【摘要】本文采用了量化研究的研究范式，基于研究人员手残游戏表现历史数据，利用相关性分析、独立样本T检验以及SEM结果模型，分析了各职业角色KDA值对王者荣耀低端局排位赛胜负影响的作用。研究发现：（1）法师、射手、坦克3类职业对于游戏胜负结果影响大；（2）射手和法师职业在游戏中呈现互相支持作用，同时展现高KDA值则游戏胜利概率加大；（3）坦克和战士职业独立性较强，但对其他职业的支持作用不明显；（4）辅助职业对游戏胜负结果产生间接的正向作用。本研究意在娱乐，希望能为广大玩家提供一定的游戏战略分析和客观数据依据。
关键词：王者荣耀、KDA、职业角色、游戏结果影响
一、引子
7000 场次专业射手仍旧混迹在低端场次，手残不言自明，但是仍不死心，想看看到底是自己玩得太菜还是另有隐情，萌生了进行一些研究的想法。本想进行专业的战术分析，比如打野对队友支持程度对游戏结果的影响分析；前期战略优势对游戏胜负结果的分析等，但无奈腾讯公司太专业，数据保护得太好，网络爬虫失败，只能亲自手动录入自己的游戏历史原始数据。也因为自己太懒，输入了33场数据就发现手指真要残了，因此，本次研究只基于本人近33场历史游戏数据，由于场次少、数据原始，分析结果有一定局限性，部分结果是从统计学角度出发产生意义，绝非个案。同时为了嘚瑟和展现一定的专业水平，故意写得很深奥，纯属娱乐，千万不要当真。。。。。。
二、数据来源
以ZEN11（玩家）2021年2月10日至2021年2月14日排位赛33场的数据为基础，并按照时间依次入录，见图1。为检验数据稳定性，ZEN11全部选择射手类职业为角色参与游戏，经分析，33场角色KDA数值呈类似正态分布，见图2。
33场游戏中胜利场次16场，占比48.5%；失败场次17场，占比51.5，见图3。经游程检验显示33场游戏胜负呈随机状态（P=0.995>0.05，保留随机序列原假设）见图4。
三、研究假设
1.假设1
游戏中不同职业角色存在一定依赖性，并且不同职业角色之间的依存度不一。有的职业角色独立性强，但对其他职业角色支持作用小。
2.假设2
游戏中不同职业角色对游戏胜负结果产生的影响不同，有的职业角色对游戏结果产生决定性影响，而有的职业角色对游戏结果影响甚微。
3.假设3
虽然有的职业角色对游戏胜负结果职业影响小，但通过支持其他职业角色产生间接作用。
四、变量描述与分析方法
1.自变量描述
本次研究将每场不同职业角色的KDA值作为自变量。数据录入时，重复职业角色选取KDA较大值录入，缺失职业角色KDA值录为0，这可以间接反映当某一角色缺失时对游戏结果的影响。
2.应变量描述
本次研究将每场胜负值作为应变量，其中，胜利场次赋值为1，失败场次赋值为0。
3.分析方法
本研究使用腾讯游戏官方APP《王者营地》提供的数据，采用IBM SPSS21和Process V 3.2进行数据分析。采用描述性分析检验各变量的数据概况，探索样本的推广可能性。采用独立样本T检验，分析了各职业角色对游戏胜负结果的影响，并建立了以法师职业角色KDA值为中介的辅助职业角色KDA值对游戏胜负的SEM模型，探讨了辅助职业角色对游戏结果的间接效应作用。
五、研究分析与结果
1.数据概况
经分析显示，33场游戏中胜负场次均值为0.48，接近0.5。其中，射手KDA均值为4.967，最小值为2，最大值为9.1，SE为0,265。战士KDA均值为4.07，最小值为0（本场次缺少战士职业），最大值为9，SE为0.692。刺客KDA均值为4.252，最小值为0（本场次缺少刺客职业），最大值为9.1，SE为0.5394。法师KDA均值为5.906，最小值为0（本场次缺少法师职业），最大值为9.4，SE为0.3251。坦克KDA均值为4.833，最小值为0（本场次缺少坦克职业），最大值为8.5，SE为0.4379。辅助KDA均值为2.282，最小值为0（本场次缺少辅助职业），最大值为8.2，SE为0.4833，各数据见图5。
2.不同职业角色之间依存度分析
对各职业角色KDA值进行Pearson相关度分析，数据显示射手KDA值与法师KDA值呈现一定相关性（0.468，P=0.006<0.05）；法师KDA值与辅助KDA值呈现一定相关性（0.39，P=0.025<0.05）；战士与坦克两类职业角色的KDA值与其他职业角色相关性均较低，见图6。
由数据分析可见，射手和法师、法师和辅助3类职业角色纯在一定相互依赖性，而坦克和战士2类职业角色独立性较强。
3.不同职业角色对胜负局影响分析
以胜负局为分组变量，对各职业类别KDA值进行独立样本T检验，见图7。数据显示，在置信区间为95%范围内射手、法师、坦克三类职业角色对游戏胜负起到了直接的决定性作用，其中法师作用尤其显著（射手KDA Sig=0.001<0.05，t=3.604；法师KDA Sig=0.0001<0.05，t=4.754；坦克KDA Sig=0.001<0.05，t=3.828）。而辅助对胜负局的直接作用影响最小（Sig=0.873），之所以说直接作用小是因为法师职业角色与辅助职业角色存在较高的依存度，因此辅助对胜负局的间接作用需进一步分析。
经描述性检验显示，射手在胜利场的KDA值为5.806，失败场的KDA值为4.176；法师在胜利场的KDA值为7.137，失败场的KDA值为4.747；坦克在胜利场的KDA值为6.2，失败场的KDA值为3.547。见图8，肉眼可见的差距啊。
4.辅助职业角色对胜负局影响的间接作用分析
运用Process V3.2中Model4模型以辅助职业角色为自变量，法师职业角色为中介因素对胜负局建立SEM模型，检验辅助职业角色对胜负结果的间接影响作用。
结果表明，该SEM模型具有一定的解释性（R2=0.391，F=5.5648，P=0.0248<0.05）。其中辅助职业角色KDA值的直接效应值β=0.0489（σ=95%，P=0.663），可见辅助职业角色对胜负局直接效应的显著度较小，因此该职业角色对游戏的胜负结果的影响较小。但是辅助职业角色KDA值对法师职业角色KDA的直接效应值β为0.2624（P=0.0248<0.05），呈现了显著的支持效果，由此对游戏的胜负结果起到了积极的间接作用，各数据见图9。
六、结论
1.法师、射手、坦克职业角色对于游戏胜负结果影响大
法师、射手、坦克3类职业角色的KDA值在胜负局中表现出显著差异，可以推论这3类职业角色的对于游戏胜负结果影响较大，其中法师作用最为显著。而其战士、刺客和辅助3类职业角色的KDA值在胜负局中没有明显差异，显示出这3类职业角色无论游戏综合表现如何很难左右游戏结果。
2.射手和法师、法师和辅助职业角色之间存在依存关系
射手和法师、法师和辅助职业角色之间的KDA值存在一定相关性，显示两两之间有相互依存关系。根据该依存关系可以推测射手和法师职业角色在游戏中呈现互相支持作用，在其他职业角色表现低迷的情况下，这2类职业角色同时出现高KDA值，则该场次产生胜利局的可能性较大。
3.坦克对其他职业角色的支持作用不明显
同时，数据显示坦克和战士2类职业角色的独立性较强。其中，虽然坦克职业角色在游戏中能起到决定性作用，但对其他职业角色支持作用不明显。
4.辅助职业角色对游戏胜负结果产生间接的正向作用
辅助职业角色虽然没有对游戏胜负结果产生明显的直接作用，但通过法师职业角色KDA的中介作用产生间接效应。根据此效应也可以推测辅助职业角色在游戏中对法师的支持作用最为明显。
七、总结
部分分析结论可能与广大游戏玩家的直观感受相悖，可能是因为场次数据少或者分析方法不正确或者长期混迹低端场次造成的，将来会自强不息，努力学习，坚持录入数据以提高分析精度，也真心希望腾讯能开放一部分游戏数据供广大玩家分析、娱乐，以提供更专业、更符合玩家需求的游戏战术分析。
