基于岭回归的改良“新唐装”款式设计

周 捷,吴瑕玉,李嘉雯

(西安工程大学 服装与艺术设计学院,陕西 西安 710048)

0 引 言

自2001年上海APEC会议期间20位中外领导人穿着的“新唐装”集体亮相以来,这种体现浓郁民族文化特色的中式服装受到越来越多人的关注,也引起了诸多学者的分析和探讨[1-5]。同时,中式风格的服装也逐渐成为时尚潮流的新趋势,越来越多的国内外品牌如Louis Vuitton、Ralph Lauren、Prada、Gucci、Giorgio Armani、盖娅传说、密扇等推出中式风格的作品,将盘扣、立领、对襟等极具代表性的细节融入到设计中。“新唐装”这一极具代表性的中式服装,保留着浓郁的中国风格,是以清代对襟马褂为基础并结合西方的裁剪方式改良而成,其主要款式特点为立领、对襟、装袖、盘扣[6-7]。改良“新唐装”即在原有“新唐装”的基础上对款式进行保留和创新,为传统文化提供现代的表达载体,在提倡文化自信的民族大背景下,迅速得到国人认可,有巨大的市场潜力。

目前,改良“新唐装”若想得到进一步的发展,把握消费者感性需求是极为重要的。款式设计、外在美感、时尚感是影响消费者购买中式服装的重要因素。然而,学术界尚无对改良“新唐装”款式特点进行评价的研究。感性工学作为一项运用计算机技术对感性反应进行量化,进而应用于产品设计的学科[8],近年来成为多个领域的研究热点,如机械产品设计[9]、木材花纹设计[10]、人机交互设计[11]等,在纺织服装领域,广泛应用于纹样[12]、色彩[13]、款式[14]等设计中。因此,本文以感性工学为基础,在研究对象感性评价数据的支撑下,通过使用均值分析、因子分析确定感性因子,并采用岭回归数据分析方法,建立不同款式结构与整体感性评价结果的量化关系,研究结果旨在为改良“新唐装”的创新设计提供有效的参考。

1 研究方案

1.1 准备阶段

1.1.1 设计要素选取

款式是服饰的重要构成要素之一,对于“新唐装”的改良设计主要体现在对传统款式特点的提取与重组上,并以此体现可持续的设计理念[3]。APEC“新唐装”的结构设计中,在最大程度保留传统服装衣片完整性的基础上,又结合西方服装结构的装袖设计,实现中西方服装文化的融合[7]。为控制服装变量的个数,本文将改良的男士“新唐装”作为重点研究对象,通过查阅文献资料,浏览电商平台和时尚网站等,最终确定从领子(直角立领、圆角立领)、门襟(直襟、斜襟、曲襟)、袖子(短袖、中袖、长袖)3个方面选取8项设计要素作为研究对象。

1.1.2 感性刺激图制作

通过对8项设计要素进行排列组合,确定18款不同的改良“新唐装”款式。为避免色彩、图案、面料等因素对实验结果的影响,使用Adobe Photoshop CC 2018软件将18款款式绘制成黑白线稿,并选用相同的面料进行填充,如表1所示。

表1 18款改良“新唐装”款式刺激图

1.1.3 感性形容词对确定

在查阅期刊、论文、杂志等资料的基础上,收集大量形容服装的感性形容词。经过服装专业教师和学生的评价筛选,剔除掉形容服装色彩、图案、面料以及有歧义或语意重叠的形容词。最终确定古韵的-现代的、正式的-休闲的、儒雅的-俗气的、轻奢的-质朴的、保守的-前卫的、个性的-大众的、简约的-繁复的、都市的-田园的共8对感性形容词对[15-16]。

1.2 调查阶段

基于绘制的刺激图和选取的感性形容词对设计调查问卷,采用7级量表法,数字1～7反映被测者的主观感性评价,4分是标尺的中心点,距离4越远说明感觉越明显。以感性形容词对正式的-休闲的为例,1～7分分别代表非常正式、比较正式、一般正式、无偏差、一般休闲、比较休闲、非常休闲。

本次研究共发放问卷97份,回收有效问卷90份,回收率约为92.78%。其中,调查对象主要集中在18～35岁的服装专业学生、服装行业从业者或喜爱中式服装的群体,这类人群对服装款式设计较为重视且有自己的独特审美[16],其评价较为专业可靠。

2 结果与分析

2.1 数据统计与检验

为保证后续数据分析结果的有效性,将回收的原始数据导入到SPSS 26.0软件进行信度分析,本文采用克隆巴赫Alpha进行数据检验,得出Alpha系数值为0.947>0.700,所以认为该问卷信度较高,确定了后续数据的可靠性。

将分类整理后的回收数据导入到Excel软件中,对每款刺激图的400个(50份调查问卷×8对感性词对)感性评价数值进行平均值统计和标准差计算,得到18款改良“新唐装”的感性评价均值和标准差,结果如表2所示。

表2 18款改良“新唐装”感性评价均值Tab.2 The average value of perceptual evaluation of the 18 modified “new Tang costume”

由表2可知,调查对象针对不同款式改良“新唐装”的感性评价存在差异。例如,对于个性的-大众的这组感性形容词对,刺激图1#、2#的感性评价更偏向于大众的,而刺激图17#、18#的感性评价更偏向于个性的。再结合表1可知,直襟给人大众的感性印象更为强烈;相反,曲襟则给人个性的感性印象更为强烈。同时,不同调查对象对同一款改良“新唐装”的感性评价也存在差异。例如对于刺激图1#,在简约的-繁复的感性形容词对下标准差为1.15,在正式的-休闲的感性形容词对下标准差为1.88。由于标准差常用作衡量数据的离散程度,标准差越小,数据分布越集中;标准差越大,数据分布越分散。受近几年流行趋势的影响,休闲服装和正式服装的界定越来越模糊,很多服装可以同时满足休闲和正式2种场合的穿着需求;再加上个人穿衣风格和审美偏好的多样性,导致刺激图1#在正式的-休闲的感性形容感性评价离散值更大,数据分布范围更宽,消费者的感性评价差异更大。

2.2 均值分析

为进一步明确各刺激图感性评价的偏向性,采用原点法分别对18款刺激图的8对感性词对数据进行得分计算。问卷采用7级量表设计,故将4.00分作为测量中心点,将表2中的平均值减去4.00,得分为负靠近左边的形容词,以左边的形容词命名;同理,得分为正则靠近右边的形容词,以右边形容词命名,得数的绝对值越大说明感性偏向越强烈。如：表2中刺激图1#古韵的-现代的感性均值为3.00分,利用原点法计算得到感性分为1.00分,以左侧形容词命名。按照上述思路对18款刺激图的各对感性形容词对均值进行计算,经过排序选取得分最高的3种感性词汇作为该款刺激图的感性评价。其结果汇总见表3。

表3 18款改良“新唐装”的感性评价及得分Tab.3 Perceptual evaluation and score of 18 modified “new Tang costume”

由表3可知,调查对象对于不同的刺激图会有不同的感性评价,如调查对象对刺激图3#的感性评价是古韵的、儒雅的、保守的,对刺激图16#最明显的感性评价是简约的、儒雅的、质朴的。但针对18款各不相同刺激图,调查对象的部分感性评价会有重叠现象发生,即针对不同的刺激图会出现相同的感性评价结果。如保守的感性评价多存在于直襟,古韵的感性评价多存在于斜襟和曲襟,且超过2/3的刺激图均有儒雅的感性评价。说明消费者对于相似的设计元素可能会给出类似的感性评价,而且受传统思想文化背景的影响,对中式服装的印象较为深刻,因此其感性评价也较为固定。

2.3 因子分析

为量化调查对象对18款改良“新唐装”的感性评价,将感性形容词对进行分类整理,有必要对刺激图的各感性形容词对均值进行因子分析。以此得出各感性形容词对的相关性,达到简化形容词对的目的,最终判断出各改良“新唐装”的主要感性因子。

将感性评价均值导入到SPSS 26.0中进行分析,由KMO和Bartlett球形度检验可知,变量间存在相关关系,KMO检验系数为0.862>0.600,显著性水平小于0.050,说明该调查结果适合做因子分析。

采用主成分分析法,提取出3个特征值均大于1.000的因子,特征值分别为4.023、1.511和1.260,如表4所示。

表4 形容词对的解释总方差Tab.4 Total explained variance of adjective pairs

表4中,前3个因子的方差贡献率较大,累计为84.933%>80%。因此,该因子分析结果是较为准确和可靠的,用这3个因子可以较好地解释形容词对的大部分信息,从而为刺激图得出合理的评价结果。

选用最大方差法对因子载荷矩阵实行正交旋转,选择在5次迭代后收敛,得到变量与因子关系的旋转成分矩阵,见表5。

表5 旋转后成分矩阵Tab.5 Composition matrix after rotation

综合表4、表5可以看出,因子1中载荷绝对值最大的感性形容词对是都市的-田园的、轻奢的-质朴的、保守的-前卫的,说明第1个因子主要解释了以上3个变量,根据变量含义,将因子1命名为“风格因子”;同理,因子2中载荷绝对值最大的感性形容词对是简约的-繁复的、个性的-大众的、儒雅的-俗气的,根据这3个变量含义,可将因子2命名为“视觉因子”;因子3中载荷绝对值最大的感性形容词对是正式的-休闲的、古韵的-现代的,根据其含义,将因子3命名为“场合因子”。

可以得出,消费者在挑选改良“新唐装”时,主要会考虑到3个因素：改良“新唐装”是否符合本人的着装风格、改良“新唐装”版型在穿着时的视觉感受以及改良“新唐装”穿着场合。基于此,设计师在设计改良“新唐装”时,在达到服装质量、舒适性、功能性要求的同时也要把消费者的感性需求考虑在内。

2.4 STIRPAT模型构建

基于研究对象的评分均值,采用STIRPAT模型分析风格因子、视觉因子和场合因子对改良“新唐装”的感性评价的影响。该模型在传统IPAT模型的基础上提出,具有灵活性较高、可添加其他无量纲的变量等优点[17],其基本公式为

I=αPbAcTde

(1)

式中：α为模型系数;b、c、d为变量系数;e为修正系数。

根据研究需要,对变量和变量系数进行修正。预测模型中的各变量如表6所示,因变量为调查对象对改良“新唐装”的感性评价得分,自变量为三大感性因子的感性得分均值。

表6 预测模型中的变量解释Tab.6 Explanation of variables in predictive models

综上所述,研究对象对改良“新唐装”喜爱值的初始STIRPAT模型为

I=αMβ1Vβ2Oβ3e

(2)

为压缩变量尺度,让数据更加平稳,同时解决可能存在的异方差问题,对该模型两边取对数：

lnI=lnα+β1lnM+β2lnV+β3lnO+lne

(3)

以lnI为因变量,lnM、lnV、lnO为自变量。运用SPSS 26.0软件检验自变量之间的相关性。检验结果如表7所示,各自变量的方差膨胀因子(VIF)值均大于10,说明变量间存在多重共线性关系。

表7 多重共线性检验结果Tab.7 Multicollinearity test results

研究表明,岭回归是一种可用于共线性数据分析的有偏估计回归方法,其分析结果可以有效消除变量间的相关性,更符合实际情况[18-19],故采用岭回归方法对数据进行拟合,结果见表8。

表8 岭回归拟合结果Tab.8 Ridge regression fit results

从拟合结果来看,可决系数R2为0.957,说明模型的拟合度较好。F值为103.864,Sig.值小于0.05,说明回归方程显著,自变量和常数项均通过了1%的显著性水平检验,说明回归系数符合现实意义检验,拟合效果满足要求。得到的岭回归方程为

lnI=-1.256+0.183lnM+0.149lnV+

0.209lnO

(4)

从STIRPAT模型的非标准化回归方程(4)可以看出,风格因子(M)、视觉因子(V)和场合因子(O)系数均为正数,即各自变量与改良“新唐装”感性评价呈正相关关系。回归系数分别为0.183、0.149、0.209,表明场合因子、视觉因子和风格因子每增长1%,导致改良“新唐装”感性评价分别增加0.138%、0.149%、0.209%。

从STIRPAT模型的标准化回归方程可以看出,风格因子(M)、视觉因子(V)和场合因子(O)的标准化系数分别为0.267、0.287、0.376,标准化系数能够客观反映自变量对因变量的影响程度,即影响权重[20]。因此,可以表明各指标对改良“新唐装”感性评价的影响从大到小依次为场合因子、视觉因子和风格因子。

从模型系数大小来看,场合因子对改良“新唐装”感性评价弹性最高,是影响其得分的最主要因素,视觉因子和风格因子次之。

3 结 论

以感性工学为基础,利用因子分析、岭回归的方法,得到了调查对象对改良“新唐装”的感性评价及影响评价的主要因素,研究结果如下。

1) 通过问卷结果可以看出,直襟给人保守的感觉较为强烈,斜襟和曲襟则给人古韵的感觉更为强烈。

2) 消费者对改良“新唐装”的感性评价主要包括3个方面,分别是风格因子、视觉因子和场合因子。

3) 根据STIRPAT模型和岭回归结果,3个因子和消费者感性评价的量化关系为lnI=-1.256+0.183lnM+0.149lnV+0.209lnO,场合因子是影响消费者感性评价的最主要影响因素。

4) 岭回归分析对数据的预测较为稳健,其回归结果符合实际、更为可靠,对辅助设计师设计改良“新唐装”有较大的实用价值,也可用于其他产品感性工学研究中。