测试自己是哪位球员？
1、20米内启动，你跟C罗差不多快 2、50米启动，你比C罗慢了接近30% 3、70米启动，你是梅西，是姆巴佩，他们两个人加一起都没你好 4、百米启动，你是博尔特。。。 你就是博尔特。 没有对比就没有伤害！！！ 跑不快的人怎么在足球场上玩出花来呢？ 我尝试着用一些其他方法去解读这个测试，看看能不能得到一些新的信息，找到一些新的证据，证明我的观点。
一、把整个测试分成四个部分，分别统计每个部分的通过人数，得出一个整体数据——69人通过20米启动，68人通过50米启动，84人通过70米启动，78人通过100米启动。 通过这四个数据的整体比对，我们可以发现： 这个测试的极限值是84个人，超过了这个数字就说明你在你的小伙伴中属于跑得快的那个10%，小于这个数字就说明你在你的小伙伴中属于跑得慢的那90%。 我想说明的是，在这个测试里，超过半数的人位于速度值的同一区间（即数值大于50），说明这个区间的样本数据很有代表性，能够比较客观地反映实际情况。
二、去掉年龄和身高，只保留体重这一变量，再重新做一次回归分析。 这是因为我认为年龄和身高这些初始条件对于测试结果的影响要远远高于体重这个变量。然而，事实却是，年龄和身高在R方值里仅贡献了不到8%，而体重却高达81%。说明在影响测试结果的诸多因素里，体重是一个主要变量，并且具有显著性差异（P<0.001）。 我的结论是：以体重为自变量的线性回归方程能够较好地解释测试数据的偏离情况，并可以用来预测未参与测试的人处于哪个区间。
三、加入地区，再做一次线性回归分析。 因为不同地区的测试环境、测试人员、测试设备可能会有所区别，所以我想加入地区这一个变量来看一看是否存在显著差异。 结果是没有发现地区存在显著性差异（P=0.69），说明在不同地区进行测试，结果大体上是相同的。 R方值为0.76，同样表明回归方程能够解释81%的测试数据偏差，且具有统计学意义（P<0.001） 我的结论是：基于年龄、身高、体重以及地区的多项指标构建的回归模型能够较为准确地预测参与者所属的区间，适用于大规模群体特征的估计。同时，本研究也发现了个体差异的存在，对于这类测试而言，不存在“最优”解，只能求其近似值。