职业非联赛足球球队中的“控球悖论”：一项关于身体素质、技术能力及情境因素的探索性案例研究

《International Journal of Performance Analysis in Sport》：The possession paradox in a professional Non-League Football team: an exploratory case study of physical, technical, and situational factors

　　**摘要**
职业足球成功的决定因素已有充分记录，技术、身体和情境因素都与比赛结果相关。然而，这些因素在英格兰非联赛足球（NLF）中尚未得到研究。本研究调查了比赛层面的表现变量及其与比赛结果和情境因素的关联。数据来自一个职业NLF球队在一个赛季内的33场比赛。比较了技术指标（传球完成率、通过传球比率估计的控球率和射门次数）和身体指标（跑步速度），并评估了它们与比赛结果、比赛地点和对手实力的关系。结果显示，该球队在技术上优于对手，控球率、传球指标和总射门次数均显著更高（p<0.05）。然而，出现了一个悖论：在失利的比赛中，控球率显著更高（56.5±6.2%），而在获胜的比赛中则较低（48.3±6.1%；p=0.011，d=1.34）。此外，平局的传球完成率高于获胜的比赛（p=0.045，d=1.30）。比赛地点对表现指标没有影响。对手实力对身体表现指标没有影响，但球队面对排名较低的对手时总射门次数更多（p=0.029，d=-1.45）。这些发现表明，对于职业NLF球队来说，技术优势和基于控球的策略并不能保证成功。

**关键词**：表现分析；足球；比赛结果；亚精英；教练

**1. 引言**
职业足球成功的决定因素已经得到了广泛研究，特别是技术熟练度、跑步速度特征和情境因素（如对手实力、主客场位置）的影响（Brito de Souza等人，2019年；Lepschy等人，2018年；Mujika等人，2009年；Oliva-Lozano等人，2023年；Sarmento等人，2014年；Teixeira等人，2021年）。然而，足球中的传统成功指标（如净胜球）可能无法完全反映球队的技术或身体表现，因为足球的得分较低，成功与失败的差距很小（Lepschy等人，2018年）。这项运动的不可预测性在业余级别更加明显，高水平球队和低水平球队之间的区别不太明显（Constantinou，2019年），这可能部分是由于体育科学资源和人员的限制（Jackson等人，2025年）。足球成功的关键组成部分在于创造得分机会和有效的防守压迫策略（Brito de Souza等人，2019年）。球队创造的得分机会数量和减少失球次数与成功的比赛结果一致相关（Brito de Souza等人，2019年；Lepschy等人，2018年）。创造这些机会的策略包括控制球权并发起进攻阶段；实际上，在英格兰足球中，更多的传球次数与更高的控球率相关（Bradley等人，2013年）。然而，仅控球率并不能可靠地预测成功，这种现象在职业足球中被称为“控球悖论”（Collet，2012年）。在本研究中，控球率是通过传球比率而不是控球时间来衡量的。例如，失利的球队通常比对手拥有更多的控球权（Lago-Pe?as & Della，2010年）。相反，球队如何有效地利用控球权（即创造得分机会）似乎更为关键（Aquino等人，2020年；Rein等人，2017年；Wang等人，2022年）。这反映在球队传球的准确性和质量上，成功与向进攻区域传递准确球的频率相关（Lepschy等人，2018年；Rein等人，2017年）。然而，尚不清楚这些关系是否在英格兰职业足球的层面上同样成立。

除了技术熟练度外，身体要求也对比赛表现很重要。成功的球队似乎会根据不同的对手调整他们的比赛风格和战术策略（He等人，2023年）。这反映了足球战术的发展，强调进攻强度，快速将球推向对方球门，增加成功射门的可能性（Cao，2024年）。同样，有效的压迫策略可以在高位夺回球权并创造得分机会（Lepschy等人，2018年）。然而，英格兰高级非联赛足球（NLF；即国家联赛第5级和第6级）球队的异质性，包括全职和兼职俱乐部以及不同水平的资源（Jackson等人，2025年），可能会改变比赛结果的预测因素。例如，一个NLF职业球队在第6级联赛中的高速跑步（HSR）明显低于同一联赛中的半职业球队（Jackson等人，2025年；Swallow等人，2021年）。有趣的是，高强度跑步的需求在更高水平的比赛中往往较低（Bradley等人，2013年；Low等人，2020年），而且高速跑步或冲刺距离本身似乎并不显著影响比赛结果（Aquino等人，2020年；Oliva-Lozano等人，2023年）。尽管如此，它们与技术效率的相互依赖是职业足球表现的关键方面（Nassis等人，2020年）。其他因素，如比赛地点，也可能影响比赛结果，在主场进行的比赛更有可能获胜（Lepschy等人，2018年；Sarmento等人，2014年）。此外，面对实力更强的对手时，球队会增加控球率，减少进攻次数，并跑更长的距离（Lepschy等人，2018年；Sarmento等人，2014年）。然而，如果没有表现分析数据，球队可能无法正确归因于成功的因素，从而导致错误的假设和不适当的决策（Gauriot & Page，2019年）。实际上，职业足球中表现分析的使用情况各不相同，受到成本、时间和分析数据的影响（Andersen等人，2022年；Wright等人，2014年）。这些限制在NLF层面尤为明显，人员和财务限制限制了表现分析的支持（Jackson等人，2025年），包括收集详细技术比赛数据的能力。

因此，本研究有两个目的：首先，描述一个职业NLF球队相对于对手的技术和身体表现指标；其次，量化情境因素（地点、对手实力）和比赛结果对这些表现指标的影响。

**2. 材料与方法**
2.1. 实验设计
这是一项关于2019-2020赛季参加英格兰国家联赛北区的职业第6级球队的纵向研究。由于COVID-19的限制，该赛季在2020年3月提前结束，所有纳入分析的比赛都是在联赛暂停前的正常竞争条件下进行的。收集了33场联赛比赛的技术分析和跑步速度数据（胜=10场，负=15场，平=8场）。每场比赛还记录了上下文变量，包括比赛地点（主场/客场）和对手球队的最终联赛排名（分为高等级：第1至7名，中等排名：第8至14名，低等级：第15至22名）。样本包括13场对阵高等级球队的比赛（39%），11场对阵中等排名球队的比赛（33%），以及9场对阵低等级球队的比赛（27%）。数据进行了匿名处理，并在团队层面进行了汇总。

2.2. 研究对象
共有21名职业（即全职）一线队球员参与了这项研究。该球队最终在赛季中排名第15位。主场比赛的平均上座率为1139±310人，客场比赛的平均上座率为1020±691人。客场比赛的平均往返距离约为100英里（161公里）。NLF中的俱乐部不在典型的转会窗口期间运作，导致整个赛季球员名单有所变化。纳入标准包括：(a) 赛季开始时签约的球员；(b) 赛季中签约加入俱乐部的球员；(c) 年龄超过18岁的球员。如果球员年龄小于18岁或处于试用期，则被排除在外。所有球员都被告知研究的目的和风险，并提供了书面同意。该研究获得了伯明翰城市大学伦理委员会的批准（3439号）。球员通常在一个比赛周内完成四次训练（每次训练持续时间约为45-120分钟），不包括健身或康复训练。球员位置由主教练分配，分为：前锋（ST，n=5），中场（MF，n=5），边后卫（WD，n=4）和中后卫（CD，n=7）。

2.3. 跑步速度数据
使用可穿戴全球定位系统（GPS）设备（Polar Electro，Kempele，芬兰）收集了比赛跑步速度数据。所有球员都使用了相同的Polar Team Pro带子，数据通过Polar Team应用程序（版本2.0，Polar Electro，Kempele，芬兰）记录，该应用程序已被证明能够准确可靠地追踪团队运动（Akyildiz等人，2022年）。只有完成85分钟比赛的球员被纳入分析，以确保数据代表完整比赛的表现，并控制那些未完成完整比赛的球员的不同节奏策略。教练在比赛中分配给球员的位置可能与他们的主要位置不同（例如，中后卫担任中场）。跑步速度要求根据既定阈值定义（DiSalvo等人，2007年）：步行（<7.1 km·h?1），慢跑（7.2–14.3 km·h?1），跑步（14.4–19.7 km·h?1），高速跑步（HSR；19.8–25.1 km·h?1）和冲刺（>25.1 km·h?1）。高强度跑步距离定义为HSR和冲刺距离的总和（≥19.8 km·h?1）。

2.4. 技术分析
使用手动记号系统收集比赛技术数据，以便于衡量比赛中的技术动作（Carling等人，2007年）。虽然精英研究通常使用光学跟踪来测量控球时间和技术动作，但NLF俱乐部往往缺乏进行此类分析的基础设施。记录了球队和对手的传球数据。本研究使用总传球比率作为控球时间的代理指标，因为先前的文献表明传球与控球时间有关（Bradley等人，2013年；Wang等人，2022年）。尽管这种代理指标不能捕捉控球的时间或空间特性，但它提供了相对于对手的控球频率的可靠度量（Wang等人，2022年）。

2.4.1. 主要数据收集
记录了所有尝试的传球，传球分为完成（接球方保持控球权）和未完成（失去控球权）。分析没有考虑传球发生的场内位置。传球定义与广泛使用的框架一致，例如Opta提供的定义（StatsPerform，网址：https://www.statsperform.com/opta-event-definitions/）。传球被定义为持球方球员的有意动作（包括自由球、定位球和角球），以及另一名球队球员成功接球。传中球，即从边路位置传向对方球门附近的中央区域的球，也被视为传球。其他动作，如掷界外球和守门员扑救，不被视为传球；当球员从高风险防守区域清除球且没有立即目标时，也不计入传球。球队控球率定义为球队总尝试传球次数与两队总尝试传球次数的比率。

手动数据收集容易受到人为错误和操作者差异的影响（Liu等人，2013年），为了最小化这种风险，跟踪的变量仅限于传球动作。比赛由首席研究员（DTJ）以正常播放速度手动编码，记录了球队和对手的所有完成和未完成的传球。传球数据记录在Microsoft Excel（版本16.89.1，Microsoft Corporation，美国，2021年）中。通过对五个随机抽样的比赛（约占总样本的15%）进行计数，评估了总尝试传球次数的可靠性，以评估传球计数的方差（O’Donoghue，2009年）。使用双向混合效应模型计算了类内相关系数（ICC（3,1）以评估单一评分者的可靠性[ICC(3,1)]。ICC值被解释为低（<0.50）、中等（0.50–0.75）、良好（0.75–0.90）和优秀（>0.90）（Koo & Li，2016年）。

2.4.2. 辅助数据收集
为了为技术分析提供更多背景，从俱乐部的表现分析中回顾性地获得了射门数据作为辅助数据。这些数据由俱乐部的表现分析师在赛季期间独立编码，包括射正目标（即进球、扑救或挡出的射门）和总射门次数（即尝试得分的次数，包括未击中的射门）。由于表现分析是回顾性的，因此无法进行评分者间或评分者内的可靠性评估。鉴于射门数据对比赛结果的重要性，这一限制是有意义的，涉及射门数据的发现应谨慎解释。**统计分析**

描述性数据以“平均值±标准差（SD）”的形式呈现。所有统计分析均在R语言（版本4.4.2，R核心团队，奥地利维也纳）中完成。数据的正态性通过视觉检查及Shapiro-Wilk检验进行评估。

为了评估比赛中的技术和体能表现、球队与对手之间的差异以及上半场与下半场之间的差异，使用了配对t检验。随后，对这些表现变量进行了探索性和描述性分析，分析了比赛结果（胜、负、平）和情境因素（具体而言是比赛地点（主场vs客场）以及对手实力（排名较高、中游、较低）。为了控制多重比较中的假发现率，在每组检验中应用了Benjamini-Hochberg（BH）校正方法。

当满足正态性假设时，使用Welch的t检验（两组）或Welch的ANOVA（三组）来评估组间差异；否则，使用非参数替代方法（Mann-Whitney U检验或Kruskal-Wallis检验）。Omnibus检验（ANOVA或Kruskal-Wallis）用于检查各类别间的整体组间差异。当发现显著的主效应时（未调整的p值<0.05），会进行成对比较以确定差异的来源（例如胜vs负）。为了便于理解Omnibus检验的结果，同时展示了未调整的p值（punadj）和经过BH校正后的p值（p）。

鉴于体育研究中样本量通常较小，统计推断需谨慎进行，优先考虑差异的大小，以避免因显著性阈值而产生的错误（Skorski & Hecksteden, 2021）。为了量化差异的大小，根据所使用的检验方法报告了效应量（ES）。对于参数分析，计算了Cohen的d值（对于配对样本使用Cohen的dz），并将其解释为小（0.2–0.5）、中（0.5–0.8）和大（>0.8）（Cohen, 1988）。对于非参数比较，使用Cliff的δ值，将其解释为小（0.147–0.33）、中（0.33–0.474）和大（>0.474）（Romano等人，2006）。完整的代码和R语言输出结果见补充材料。

**3. 结果**

**3.1. 球队与对手的技术熟练度**

总传球次数显示ICC(3,1) = 0.89（95% CI 0.30–0.99），这一较宽的置信区间（从差到优）可能是由于样本量较小导致的（Koo & Li, 2016）。重新抽样后的平均绝对差异为34次传球（占总次数的5%）。

在33场比赛中（280名球员观察数据，年龄23.7±4.2岁；身高1.79±0.11米；体重78.9±8.3公斤），球队在多个技术领域的表现显著优于对手（表1）。在整个比赛中，球队在控球率（p = 0.014, dz = 0.48）、完成传球次数（p = 0.014, dz = 0.52）、传球成功率（p = 0.009, dz = 0.60）和总传球次数（p = 0.014, dz = 0.47）方面均显著高于对手。在比赛的上半场和下半场分析中，球队在完成传球、控球率和传球成功率方面也显著优于对手（所有p ≤ 0.048, dz ≥ 0.37）。完整的统计输出见补充材料。

**表1. 球队与对手的技术表现（数据以平均值±标准差呈现）及配对t检验结果。**

**下载CSV** | **显示表格**

**3.2. 攻击输出分析**

球队尝试的总射门次数显著多于对手（11.8±4.4次 vs 8.5±3.1次；p = 0.014, dz = 0.50）。然而，进球次数没有显著差异（球队：5.2±1.8次；对手：4.2±2.3次；p = 0.11）。球队整个赛季的进球转化率为24.4%，而对手为34.1%。

**3.3. 比赛中的体能和技术表现**

比赛中的跑步速度需求分析（表2）显示，球队上半场和下半场的表现没有显著差异（p > 0.17）。

**表2. 球队比赛中的跑步速度需求（数据以平均值±标准差呈现）**

**下载CSV** | **显示表格**

对于技术表现，比较上半场和下半场，球队在总传球次数、完成传球次数或控球率方面均无显著差异（所有p > 0.61），对手也是如此（所有p > 0.08）。

**3.4. 比赛结果和情境因素的影响**

初步的Omnibus检验表明，球队控球率和传球成功率存在差异（punadj < 0.05）。尽管BH校正后整个检验在家族层面不再显著（padj > 0.11），但由于样本量的限制，仍根据punadj进行了成对比较以确定具体趋势（表3）。结果显示，在获胜比赛中，球队的控球率显著较低（p = 0.011, d = 1.34）。在平局比赛中，球队的传球成功率显著较高（p = 0.045, d = 1.30）。球队在物理指标（TD, HIRD）或总射门次数方面，不同比赛结果之间没有显著差异。

**表3. 按比赛结果分类的球队技术和体能表现指标。**

**下载CSV** | **显示表格**

**3.5. 比赛地点（主场vs客场）的影响**

比赛地点（主场vs客场）对任何技术或体能表现指标均无显著影响。虽然客场比赛的HIRD略高（d = ?0.60），但未达到显著性水平。其他技术或体能指标在不同比赛地点之间没有差异，其余效应量均为较小或微不足道（表4）。

**表4. 按比赛地点分类的技术和体能表现指标。**

**下载CSV** | **显示表格**

**4. 讨论**

本研究首次探讨了NLF联赛中球队的技术熟练度、比赛结果和情境因素。研究结果与高级别联赛的现有文献相反，在高级别联赛中，较高的技术表现通常能预测积极的结果（Brito de Souza等人，2019；Lepschy等人，2018；Oliva-Lozano等人，2023）。一个关键发现是“控球率悖论”，这在职业联赛中也有观察到（Collet，2012）。由于控球率是通过传球比率而非控球时间估算的，因此应从这个角度理解这些结果。尽管球队在控球率、传球次数和射门次数上始终优于对手（效应量较小到中等），但这并未转化为比赛胜利，导致胜率仅为30.3%。这一反直觉的关联得到了比赛结果分析的支持。具体来说，球队在失利比赛中的控球率显著高于胜利比赛。此外，球队在平局比赛中的传球成功率显著高于胜利比赛。值得注意的是，尽管球队在传球指标上具有整体优势，但这些变量并未转化为胜利。这些发现表明，对于本研究中的球队而言，成功似乎更多地依赖于战术效率，而非技术优势。

在职业足球中，成功的球队通常拥有更多的控球权，这为射门和传球等相关动作提供了更多机会（Lepschy等人，2018）。虽然承认仅凭控球权并不能保证胜利（Collet，2012；Wang等人，2022），但本研究在一个职业NLF球队中发现了控球率悖论。分析的核心发现是，球队在失利比赛中的控球率显著高于胜利比赛（56.5±6.2% vs 48.3±6.1%，效应量d = 1.34）。即使球队在整个赛季的传球指标上具有优势，这种情况仍然存在。这种差异表明，对于这支球队而言，成功并不取决于控球权的整体控制或行动频率。

在职业足球中，成功的球队通常拥有更多的控球权，这为射门和传球等动作提供了更多机会（Lepschy等人，2018）。尽管认识到仅凭控球权不能保证胜利（Collet，2012；Wang等人，2022），但本研究在一个职业NLF球队中发现了控球率悖论。分析的核心发现是，球队在失利比赛中的控球率显著高于胜利比赛（56.5±6.2% vs 48.3±6.1%，效应量d = 1.34）。这表明，对于这支球队来说，整体控球和行动频率并非成功的决定性因素。这与其他职业联赛的情况一致，即在失利比赛中，球队往往拥有更多的控球权（Bradley等人，2014；Lago & Martín，2007）。这表明，这种基于控球权的打法可能带有风险，因为较长的传球链会增加被对手拦截和失误的风险（Reep & Benjamin，2019）。

这种悖论的原因可能不在于控球量的多少，而在于控球的质量和有效性。与大多数现有足球文献相反，有效的控球权和更多的进球并未提高胜率（Brito de Souza等人，2019；Lepschy等人，2018；Oliva-Lozano等人，2023），因为球队在不同比赛结果中的总射门次数没有显著差异（p = 0.185）。尽管球队整个赛季平均每场比赛射门11.8±4.4次，但进攻输出和更多的控球权并未成为比赛结果的决定性因素。虽然缺乏场地位置数据是技术分析的局限性，但一个可能的假设是，更多的控球权可能反映了在防守区域停留的时间较长，这会增加在危险位置失球的风险，并降低进球机会的有效性（Cao，2024；Casal等人，2017）。在防守区域保持控球权的一个潜在好处是迫使对手脱离他们的防守阵型，并有效利用由此创造的空间。然而，这需要高水平的身体强度才能在这些转换阶段取得成功（Schulze等人，2022）。观察到的球队较低的HIRD与较低的强度风格一致，尽管这一指标在不同比赛结果之间没有差异，也没有其他战术数据支持这一点。实际上，平均HSR（441±60米）明显低于同一联赛中半职业球员的先前报告值（879±50米；Swallow等人，2021）。相反，球队基于控球权的打法与之前的职业NLF研究一致（Jackson等人，2025），这与在比赛中覆盖的距离较短相关（Castellano等人，2022）。这种低强度的控球在创造进攻机会方面效果较差（Cao，2024；Faude等人，2012）。

**4. 讨论**

本研究首次调查了NLF联赛中的技术熟练度、比赛结果和情境因素。研究结果与高级别联赛的现有文献相反，在高级别联赛中，较高的技术表现通常能预测积极的结果（Brito de Souza等人，2019；Lepschy等人，2018；Oliva-Lozano等人，2023）。一个关键发现是“控球率悖论”，这在职业联赛中也有观察到（Collet，2012）。由于控球率是通过传球比率而非控球时间估算的，因此应从这个角度理解这些结果。尽管球队在控球率、传球次数和射门次数上始终优于对手（效应量较小到中等），但这并未转化为比赛胜利，导致胜率仅为30.3%。这种反直觉的关联得到了比赛结果分析的支持。具体来说，球队在失利比赛中的控球率显著高于胜利比赛。此外，球队在平局比赛中的传球成功率显著高于胜利比赛，而对手在失利比赛中的总射门次数显著高于平局比赛。值得注意的是，尽管球队在传球指标上具有整体优势，但这些变量并未转化为胜利。这些发现表明，对于这支球队来说，成功似乎更多依赖于战术效率，而非技术优势。

在职业足球中，成功的球队通常拥有更多的控球权，这为射门和传球等动作提供了更多机会（Lepschy等人，2018）。虽然承认仅凭控球权不能保证胜利（Collet，2012；Wang等人，2022），但本研究在一个职业NLF球队中发现了控球率悖论。分析的核心发现是，球队在失利比赛中的控球率显著高于胜利比赛（56.5±6.2% vs 48.3±6.1%，效应量d = 1.34）。即使球队在整个赛季的传球指标上具有优势，这种情况仍然存在。这种差异表明，对于这支球队来说，成功并不取决于控球权的整体控制或行动频率。这与其他职业联赛的情况一致，即在失利比赛中，球队往往拥有更多的控球权（Bradley等人，2014；Lago & Martín，2007）。这表明，基于控球权的打法可能存在风险，因为较长的传球链会增加被对手拦截和失误的风险（Reep & Benjamin，2019）。

这种悖论的原因可能不在于控球量的多少，而在于控球的质量和有效性。与大多数现有足球文献相反，有效的控球权和更多的进球并未提高胜率（Brito de Souza等人，2019；Lepschy等人，2018；Oliva-Lozano等人，2023），因为球队在不同比赛结果中的总射门次数没有显著差异（p = 0.185）。尽管球队整个赛季平均每场比赛射门11.8±4.4次，但进攻输出和更多的控球权并未成为比赛结果的决定性因素。虽然缺乏场地位置数据是技术分析的局限性，但一个可能的假设是，更多的控球权可能反映了在防守区域停留的时间较长，这会增加在危险位置失球的风险，并降低进球机会的有效性（Cao，2024；Casal等人，2017）。在防守区域保持控球权的一个潜在好处是迫使对手脱离他们的防守阵型，并有效利用由此创造的空间。然而，这需要高水平的身体强度才能在这些转换阶段取得成功（Schulze等人，2022）。观察到的球队较低的HIRD与较低的强度风格一致，尽管这一指标在不同比赛结果之间没有差异，也没有其他战术数据支持这一点。实际上，平均HSR（441±60米）明显低于同一联赛中半职业球员的先前报告值（879±50米；Swallow等人，2021）。相反，球队基于控球权的打法与之前的职业NLF研究一致（Jackson等人，2025），这与在比赛中覆盖的距离较短相关（Castellano等人，2022）。这种低强度的控球在创造进攻机会方面效果较差（Cao，2024；Faude等人，2012）。

结果分析突显了对手进攻行动的影响。尽管观察到的球队在总射门次数上通常更多，但对手在球队失利的比赛中射门次数最多（9.8±3.0次）。鉴于对手的控球率较低，这表明他们采用了一种高效、可能直接的打法，将有限的控球权转化为进球机会。这与研究表明，反击策略可以利用对手内部的混乱有关（Schulze等人，2022；Wright等人，2011）。面对更多基于控球权的对手时，在球场前沿的失误会创造更多的直接进攻机会和快速转换（Cao，2024；Lepschy等人，2018）。重要的是，对手的进球转化率（34.1%）高于球队（24.4%）。在得分较低的环境中，允许高效的对手创造几次高质量的机会可能会决定比赛结果。这种差异可能影响了比赛结果，先前的研究指出，每射门的平均进球数是成功球队的关键指标（Sarmento等人，2014）。

这些跑步数据引发了关于球队防守策略的疑问。虽然本研究在战术分析方面的推论有限，但观察到的较低HIRD可能对比赛结果有影响。以下解释是推测性的，旨在为未来的研究提供假设，而不是根据现有数据得出结论。在开放比赛中有效的防守需要球队施加紧凑、同步的压力以限制防守时间。相反，成功的转换防守依赖于对失误后的快速身体反应（Eusebio等人，2024；Freitas等人，2023）；否则，可能会限制有效的压迫或重新建立防守阵型的能力（Forcher等人，2024）。此外，球队的战术方法与其比赛中的跑步速度相比，与其他职业足球和半职业NLF球队相比显得较低（Gualtieri等人，2023；Swallow等人，2021）。虽然身体指标（总距离和HIRD）在不同比赛结果之间没有显著差异，但适当的节奏策略和球队的反应能力与成功的比赛阶段相关（Schulze等人，2022）。一种可能的解释是，该球队的高控球率与较低的HIRD（可能是某个特定指标的缩写）相结合，为对手在进攻区域赢得球权创造了机会；然而，需要空间数据来验证这一假设。一个值得注意的发现是，传统的情境因素，如比赛地点和对手实力，对球队表现的影响很小。具体来说，比赛地点并未对观察到的比赛中的技术或身体表现产生任何影响。由于主场和客场样本量较小，分析能力不足以检测到微弱的情境效应。在客场比赛中，HIRD的效应（d = -0.60）表明存在有意义的差异，但本研究未能在统计上验证这一点。这与职业联赛中的研究结果形成对比，在职业联赛中，这些因素（尤其是主场优势）通常会影响比赛结果（Sarmento等人，Citation2014；Trewin等人，Citation2017）。同样，对手的实力也没有影响传球、控球率或达阵等指标（Sarmento等人，Citation2014）。然而，由于只有13场、11场和9场比赛来自三个不同级别的对手，统计敏感性有限，因此缺乏显著性不应被解读为没有效应的证据。在成对测试中唯一显示的技术表现指标是球队的总射门次数，与排名较低的对手相比，对阵中游球队的总射门次数显著更高，效应量较大（p = 0.029，d = -1.45）。对于这支球队来说，情境因素并没有像在精英水平比赛中那样影响表现。这可能是NLF（Constantinou，Citation2019）所描述的更广泛不可预测性的体现，还是特定于这支球队和该赛季的情况，从季节性观察研究中无法确定。这种差异可能因球队在俱乐部资源、人员配置和运动科学实践方面的差异而加剧（Jackson, Blagrove, Thain, Weldon, & Kelly, Citation2025）；这突显了绩效分析在获得竞争优势中的关键作用（Wright等人，Citation2014）。

5. 局限性与未来方向
本研究的发现应在几个限制性的背景下进行解读。主要限制是仅有一个NLF球队在一个赛季内的小样本量（n = 33）。因此，这些发现应被视为对一个球队的探索性描述，而不是代表整个NLF联赛。2019-2020赛季因COVID-19限制而缩短；然而，所有分析的比赛都是在联赛暂停前，在正常监管条件下进行的。根据比赛结果、地点和对手实力进行的子组分析样本量较小，因此缺乏统计显著性不应被解读为没有效应的证据。样本量小和比赛分布不均限制了分析的能力，因此呈现的未调整数值与效应量一起用于描述性概述（Skorski & Hecksteden, Citation2021）。因此，所呈现的发现是描述性和关联性的，提供了关于这支球队及其对手在一个赛季内的探索性见解。这些数据在其他足球群体中的普遍性有限，需要更大规模的研究来验证这些在研究不足的群体中的发现。

本研究中使用的技术标注方法范围有限。总传球比率被用作控球率的代理指标，反映了控球事件的频率而非控球时间的长短。虽然已有研究表明传球比率与职业足球中的控球时间相关（Bradley等人，Citation2013；Wang等人，Citation2022），但这种关联在NLF级别是否成立尚未得到证实。此外，由于标注过程劳动强度高，仅对五场比赛的子集进行了评分者内可靠性评估，导致置信区间较宽，从而限制了可靠性估计的精度。平均传球总数的平均绝对差异约为5%，表明在比赛层面的实际一致性是可以接受的。尽管传球次数经过了评分者内可靠性检查，但从俱乐部分析师那里回顾性获得的射门次数和射中次数数据并未经过可靠性验证。由于进攻输出影响了本研究的多个解释，因此相关发现应谨慎解读。此外，身体表现数据仅限于观察到的这支球队，无法与对手进行直接的身体比较。最后，没有包括射门和传球的上下文数据，限制了战术分析。

未来的研究应旨在分析多个赛季的更大样本，并包括技术和战术数据的位置细分，这可能有助于更深入地理解比赛结果。最后，虽然选定的传球完成率和控球率等技术指标并不能完全反映比赛表现的复杂性，但考虑到这一级别典型的资源和人员限制，这些指标提供了一种实用的方法。

6. 结论
这项探索性研究揭示了一个NLF职业球队在一个缩短赛季中的控球悖论。尽管该球队在控球和传球指标上的技术表现优于对手，但这并未转化为有利的结果。较高的控球率和更多的对手射门次数都与不利的比赛结果显著相关。NLF级别的从业者可能需要优先考虑如何将控球转化为有意义的进攻动作，例如射门质量和进入进攻区域，而不是将控球份额本身视为一个表现目标。这些发现说明了NLF俱乐部在争取升入英格兰足球联赛的过程中可能面临的挑战。

数据可用性声明
去标识化数据、R分析代码和补充材料可在Open Science Framework中找到：https://doi.org/10.17605/OSF.IO/K49UV