이 연구는 미국남자프로골프협회 (PGA)가 제공하는 경기기록을 통해 경기능력이 평균타수에 미치는 영향을 경로분석에 의해 규명하였다. 즉 PGA 선수의 경기능력을 나타내는 6개의 변인(드라이브 정확도, 드라이버 거리, 그린 적중률, 샌드세이브, 스크램블링율, 평균퍼팅수)이 평균타수에 미치는 영향을 (1) 드라이버 정확도, 드라이버 거리, 그린적중률이 버디평균과 평균타수에 주는 영향과 (2) 샌드세이브, 스크램블링, 평균퍼팅수이 보기평균과 평균타수에 미치는 영향으로 가정하여 분석하였다. 이러한 목적에 따른 연구결과는 첫째, 드라이브 정확도가 버디평균에 미치지 못하였으며 그린적중률과 드라이브 거리가 직접적으로 평균타수에 영향을 미치는 것으로 나타났다. 둘째, 샌드세이브율, 스크램블링율, 평균퍼팅이 보기평균에 유의한 영향을 미치며 평균퍼팅이 평균타수에 직접적으로 영향을 미치는 것으로 나타났다. 결과적으로 그린적중률, 드라이브거리, 샌드세이브율, 스크램블링율이 평균타수에 영향을 미치면서 상대적으로 스크램블링율이 가장 높게, 샌드세이브율이 가장 낮게 나타났다.
이 연구는 미국남자프로골프협회 (PGA)가 제공하는 경기기록을 통해 경기능력이 평균타수에 미치는 영향을 경로분석에 의해 규명하였다. 즉 PGA 선수의 경기능력을 나타내는 6개의 변인(드라이브 정확도, 드라이버 거리, 그린 적중률, 샌드세이브, 스크램블링율, 평균퍼팅수)이 평균타수에 미치는 영향을 (1) 드라이버 정확도, 드라이버 거리, 그린적중률이 버디평균과 평균타수에 주는 영향과 (2) 샌드세이브, 스크램블링, 평균퍼팅수이 보기평균과 평균타수에 미치는 영향으로 가정하여 분석하였다. 이러한 목적에 따른 연구결과는 첫째, 드라이브 정확도가 버디평균에 미치지 못하였으며 그린적중률과 드라이브 거리가 직접적으로 평균타수에 영향을 미치는 것으로 나타났다. 둘째, 샌드세이브율, 스크램블링율, 평균퍼팅이 보기평균에 유의한 영향을 미치며 평균퍼팅이 평균타수에 직접적으로 영향을 미치는 것으로 나타났다. 결과적으로 그린적중률, 드라이브거리, 샌드세이브율, 스크램블링율이 평균타수에 영향을 미치면서 상대적으로 스크램블링율이 가장 높게, 샌드세이브율이 가장 낮게 나타났다.
This study is for effectiveness of golf skills to average score using path analysis in Professional golf association. The variables in this study were that seven independent variable were driving accuracy, green in regulation, driving distance, sand save ratio, scrambling, putting average, and two e...
This study is for effectiveness of golf skills to average score using path analysis in Professional golf association. The variables in this study were that seven independent variable were driving accuracy, green in regulation, driving distance, sand save ratio, scrambling, putting average, and two endogenous variables were birdie average, bogey average, and dependent variable was the scoring average. To analyze these variables, path analysis was used through AMOS 18.0 program and Alpha level sets at.05. As the result, the final model had significant goodness-of-fit (GFI=.989, RMSEA=.044, TLI=.991, CFI=.998) and showed that green in regulation, driving distance, sand save ratio, scrambling, and putting average significantly affected average score directly. Especially, the scrambling was the highest affectation to average score and the sand save ratio was the lowest affectation to the average score.
This study is for effectiveness of golf skills to average score using path analysis in Professional golf association. The variables in this study were that seven independent variable were driving accuracy, green in regulation, driving distance, sand save ratio, scrambling, putting average, and two endogenous variables were birdie average, bogey average, and dependent variable was the scoring average. To analyze these variables, path analysis was used through AMOS 18.0 program and Alpha level sets at.05. As the result, the final model had significant goodness-of-fit (GFI=.989, RMSEA=.044, TLI=.991, CFI=.998) and showed that green in regulation, driving distance, sand save ratio, scrambling, and putting average significantly affected average score directly. Especially, the scrambling was the highest affectation to average score and the sand save ratio was the lowest affectation to the average score.
* AI 자동 식별 결과로 적합하지 않은 문장이 있을 수 있으니, 이용에 유의하시기 바랍니다.
문제 정의
따라서 이 연구에서는 그동안 적용되어온 골프 경기능력 지수를 나타내는 6개의 변인들 (드라이버 정확도, 드라이버 거리, 그린적중률, 샌드세이브, 스크램블링율, 평균퍼팅수)이 평균타수에 미치는 영향을 경로분석을 통해 확인하는데 목적이 있다. 구체적으로 드라이버 정확도, 드라이버 거리, 그린적중률이 버디평균과 평균타수에 미치는 영향을, 샌드세이브, 스크램블링, 평균퍼팅수가 보기평균과 평균타수에 미치는 영향을 분석하여 본 연구의 결과를 통해 프로골프 선수와 코치들에게 경기력 향상을 위한 기초자료로 제공하고자하는데 궁극적인 목적이 있다.
또한 다수의 종속변수와 독립변수의 형태를 가짐으로서 다중회귀분석을 통해 얻을 수 없는 효과를 파악할 수 있고, 독립변수들에 의해 설명되지 못한 오차 (잔차)를 고려하여 분석되기 때문에 다중회귀분석에 비해 내적 타당도가 상대적으로 높다 (우종필, 2012). 따라서 이 연구에서는 그동안 적용되어온 골프 경기능력 지수를 나타내는 6개의 변인들 (드라이버 정확도, 드라이버 거리, 그린적중률, 샌드세이브, 스크램블링율, 평균퍼팅수)이 평균타수에 미치는 영향을 경로분석을 통해 확인하는데 목적이 있다. 구체적으로 드라이버 정확도, 드라이버 거리, 그린적중률이 버디평균과 평균타수에 미치는 영향을, 샌드세이브, 스크램블링, 평균퍼팅수가 보기평균과 평균타수에 미치는 영향을 분석하여 본 연구의 결과를 통해 프로골프 선수와 코치들에게 경기력 향상을 위한 기초자료로 제공하고자하는데 궁극적인 목적이 있다.
가설 설정
특히 그린 지역의 주위에는 좀 더 정교한 레이저 장치가 탑에 장치하여 정확히 측정하고 있다(송병주, 2009; 최대혁 등, 2008; 허천등, 2006). 이렇게 측정되어지는 많은 변수들 중에서 이 연구는 사전연구들을 바탕으로 골프에 최종 결과인 평균타수에 유의한 영향을 미치는 변수들을 가정하여 경로모형을 설정하였다.
제안 방법
그러나 구체적으로 이 연구에서 버디평균의 오차는 독립변수인 그린적중률과 드라이브거리에 의해 설명되지 못하는 부분이며, 보기평균의 오차는 독립변수인 샌드세이브율, 스크램블링율, 평균퍼팅에 의해 설명되지 못하는 부분이다. PGA 골프에서 이 변수들 이외에도 적지않은 변수들이 버디평균과 보기평균 변수에 유의한 영향을 미치는 것을 외적타당화 할 수 있기 때문에 두 오차의 공분산 (상관)을 고려하여 최적의 적합도를 가지는 최종모형을 설계하였다. 최종모형에서 독립변수들 (그린적중률, 드라이브거리, 샌드세이브율, 스크램블링율)이 평균타수에 직접적으로 미치는 영향은 상대적으로 스크램블링율과 그린적중률이 높게 나타났으며, 샌드세이브율이 가장 낮게 나타난 것을 알 수 있다.
PGA에서 제공되는 자료를 통해 선수의 경기능력이 평균타수에 미치는 영향을 분석하였다. 현재 PGA는 최첨단 컴퓨터 시스템으로 공이 움직이는 거리, 속도, 위치 등 150야드 거리에서도 cm단위로 측정이 가능하다 (www.
0 프로그램을 통해 최대우도함수 (maximum likelihood)를 적용하여 경로계수를 추정하였으며, 모형의 적합도를 평가하기 위해 절대적합지수인 적합지수 (GFI)와 평균자승이중근 (RMSEA)를 적용하였다. 그리고 상대적합지수로는 터키-루이스지수 (TLI)와 비교적합지수 (CFI)를 사용하였으며, 유의수준은 5%로 설정하였다.
특히 구조방정식모형의 많은 적합도 검증법 중에서 이 연구에서 사용한 GFI, RMSEA, TLI, CFI 지수는 표본수에 민감하지 않고, 해석기준이 명확하다는 점에서 실용도가 높기 때문에 다른 적합도지수의 대표성을 가진다 (Browne과 Cudeck, 1993; 홍세희, 2000). 또한 통계적으로 모형의 적합도를 증가시키기 위해 버디평균과 보기평균 변수들의 측정오차간의 상관을 고려하였다. 경로분석에서 이론적 배경없이 적합도를 증가시키기 위해 오차간의 상관을 모형화하는 것은 부적절하다 (김주환 등, 2009; 우종필, 2012).
이 연구에서 설계한 초기모형 (3)은 이론적으로 초기모형 (1)과 초기모형 (2)를 결합한 모형이다. 통계적으로 모형의 적합도 (GFI, RMSEA, TLI, CFI)를 고려하여 최종모형 (그림 3.
이 연구의 모형에서 선택된 경기능력변수들 이외에도 많은 경기능력 변수들이 버디평균과 보기평균에 미치는 영향력이 존재하는 것을 고려하여 오차간 상관을 설계하였다. 그 결과 버디평균 측정오차와 보기평균 측정오차간의 공분산 (covariance)을 표준화한 상관계수는 .
이론적으로 버디수와 보기수에 의해 평균타수가 결정되는 모형으로, 드라이브 정확도, 드라이브 거리, 그린 적중률이 버디수에 미치는 영향을 분석하였다. 이론적으로 설계한 초기모형 (1)을 통계적으로 적합도를 고려하여 수정한 결과, 드라이브 정확도가 버디평균에 미치는 영향은 유의하지 못하게 나타났으며, 그린적중률과 드라이브거리가 직접적으로 평균타수에 유의한 영향을 미치는 것을 알 수 있다.
이 연구에서 설계한 초기모형 (3)은 이론적으로 초기모형 (1)과 초기모형 (2)를 결합한 모형이다. 통계적으로 모형의 적합도 (GFI, RMSEA, TLI, CFI)를 고려하여 최종모형 (그림 3.3)을 설계하였다. 특히 구조방정식모형의 많은 적합도 검증법 중에서 이 연구에서 사용한 GFI, RMSEA, TLI, CFI 지수는 표본수에 민감하지 않고, 해석기준이 명확하다는 점에서 실용도가 높기 때문에 다른 적합도지수의 대표성을 가진다 (Browne과 Cudeck, 1993; 홍세희, 2000).
대상 데이터
PGA 인터넷사이트 (www.pgature.com)에서 제공하는 샷링크 (shotlink) 시스템으로 조사한 통계자료를 적용하였다. 2011년도 PGA투어 (총 48경기)에 출전한 상위권 선수들 186명의 경기 기록 중, 적용이 가능한 경기능력 변인과 평균타수는 다음의 표 2.
데이터처리
설계한 초기모형 (1), (2), (3)의 경로계수들의 유의성과 적합도를 분석하기 위해서 경로분석 (path analysis)을 실시하였다. AMOS 18.0 프로그램을 통해 최대우도함수 (maximum likelihood)를 적용하여 경로계수를 추정하였으며, 모형의 적합도를 평가하기 위해 절대적합지수인 적합지수 (GFI)와 평균자승이중근 (RMSEA)를 적용하였다. 그리고 상대적합지수로는 터키-루이스지수 (TLI)와 비교적합지수 (CFI)를 사용하였으며, 유의수준은 5%로 설정하였다.
설계한 초기모형 (1), (2), (3)의 경로계수들의 유의성과 적합도를 분석하기 위해서 경로분석 (path analysis)을 실시하였다. AMOS 18.
이 연구에서 적용되는 변인들 간의 상관도를 분석하기 위해 PASW 18.0 프로그램의 피어슨의 적률상관분석을 실시하였으며, 유의수준은 5%로 설정하여 상관계수의 통계적 유의성을 판단하였다. 그리고 검사내용에 기초한 증거 (evidence based on test content)와 골프의 이론적 배경을 토대로 설계한 드라이버 정확도, 그린적중률, 드라이브거리가 버디평균에 주는 영향과 버디평균이 최종평균 타수에 주는 영향력을 나타내는 초기모형 (1)은 다음의 그림 2.
성능/효과
구체적으로 버디평균 (V2)은 평균퍼팅 (-.70)간에는 p<.05 수준에서 통계적으로 유의한 음의 상관으로 나타났으며, 드라이브정확도 (-.13)를 제외한 그 외의 변인들 간에는 p<.05 수준에서 통계적으로 유의한 양의 상관으로 나타났다.
이 연구의 모형에서 선택된 경기능력변수들 이외에도 많은 경기능력 변수들이 버디평균과 보기평균에 미치는 영향력이 존재하는 것을 고려하여 오차간 상관을 설계하였다. 그 결과 버디평균 측정오차와 보기평균 측정오차간의 공분산 (covariance)을 표준화한 상관계수는 .296 (p=.001) 수준에서 통계적으로 유의하게 나타났다. 표 3.
361로 나타났다. 그리고 표 3.5는 수정모형 (2)의 적합도를 나타낸 것으로 연구에 적용한 모든 적합지수들 (GFI, RMSEA, TLI, CFI)은 최적치 기준을 만족하는 것으로 나타났다.
또한 최종적인 타수 (점수)는 버디수와 보기수에 의해 결정된다. 다시말하면 골프선수들의 경기능력을 나타내는 드라이버 정확도, 드라이버 거리, 그린적중률, 센드세이브, 스크램블링율, 평균퍼팅수가 시즌 최종점수인 평균타수 (scoring average)에 미치는 영향에 대한 경로설계가 가능하다. 이와 같이 양적변인들 간의 관계를 통계적으로 분석하는 방법으로는 다중회귀분석과 경로분석 등이 가능하다.
또한 보기평균 (V3)은 평균퍼팅 (.40)간에는 p<.05 수준에서 통계적으로 유의한 양의 상관으로 나타났으며, 드라이브거리 (.14)를 제외한 그 외의 변인들 간에는 p<.05 수준에서 통계적으로 유의한 음의 상관으로 나타났다.
이론적으로 설계한 초기모형 (1)을 통계적으로 적합도를 고려하여 수정한 결과, 드라이브 정확도가 버디평균에 미치는 영향은 유의하지 못하게 나타났으며, 그린적중률과 드라이브거리가 직접적으로 평균타수에 유의한 영향을 미치는 것을 알 수 있다. 또한 초기모형 (2)를 통계적으로 수정한 결과, 샌드세이브율, 스크램블링율, 평균퍼팅이 모두 보기평균에 유의한 영향을 미치고 평균퍼팅이 평균타수에 직접적인 영향을 미치는 것을 알 수 있다.
이 연구에 최종모형에 독립변수로 선택된 경기능력 변수들 (그린적중률, 드라이브거리, 샌드세이브율, 스크램블링율, 평균퍼팅)이 평균타수에 직접적으로 미치는 영향을 보면, 그린적중률이 평균타수에 미치는 경로계수는 -.391 (t=-5.710, p=.001)로 유의하게 나타났다.
이들이 공통적으로 사용되고 있는 변인은 드라이버 정확도, 드라이버 거리, 그린적중률, 샌드세이브, 스크램블링율 그리고 평균퍼팅이 경기능력 지수이며, 이는 최종 타수인 평균타수에 직·간접적으로 영향을 미친다는 결과를 제시하였다.
이론적으로 버디수와 보기수에 의해 평균타수가 결정되는 모형으로, 드라이브 정확도, 드라이브 거리, 그린 적중률이 버디수에 미치는 영향을 분석하였다. 이론적으로 설계한 초기모형 (1)을 통계적으로 적합도를 고려하여 수정한 결과, 드라이브 정확도가 버디평균에 미치는 영향은 유의하지 못하게 나타났으며, 그린적중률과 드라이브거리가 직접적으로 평균타수에 유의한 영향을 미치는 것을 알 수 있다. 또한 초기모형 (2)를 통계적으로 수정한 결과, 샌드세이브율, 스크램블링율, 평균퍼팅이 모두 보기평균에 유의한 영향을 미치고 평균퍼팅이 평균타수에 직접적인 영향을 미치는 것을 알 수 있다.
전체적으로 평균타수 (V1)는 드라이브정확도 (-.08)를 제외하고 버디평균 (-.69), 보기평균 (.72), 그린적중률 (-.47), 드라이브거리 (-.16), 샌드세이브율 (-.37), 스크램블링율 (-.56), 평균퍼팅 (.55)간에서 p<.05 수준에서 통계적으로 유의한 상관이 나타났다.
PGA 골프에서 이 변수들 이외에도 적지않은 변수들이 버디평균과 보기평균 변수에 유의한 영향을 미치는 것을 외적타당화 할 수 있기 때문에 두 오차의 공분산 (상관)을 고려하여 최적의 적합도를 가지는 최종모형을 설계하였다. 최종모형에서 독립변수들 (그린적중률, 드라이브거리, 샌드세이브율, 스크램블링율)이 평균타수에 직접적으로 미치는 영향은 상대적으로 스크램블링율과 그린적중률이 높게 나타났으며, 샌드세이브율이 가장 낮게 나타난 것을 알 수 있다.
001). 최종적으로 버디평균이 평균타수에 미치는 직접적인 영향의 경로계수에서는 -.672 (t=-12.086)로 유의하게 나타났다 (p=.001).
001) 수준에서 유의하게 나타났다. 최종적으로 보기평균이 평균타수에 미치는 직접적인 영향의 경로계수는 .601로 (t=11.924, p=.001) 수준에서 유의한 차이를 보였다. 또한 다중상관자승 (SMC)값을 보면, 스크램블링율이 보기평균에 미치는 영향력이 .
001) 수준에서 통계적으로 유의하게 나타났다. 표 3.7은 최종모형의 적합도로 절대적합지수인 GFI=.989, RMSEA=.044로 나타났고, 상대적합지수인 TLI=.991, CFI=.998로 모두 최적치 기준 이상으로 나타났다.
후속연구
그러나 PGA 기록에 의한 분석결과와 K(L)PGA 기록에 의한 분석결과는 골프장 지형이나 기후 등의 환경적 요인에 의해 차이가 있어 기록에 의한 분석을 심층적으로 구분시켜 분석할 필요가 있다. 이러한 후속연구는 선수들이 경기의 장소나 특성에 따라 승리를 위한 논리적 판단에 도움이 될 수 있을 것으로 판단된다.
질의응답
핵심어
질문
논문에서 추출한 답변
다중회귀분석의 한계점은?
다중회귀분석은 하나의 반응변수와 다수의 설명변수 간의 관계를 규명하기 위한 모형으로 설명변수가 반응변수에 미치는 영향의 정도를 규명하는 것이다. 그러나 유사한 특성의 독립변수들이 있을 때 다중공선성이나 변수간의 문제로 각각의 변수가 종속변수에 어떻게 영향을 주는지, 또한 각각의 독립변수들 간에 어떤 상관이 존재하는지에 대한 설명력에 한계가 있다 (민대기, 2011). 이러한 한계점을 보완하기 위해 경로분석을 적용하는 것이 타당하다.
드라이브 정확도는 무엇을 의미하는가?
이들이 공통적으로 사용되고 있는 변인은 드라이버 정확도, 드라이버 거리, 그린적중률, 샌드세이브, 스크램블링율 그리고 평균퍼팅이 경기능력 지수이며, 이는 최종 타수인 평균타수에 직·간접적으로 영향을 미친다는 결과를 제시하였다. 구체적으로 드라이브 정확도는 파3을 제외한 파4, 파5 홀에서 드라이버샷이 페어웨이 (fairway)에 떨어진 비율을 말하는 것으로 페어웨이안착률이라고도 표현한다. 드라이버 거리는 바람의 영향을 최소화하기 위해 서로 반대방향인 홀을 지정하고 페어웨이 안착여부에 상관없이 집계된다.
PGA 선수의 경기능력을 나타내는 6가지 변인은?
이 연구는 미국남자프로골프협회 (PGA)가 제공하는 경기기록을 통해 경기능력이 평균타수에 미치는 영향을 경로분석에 의해 규명하였다. 즉 PGA 선수의 경기능력을 나타내는 6개의 변인(드라이브 정확도, 드라이버 거리, 그린 적중률, 샌드세이브, 스크램블링율, 평균퍼팅수)이 평균타수에 미치는 영향을 (1) 드라이버 정확도, 드라이버 거리, 그린적중률이 버디평균과 평균타수에 주는 영향과 (2) 샌드세이브, 스크램블링, 평균퍼팅수이 보기평균과 평균타수에 미치는 영향으로 가정하여 분석하였다. 이러한 목적에 따른 연구결과는 첫째, 드라이브 정확도가 버디평균에 미치지 못하였으며 그린적중률과 드라이브 거리가 직접적으로 평균타수에 영향을 미치는 것으로 나타났다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.