分析

以勝負局為分組變量，對各職業類別KDA值進行獨立樣本T檢驗，見圖7。數據顯示，在置信區間為95%范圍內射手、法師、坦克三類職業角色對游戲勝負起到了直接的決定性作用，其中法師作用尤其顯著（射手KDA Sig=0.001<0.05，t=3.604；法師KDA Sig=0.0001<0.05，t=4.754；坦克KDA Sig=0.001<0.05，t=3.828）。而輔助對勝負局的直接作用影響最?。⊿ig=0.873），之所以說直接作用小是因為法師職業角色與輔助職業角色存在較高的依存度，因此輔助對勝負局的間接作用需進一步分析。

經描述性檢驗顯示，射手在勝利場的KDA值為5.806，失敗場的KDA值為4.176；法師在勝利場的KDA值為7.137，失敗場的KDA值為4.747；坦克在勝利場的KDA值為6.2，失敗場的KDA值為3.547。見圖8，肉眼可見的差距啊。

4.輔助職業角色對勝負局影響的間接作用分析

運用Process V3.2中Model4模型以輔助職業角色為自變量，法師職業角色為中介因素對勝負局建立SEM模型，檢驗輔助職業角色對勝負結果的間接影響作用。

結果表明，該SEM模型具有一定的解釋性（R2=0.391，F=5.5648，P=0.0248<0.05）。其中輔助職業角色KDA值的直接效應值β=0.0489（σ=95%，P=0.663），可見輔助職業角色對勝負局直接效應的顯著度較小，因此該職業角色對游戲的勝負結果的影響較小。但是輔助職業角色KDA值對法師職業角色KDA的直接效應值β為0.2624（P=0.0248<0.05），呈現了顯著的支持效果，由此對游戲的勝負結果起到了積極的間接作用，各數據見圖9。

六、結論

1.法師、射手、坦克職業角色對于游戲勝負結果影響大

法師、射手、坦克3類職業角色的KDA值在勝負局中表現出顯著差異，可以推論這3類職業角色的對于游戲勝負結果影響較大，其中法師作用最為顯著。而其戰士、刺客和輔助3類職業角色的KDA值在勝負局中沒有明顯差異，顯示出這3類職業角色無論游戲綜合表現如何很難左右游戲結果。

2.射手和法師、法師和輔助職業角色之間存在依存關系

射手和法師、法師和輔助職業角色之間的KDA值存在一定相關性，顯示兩兩之間有相互依存關系。根據該依存關系可以推測射手和法師職業角色在游戲中呈現互相支持作用，在其他職業角色表現低迷的情況下，這2類職業角色同時出現高KDA值，則該場次產生勝利局的可能性較大。

3.坦克對其他職業角色的支持作用不明顯

同時，數據顯示坦克和戰士2類職業角色的獨立性較強。其中，雖然坦克職業角色在游戲中能起到決定性作用，但對其他職業角色支持作用不明顯。

4.輔助職業角色對游戲勝負結果產生間接的正向作用

輔助職業角色雖然沒有對游戲勝負結果產生明顯的直接作用，但通過法師職業角色KDA的中介作用產生間接效應。根據此效應也可以推測輔助職業角色在游戲中對法師的支持作用最為明顯。

七、總結

部分分析結論可能與廣大游戲玩家的直觀感受相悖，可能是因為場次數據少或者分析方法不正確或者長期混跡低端場次造成的，將來會自強不息，努力學習，堅持錄入數據以提高分析精度，也真心希望騰訊能開放一部分游戲數據供廣大玩家分析、娛樂，以提供更專業、更符合玩家需求的游戲戰術分析。