坦克世界自己战斗数据的分析2坦克世界标准对战模式，击毁数量是和胜率呈线性关系1，击毁数量越大那么胜率就越高。击毁数受到多种因素的影响，而且彼此间相互关。通过对32种车辆的比较试验，对击毁数量及主要的其他统计数据进行分析，找到影响击毁数量的主要原因。1 数据来源试验数据来源于坦克世界自带的账号统计数据，数据截止于2018-7-3日。统计了自己西南电信一账号7级到10级所有标准战斗场次40场以上的车辆的战斗数据。数据如下表1车辆名称幸存率装甲特性受到伤害战斗场次车辆等级对敌人伤害点亮敌人数击毁T-6213.210.2318141061011331.080.48T-1016.470.3915948598980.750.38T-5422.940.181485523911652.110.71查涤纶25A30.460.011107765913291.341.09AMX139011.38094216797472.370.56WZ13210.640.049669484713.210.28IS-328.760.481267991812451.090.92IS-M28.130.46122416088060.690.56T-4429.90.1610892518810562.290.89ISU-15232.690.1396515686500.380.35su-14-238.9402991541817210.031.26T34-B19.510.42135612386930.460.33猛犸28.761.071466123810640.670.6758号实验车20.590.1311776885340.790.21莱茵38.920798388813470.40.88埃米尔I25.90.311228166811020.660.73若林40t18.750.03121348810840.960.79查涤纶12t9.740.0194134984622.120.33百夫长MK121.710.341274129882910.6 WZ13113.40.0480919474992.430.39is26.240.331063151778341.160.72kv-1314.880103648476162.060.56T-4317.09098527576342.280.59SU-15220.980.1776514375900.410.54虎P22.730.39126719876720.820.59埃米尔26.830.0671020577300.430.65黑豹46.580.0120630779830.020.9leo17.290.0896113376901.190.63AMX13754.46064615772442.240.29AMX1375gf6.250.018576475272.050.55若林155 5036.960.0121292778100.72彗星10.910.1108616576781.540.53 表12 结果分析2.1多元线性分析由表1:不同车辆之间击毁数量每场平均值为0.615，其中最大值为1.26是火炮su-14-2，次之是查涤纶25a为1.09，第三是IS-3为0.92。击毁数量较高的还有黑豹，T-44，莱茵。 对数据进行多元线性分析，得到线性公式：Y=0.88-1.17E-04*x1-0.12*x2+8.58E-04*x3+5.32E-02*x4 Y=击毁数量 ，X1=自己坦克受到的伤害，x2=自己车辆等级，x3=对敌人的伤害，x4=自己点亮敌人的数量多元线性显著性检验：变异原因 DF SS MS F多元回归 4 1.66 0.41 73.86离回归 27 0.15 0.0056 总和 31 1.81F检验结果显著的回归关系F=73.86 F0.01=4.112.2下面进行偏回归分析：偏回归系数的检验F检验:F1=5.94349638076217F2=21.539836157105F3=221.891071364926 F4=8.39252376318695变异原因 DF SS MS Fx1的偏回归 1 3.33E-02 3.33E-02 5.94 x2的偏回归 1 0.12 0.12 21.53 x3的偏回归 1 1.24 1.24 221.89 x4的偏回归 1 4.70E-02 4.70E-02 8.39 离回归 27 0.15 5.60E-03F检验结果F1:当AERF=0.05有显著的回归关系，AERF=0.01无显著回归关系FF1=5.94F0.05=4.2F2:显著的回归关系FF2=21.54F0.01=7.68F3:显著的回归关系FF3=221.89F0.01=7.68F4:显著的回归关系FF4=8.39F0.01=7.687标准偏回归系数PartialRegressionB(3)=-0.14标准偏回归系数PartialRegressionB(5)=-0.38标准偏回归系数PartialRegressionB(6)=1.07标准偏回归系数PartialRegressionB(7)=0.172.3下面进行复相关分析相关指数（correlation index）R2=0.92复相关系数（multiple correlation coefficient）R=0.962.4下面进行偏相关分析偏相关系数r(1,2)=.128494461899249t(1,2)=.673257965572162 对应T1偏相关系数r(1,3)=.333206984121732t(1,3)=1.83633396341189 对应T2偏相关系数r(1,4)=.23986173198035t(1,4)=1.28383709793341 对应T3偏相关系数r(1,5)=-.424752707857901t(1,5)=-2.43792870707125 对应T4偏相关系数r(2,3)=.767656329117607t(2,3)=6.22421201200827 对应T5偏相关系数r(2,4)=.463056847362479t(2,4)=2.71469746869354 对应T6偏相关系数r(2,5)=-.666150019161909t(2,5)=-4.64110290309369 对应T7偏相关系数r(3,4)=-.598542193326325t(3,4)=-3.88234965989824 对应T8偏相关系数r(3,5)=.944202736916747t(3,5)=14.8960085715914 对应T9偏相关系数r(4,5)=.486956899592742t(4,5)=2.89698528874187 对应T10T检验结果T1:无显著的回归关系T0.05=2.0518T1=0.67T2:无显著的回归关系T0.05=2.0518T2=1.84T3:无显著的回归关系T0.05=2.0518T3=1.28T4:当AERF=0.05有显著的回归关系，AERF=0.01无显著回归关系T4=2.44T0.05=2.05T5:显著的回归关系T5=6.22T0.01=2.77T6:当AERF=0.05有显著的回归关系，AERF=0.01无显著回归关系T6=2.71T0.05=2.05T7:显著的回归关系T7=4.64T0.01=2.77T8:显著的回归关系T8=3.88T0.01=2.77T9:显著的回归关系T9=14.90T0.01=2.77T10:显著的回归关系T10=2.90T0.01=2.772.5下面进行通径分析直接作用：B1=-.176304634236024B2=-.390985626709248B3=1.12940262692643B4=.187234062053532间接作用：P(1,2,y)=-.232708526037012P(1,3,y)=.101841937505076P(1,4,y)=3.01185169680192E-02P(2,1,y)=-.104933759104831P(2,3,y)=.548356703642056P(2,4,y)=5.72248451963371E-03P(3,1,y)=-1.58979668664168E-02P(3,2,y)=-.189834505713145P(3,4,y)=-7.99297468897793E-02P(4,1,y)=-2.83604065389551E-02P(4,2,y)=-1.19497978717316E-02P(4,3,y)=-.482139121038092Dy(1)=3.10833240530982E-02Dy(1,2)=8.20551831331194E-02Dy(1,3)=-.035910411083441