当今社会，随着科学技术的高度发展，人们渐渐不再满足于物质生活的需要，从“吃饱”到“吃好”再到“玩好”，离不开科学技术的发展。而电子竞技就是其中的一个新兴行业，日益增长的科学技术也为电子竞技提供了良好的平台。现如今，随着一些项目(如“英雄联盟”、“绝地求生”、“反恐精英：全球攻势”等)加入亚运会，成为亚运会的一个比赛项目，电子竞技渐渐走进大家的眼球，这其中隐藏着巨大的经济价值等待挖掘。但人们对于电子游戏的坏处在心里已经根深蒂固。基于此，人们是否能够接受电子竞技，摘下“有色眼镜”成为了一个关键点，也影响着这个行业的发展前景。

马克思说过，我们要全面地、辩证地看待事物，我们在看到一个事物的积极影响时，一定不要忽略它的消极影响。随着电子竞技行业的发展，相信一定有很多人认为：我玩游戏是为了当职业选手，为国争光。这种思想本身就是不对的。电子竞技虽然蓬勃发展，但其本质还是电子游戏，而一旦沉迷其中，就会玩物丧志，影响青少年的学习生活和健康发展。所以，本课题在研究电子竞技发展前景的同时，还会用数据分析或举例的方法呼吁人们不要玩物丧志，要学会劳逸结合，才能享受健康生活。

本课题将通过调查问卷的方式收集数据，国内外目前的研究较多的是电子竞技带来的经济效益、电子竞技人才培养、电竞产业链的发展趋势、电子竞技行业发展前景预测这几方面的内容，关于俱乐部运营模式与收支分配的研究较少，本文将研究一些俱乐部发展过程中的优缺点，除此之外，本文将预测电子竞技行业的未来发展规模及用户数。

随着电子竞技项目加入亚运会，电子竞技的性质发生了转变，它得到了国家的重视，得到了世界的重视。

侯方科、孟亚东 [1] 为我们讲述了电子竞技行业的发展模式等基本信息，为我们介绍了电子竞技的含义，同时也对电子竞技行业发展的优劣势进行了简述，并给出了一些建议。而厉颖、朱丹艳和董飞 [2] 则是针对大学生群体展开调查，针对大学生提出了一些建议。鲍文轩、李凤新 [3] 列举了电子竞技市场蓬勃发展的原因，梁力中、陈逸明 [4] 则是看到了对城市发展的影响，简述了电子竞技对城市发展的意义。本文将预测电子竞技产业的未来发展前景。张宏羽 [5] 则是对主要阻碍电子竞技发展的情况进行了陈述，提出了改进建议。本文也将对此进行着重研究，但与以上文献不同的是，本文将以电子竞技俱乐部发展模式为中心研究其发展模式的优劣并总结给出相关建议。

郭梁 [6] 是从电子竞技人才培养的角度出发，阐述了职业选手的培养途径和职业现状。刘福元、赵敬凯 [7] 从电竞产业链角度出发，对电竞产业发展模式进行了说明。游继之、布特 [8] 也对产业链的发展历程和现状进行了说明，同时也阐述了电子竞技产业链面临的风险与挑战并给出了改进建议。孙博文 [9] 也从电竞产业链角度出发，对电竞产业发展模式进行了说明。

刘思程、王林 [10] 认为电子竞技的发展与电子游戏本身和比赛有关，电子竞技的本质和表现形式就是电子游戏，基于此给出了一些建议。刘志远 [11] 将高中生和大学生联系起来，以电竞作为高考新专业为出发点，充分介绍了这个新兴行业的新兴领域。梁鼎洲 [12] 也将高校列为了重点关注对象，他认为，虽然电子竞技负面报道在减少，但由于家长认识度不足等原因，导致了电子竞技这门专业没有很好地在高校得到发展。本文将从游戏时间和游戏消费两方面总结结论并给出建议。

黄燕珍 [13] 则看到了政府在产业链发展中起到的积极性作用，她认为政府的支持能够帮助电竞产业链蓬勃发展。本文将以电子游戏产业收入为起点预测电子竞技产业的未来发展情况。

Ratko [14] 则对于电子竞技行业加入亚运会这一事件进行了说明，电子竞技已经满足被视为体育运动项目的所有条件。Leis等 [15] 则认为电子竞技成为亚运会体育项目这件事一直饱受争议并阐明了观点。

本课题采用以制作调查问卷收集数据为主，以网络搜寻资料为辅。使用描述统计的方法展示人们玩电子游戏和关注电子竞技的基本特征，之后用方差分析、判别分析、多元logistics回归等方法对数据进行处理，寻找显著因素。最后用网络上收集到的2008年以来国内电子竞技产业发展情况，运用时间序列分析的方法进行预测，再从不同的角度将国内电子竞技俱乐部和韩国发展较好的电子竞技俱乐部作对比，根据以上结论得到的结论给出相关的建议。

本次调查采用收集问卷和收集网络数据的方法。其中，通过调查问卷收集到的数据被用于进行描述统计和推断统计的内容，总结电子竞技关注度的影响因素，对人们进行分类；通过网络收集到的资料则被用于预测未来电子竞技产业发展情况。

调查目的：研究电子竞技关注程度的影响因素和人们玩电子游戏的喜好。

调查问卷：由于疫情原因，本次调查问卷的形式为线上问卷，共设26道题目。

调查人群：全体人群。

样本量：根据样本量确定公式：

$n=\frac{{\left(Z_{\frac{\alpha }{2}}\right)}^2{\sigma }^2}{E^2}$(1)

根据公式(1)保证极限误差E小于5%，经过预调查得到了100份样本，以电子竞技关注度作为指标计算出样本标准差s等于0.569，置信度取95%，得到n约等于498。所以本次调查需要收集电子问卷500份以上。

本次调查一共收集到电子问卷846份，本文研究的是玩电子游戏的人的相关因素，所以在排除掉答题时间过短和过长的问卷，排除掉异常值后，最终收集到玩电子游戏的有效电子问卷700份。

本次调查共收集到玩电子游戏的问卷700份，为方便后续的研究，现对人们玩电子游戏的基本情况做描述统计分析，得到的结果如下 图1 所示。

在人们玩电子游戏的原因中( 图1 )，身边朋友和家人的影响占据了相对较大的比例，说明人们玩电子游戏易受他人影响，在广告方面则占据了30%的部分，说明广告也会影响人们选择电子游戏。

对于游戏时间( 图2 )，大部分人们集中在每天3小时内的阶段，每天3小时以上的人数相对较少，相信很多游戏都有这样一句标语：适度游戏益脑，过度游戏伤身，合理安排时间，享受健康生活。就是为了呼吁人们不要沉迷游戏，要适度游戏才能有益身心健康，不要沉迷其中，否则就会影响到我们的日常生活。

从 表1 中可以看出，被访者中愿意在电子游戏中消费的比例占据了98%之多，可以看出绝大多数人都是有在电子游戏中消费的意愿的，只有极少部分人不愿意在电子游戏中消费。

把愿意在电子游戏中消费的686个样本筛选出来进行统计，统计结果如 图3 所示。在消费金额方面，大部分人集中在每周500元以下这个档次，只有13.6%的被访者愿意在电子游戏中每周花费500元以上。

表2 为人们关注电子竞技行业的情况，本次调查共收集到700份有效问卷，其中关注电子竞技行业的有610人，不关注电子竞技行业的有90人。在玩电子游戏的人群中，超过80%的人关注电子竞技，说明了这个行业正在逐渐走进大家的视野。

为研究玩游戏的人中不同性别的人对游戏类型的偏好，现对性别和喜欢的游戏类型做交叉分析，得到的结果如 表3 所示。

表3 为性别和游戏类型的交叉分析频数表，但在700份样本中，男性的总数为382，女性总数为318，所以现将频数表转化为频率表，转化结果如 表4 所示。

交叉表卡方检验结果如 表5 所示。

注：a表示0个单元格(0.0%)的期望计数小于5。最小期望计数为39.52。

从 表5 中可以看出，显著性为0.039，小于0.05，所以可以说明在95%的置信区间下，性别与游戏类型偏好存在着显著差异。回到 表4 中，我们发现：其他游戏、FPS (第一人称射击游戏)、SLG (策略游戏)对于性别的差异不是很明显，而相对较明显的则是MOBA (多人战术竞技游戏)和RPG (角色扮演游戏)，其中女性更加喜欢MOBA游戏，而男性更加喜欢RPG游戏。

为了检验玩游戏的总体关注电子竞技程度的均值是否大于平均值3，现对人们关注电子竞技的程度作单样本假设检验，由于样本量大，总体均值、方差均未知，所以总体方差σ用样本方差s代替进行z检验。经计算得到样本均值为3.70，标准差为1.295。置信度取95%。

首先：设 $H_0:{\mu }_0\le 3$， $H_1:{\mu }_0>3$。

其次，根据公式：

$Z=\frac{\bar{X}-{\mu }_0}{s/\sqrt{n}}$(2)

解得 $z=13.35>z_{0.025}$，所以拒绝 $H_0$，即我们认为有充足的理由说明总体均值大于3，得出结论：在玩游戏的人群中，对于电子竞技的关注程度高于平均值，玩游戏的人们更加关注电子竞技。

为了探究各自变量与因变量(电子竞技关注度)的关系，现将电子竞技关注度作为因变量，自变量为：性别、年龄、学历、月收入、所在城市、玩游戏的频率、在游戏中的消费、开始关注电子竞技的时间，进行多元逻辑回归检验。在这之前要先对数据的缺失值进行删除，删除后得到了610个个案。回归前需要做如下变量替换( 表6 )。

经过检验，虽然该模型不存在多重共线性问题，但平行线检验结果的显著性为0.002小于0.05，故使用多分类有序logistics回归模型效果并不理想，所以将使用无序多分类logistics回归模型进行回归，该模型检验结果如下 表7 所示。

表7 中的显著性为0.003，小于0.05，说明该模型的回归效果显著。

表8 中年龄、所在地区的显著性小于0.05，由此可知这两个自变量与因变量之间存在相关关系。回归结果如下 表9 所示(只提取了显著结果，参照组为最后一组)。

表9 为本回归模型的显著性结果，由此我们可以得出结论：所在地区为中大型城市的人和所在地区为小型城市或农村的人对比之下，关注较多和较少的人都是更多的，说明城市人群关注电子竞技的人更多。关注较少这方面，所在地区为大型城市的人数是所在地区小型城市或农村的人数的2倍以上；关注较多这方面，所在地区为大型城市的人数是所在地区小型城市或农村的人数的1.537倍。而不同性别类型中，男性一般关注电子竞技的人数比女性少，为女性人数的0.516倍。

根据3.2.2中的回归结果，我们可以得到以下结论：在关注电子竞技的人群中，一般关注电子竞技的女性比男性多，而所在地区会影响人们对于电子竞技的关注，相比于小城市和农村，中大型城市的人们会更加关注电子竞技。

为了对人们按照自身属性进行分类，现将人们对电子竞技的关注度作为因变量。先对25题其他小问(人们对于电子游戏相关的观点赞同度)作为自变量进行分析，在进行判别分析前要先对自变量做共线性检验，检验结果如下 表10 所示。

根据 表10 我们可以看到自变量的VIF全部小于5，所以我们有充分的理由说明自变量间存在的共线性较低。经过判别分析得到的Fisher判别函数如下 表11 所示。

根据Fisher分类函数系数表，我们可以将新增的样本按照自变量属性进行分类，方便预后处理数据，关于本次的分类结果如 表12 所示。

通过 表12 可以看出，该判别分析结果并不是非常显著，只对56.6%的个体正确地进行了分类，该模型存在一定的误差。但如果对因变量进行类型合并，就可以增加该模型的显著性水平。现将因变量中的“1”和“2”分成一类，为“不怎么关注电子竞技”，值标签为“1”；将因变量中的“3”、“4”和“5”分为一类，为“经常关注电子竞技”，值标签为2，得到的Fisher判别函数和对本次分类结果的检验如下 表13 所示。

根据 表13 的Fisher分类函数系数表得到判别分析的依据和判别函数，将被访者的各自变量乘以这两个函数的系数再加上常量，得到结果大的，说明该被访者属于此类型。

此外根据 表14 ，可以看出该模型显著性良好，正确地对99.3%的个体进行了分类。

为了检验年龄、性别等自身属性是否与电子游戏带来的影响有关。现从问卷中25题的几个选项中挑选出其中的积极影响做主成分分析，筛选后得到六个变量：电子竞技的关注度、玩游戏带来的成就感、玩游戏的放松程度、在游戏中消费的满足度、是否会推荐给周围的人、游戏带来的社交收获。

在进行主成分分析之前要先对数据进行标准化处理，处理后进行主成分分析，检验结果如下 表15 所示。根据 表15 中的检验结果，我们可以看出：KMO取样适切性量数为0.937，大于0.6，巴特利特显著性为0.000，小于0.05，说明变量间存在相关性，可以使用因子分析。

得到的总方差解释如下 表16 所示。

从 表16 中可以看出，只有一个成分的特征值大于1，其方差百分比占到了81.432%，与85%比较接近，因此将使用一个主成分计算综合得分。计算各主成分的得分公式为：

$\begin{array}{l}{F}_i=w_{i1}{X}_1+w_{i2}{X}_2+\cdots +w_{in}{X}_n\\ w_{ij}=\frac{{\theta }_j}{\sqrt{{\lambda }_i}}\end{array}$(3)

在公式(3)中， $w_{ij}$表示各主成分中各变量的权重， ${\theta }_j$为成分矩阵中每个变量对应的系数， $\sqrt{{\lambda }_i}$为第i个主成分对应的特征值的开根值。本模型中只有一个主成分，所以只有一个特征值4.886开根号得2.210，成分矩阵如下 表17 所示。根据该成分矩阵，可以计算出本模型中各主成分的得分公式，计算结果如下所示：

$F_1=0.406X_1+0.414X_2+0.396X_3+0.404X_4+0.411X_5+0.417X_6$(4)

计算综合得分公式为：

$F={\alpha }_1{F}_1+{\alpha }_2{F}_2+\cdots +{\alpha }_n{F}_n$(5)

本模型中只有一个主成分，因此本模型中的计算综合得分公式为：

$F=0.81432F_1$(6)

经过上述的操作后，能够得到这6个变量的综合得分，为了研究人们自身属性与该综合得分的关系，现将综合得分做变量替换，由于本模型中挑选的成分为电子游戏是否给人们带来了积极影响，现对变量做如下转换：将综合得分大于0的替换为“电子游戏给我带来的积极影响大于消极影响”，值标签为1，综合得分小于0的替换为“电子游戏给我带来的消极影响大于积极影响”，值标签为2。将转换过后的变量与年龄、性别等变量做交叉分析。这里提取两个显著的因素进行展示：

1) 与所在地区的交叉分析

将人们所在地区与综合得分进行交叉分析，其中皮尔逊卡方检验得到的显著性为0.004，小于0.05，所以我们认为该交叉表显著。得到的交叉表如下 表18 所示。

根据 表18 可以看出，所在地区为1 (大型或中型城市)和2 (小型城市或农村)的人中，综合得分为1的人数显著高于得分为2的人数，可以说明整体情况：大部分人都可以从电子游戏中得到积极影响。而在综合得分为2的人群中，我们发现所在地区为1的人的占比要比所在地区为2的人高，由此我们可以得出结论：大中型城市的人们受电子游戏消极影响要高于小型城市或农村。

2) 与学历的交叉分析

将学历与综合得分做交叉分析，皮尔逊卡方检验的显著性为0.016，小于0.05，因此该交叉表显著，得到的交叉分析表如下 表19 所示。

根据 表19 ，能够看出在学历为1 (本科以下)和2 (本科及以上)的对比中，学历为1且综合得分为1的比例大于学历为2且综合为1的比例，因此我们可以得出结论：相比于学历低的人，学历高的人更易受到电子游戏的负面影响。

中国电竞俱乐部的概念源于SC (星际争霸)，其中最具代表性的为中国的WNV战队，在当时乃至中国电竞史上都是集商业价值和电竞成绩极高的俱乐部。中国电竞俱乐部形成于CS (反恐精英)，繁荣和发展于LOL (英雄联盟)，比较知名的俱乐部有LGD俱乐部、EDG俱乐部等。2018年，王思聪投资IG战队并取得当年英雄联盟全球总冠军后，无数大品牌纷纷投入电子竞技市场，比较知名的有SN (苏宁)俱乐部、JDG (京东)俱乐部等。

像传统体育俱乐部如皇马、巴萨等，电子竞技作为一个新兴的体育项目，它的收入来源和传统体育几乎一样，但由于政策关系，其中的比例会有所变化， 表20 中展示了2017、2018年国内俱乐部收入分配表。

1) 赞助商

赞助商和传统体育一样，都是俱乐部盈利的主要来源，而在电子竞技中，选手的队服、游戏ID等都会对赞助商进行露出宣传。

2) 电商

电商这方面与传统体育有一些共同点，传统体育和电子竞技俱乐部都有自己专门的电商渠道，如淘宝、京东等销售自己的周边。不同的是，传统体育出售的是队服、运动器材等周边，电子竞技则出售的是选手队服、电竞椅、外设等电子产品。

3) 商务

电子竞技的商务活动收入则占比较低，主要表现形式有代言、拍广告等，由于电子竞技没有央视的转播权，所以这方面的收入占比较低。

4) 奖金

比赛赢得的奖金大部分归选手所有，俱乐部在这方面获得的奖金几乎没有。

5) 转播权

一些电子竞技赛事比如LPL、major等，所有参赛的俱乐部都会收到一笔来自转播平台的转播费，然而和一些传统体育赛事比如欧冠、NBA比起来，这一部分的收入就显得非常低了。相信在未来，随着关注电子竞技赛事的人越来越多，电子竞技转播权这一部分的收入逐渐会占据较大的部分。

6) 直播

随着直播行业的发展，各大直播会和电子竞技俱乐部签订合同，让职业选手去直播平台直播以带来经济效益，由于直播平台的保密政策，这部分的收入分配目前还无法了解。

我国电子竞技行业发展仍然缓慢，很多俱乐部目前仍处于支出略低于收入，甚至支出大于收入的情况， 表21 中展示了2017、2018年国内俱乐部收支出分配表。

1) 基地租金

电子竞技的基地租金、水电、日常生活保障等占据了收入的一部分，但这部分的占比不大，当一个俱乐部在生活保障的部分支出过多时，说明该俱乐部正在往亏损的方面发展。

2) 选手工资

选手工资则是俱乐部收入中占据比例最大的一项，为了引入一些实力强劲的明星选手，各大职业战队不惜花重金聘请职业选手加入自己的战队，一些选手的年薪动辄千万，有些甚至年薪过亿，这项支出占据着俱乐部的绝大多数支出。然而，并不是所有选手都能拿到如此惊人的工资。据统计，青训队员的月薪在2000~8000之间。

3) 运营费用

运营费用则指的是管理层的工资，一个完整的职业战队不光有主教练，背后的团队力量非常强大，包括领队、录像分析师、战术教练、心理医生、营养师、按摩师、翻译等。电子竞技比赛的较量也是团队的较量。

4) 商业活动

每当有大型比赛举办时，国内外知名俱乐部齐聚一堂，而俱乐部到外地的食宿安排构成了这方面的支出。据报道2021年“EDG”战队获得2021年英雄联盟全球总决赛资格后，EDG的老板包机供EDG的队员前往冰岛比赛，这其中就包含了一大笔支出。

续表

电子竞技行业的发展情况主要表现为电子游戏产业规模和电子游戏用户规模。由于缺少电子竞技产业数据。所以使用电子游戏产业数据研究电子竞技发展， 图4 和 图5 中展示了2008年~2020年间电子游戏行业市场规模和用户规模(数据来源：游戏工委、腾讯电竞、新浪新闻等)。

1) 销售收入预测

为了预测未来中国游戏行业市场的规模与用户的规模，现将该图中的数据做时间序列分析，显著性检验结果如下 表22 所示。

根据 表22 中R方 = 0.977，已经很接近1，显著性为0.482，大于0.05，所以我们判断该模型显著。

从 图6 中可以看出，实测值和预测拟合值基本重合，因此有理由认为该模型显著，预测结果如下 表23 所示。

表23 为未来预测，其中模型15为2022年，16为2023年。根据 表23 我们可以知道该模型中对2022年电子游戏产业销售收入的预测为3178.94亿元，预测区间为(2865.11, 3492.77)亿元，2023年的产业销售收入的预测为3392.75元，预测区间为(2948.93, 3836.57)亿元。

2) 用户规模预测

根据 图6 进行建模得到的结果、检验结果如下 表24 所示。

表24 中的R方为0.971接近1，显著性为0.424，大于0.05，所以我们有充分理由说明该模型显著。预测结果如下 表25 所示。

表25 为预测结果，其中模型15为2022年，16为2023年。从该预测表中我们可以看出该模型对于2022年电子竞技用户数的预测为6.77亿人，预测区间为(6.02, 7.52)亿人，2023年的预测人数为6.84亿人，预测区间为(5.33, 8.34)亿人，增长幅度很小。近几年来用户数的增长偏慢，逐渐趋于饱和。

1) 电子游戏相关结论

由前面统计可知，在玩游戏的人群中喜欢用大型游戏机玩游戏的人占据了较大比例，大多数人玩游戏的时间在每天3小时以下，但还是有少部分人每天游戏时间高于3小时。另外调查显示，在游戏消费方面，大多数人的消费在每周500元以下，少部分人的消费在每周500元以上。

此外，调查显示，大部分人玩游戏是受到朋友或广告宣传的影响。而现在玩游戏的人群中大多数人有关注电子竞技，并且有些人很早就开始关注了。性别方面，女性更喜欢MOBA (多人战术竞技)类游戏，而男性更喜欢RPG (角色扮演)类游戏。

2) 电子竞技相关结论

由前面统计部分可知，玩游戏的人群中对于电子竞技的关注程度要高一些，所在地区为城市的人们关注度比所在地区为农村的人们高，所在地区为大型城市的和学历较高的人们易受到游戏的消极影响，女性关注电子竞技的程度比男性高一些。

由研究报告可知，我国电子竞技行业主要缺乏专业人士，电子竞技俱乐部也是如此。此外，我国的电子竞技俱乐部大多数是由个人投资创立的，很少有大集团、大公司赞助。电子竞技内部管理也较为松散，职业选手低龄化严重，状态、心态易受影响。电子竞技相关人才也十分缺乏，缺少专业管理人士。