基于數量化理論I的男西裝款式要素感性評價

李倩文， 王建萍,3， 楊雅嵐， 張冰潔， 李知霖

(1. 東華大學 服裝與藝術設計學院, 上海 200051； 2. 東華大學 現代服裝設計與技術教育部 重點實驗室, 上海 200051； 3. 同濟大學 上海國際設計創新研究院, 上海 200092)

目前人的情感體驗已成為影響購買決策的最關鍵因素之一，以人類感受為重點的設計理論主要有感性工學 (kansei engineering)和情感設計等[1-2]。運用工學技術將較難量化的感性因素加以量化[3]，即研究人的心理需求與設計的關聯，都可納入感性工學研究范疇[4-5]。應用此方法將定性的感性意象量化，以明確方式探討其與產品設計要素間的關系，使設計師更有效地設計出與人類主觀情感相吻合的產品[6-7]。

在設計中刻意引發用戶的心理感受，能更好地達成設計的目的性。當前企業和設計師非常關注市場產品同質化的現象，而解決此問題關注用戶的需求必不可少。數量化理論I致力于將人的情感需求與產品設計元素相結合，可以將消費者對產品感性意象轉換為具體設計要素，是探究人的主觀心理需求與產品設計要素間關系的最常用方法之一。國內外將數量化理論I應用到產品設計領域的研究逐漸豐富，探討產品設計元素與各感性意象的關聯，即可將人的情感需求轉化為對應的設計元素[8-9]。在紡織服裝領域，已有學者從服裝三大設計要素款式造型、色彩和面料等整體角度對其進行研究，并提出了一些設計規范和原則[10]，但對于服裝款式細節設計要素同消費者感性意象間的具體關系卻少有深入研究。

在產品設計中若能將消費者的情感因素考慮在內，將會在很大程度上增加產品的競爭力。消費者情感感受具有動態性、主觀性強的特征且不易量化，而數量化理論I是通過構建數學模型來分析具有定性和定量變量問題的，在服裝領域中，其主要用于探討消費者的感性認知與服裝款式細節要素之間的對應關系[11]。基于此，本文以經典男西裝為研究對象，綜合提取關鍵款式設計要素，采用語義差異法獲取代表性語義詞對，再結合篩選過的樣本款式圖，運用數量化理論I深入探究用戶感性意象與男西裝款式細節要素之間的關聯，并建立相應數學模型。

1 研究方法

1.1 感性工學

感性工學在工業設計領域是指將人們對“物”的感性意象定量、半定量地表達出來，使其能夠反映“人”(這里包括用戶、設計者等)的情感體驗，并與產品設計特性相關聯，設計出符合“人”的感性期望的產品[12]。其最初由馬自達汽車集團前會長山本健一先生于1986年在美國密歇根大學發表題為《汽車文化論》的演講中提出的。

1.2 數量化理論I

數量化理論是由日本學者林知已夫于20世紀50年代提出，作為多元統計分析的一個重要分支，主要用于研究隨機變量間的關系和分布規律，根據問題的研究目的類型可分為數量化理論I，II，III，IV這4類。

數量化理論I(Quantitation Theory I,QTTI)針對自變量為定性變量、因變量為定量變量的問題，采用多變量模擬線性表示因變量的定量變化，即建立多元回歸模型來對因變量進行預測，以顯示事物間內在關聯規律。其能夠將定性和定量這2種性質的變量進行有效整合，充分應用所獲參數，使難以量化的因素達到理想的量化效果[13]。

將該理論應用于感性工學領域中，能夠有效處理產品感性意象和造型特征的關系，更全面地反映出產品造型要素對用戶感性認知的影響[14]。本文基于感性工學理論框架，運用數量化理論I來研究消費者的感性意象與款式細節要素的關聯，用于支持服裝產品開發進程，最終可以快速推薦滿足消費者情感需求的產品。

2 研究過程

本文實驗流程分為3個部分：男西裝款式前期調查研究，包括男西裝樣本的收集與款式設計要素的提取；篩選男西裝款式感性詞對，構造感性意象空間；建立男西裝款式與感性因子的數學關聯模型。

2.1 款式設計要素提取

首先采用形態分析法把產品分解為各個組成構件部分及相應的形態設計元素，再通過形態要素的置換、組合創造出全新的款式形態。這種解構方式僅用來描述形態[15]。

2.1.1 實驗樣品選取

通過索取產品目錄、訪問品牌網站、時尚發布會或報道、實體店考察等方式，廣泛收集了近三年來服裝市場上的男西裝圖片164張。根據圖片的相似度，對所采集的服裝樣本進行初步篩選，去除款式雷同和模糊的圖片，共剩余有效服裝圖片103張。然后將其詳細信息進行分門別類匯總，用于各要素分析。

2.1.2 款式要素表建立

對所搜集服裝款式形態要素進行分析，主要分外部輪廓和內部細節要素。

為提取影響男西裝款式的關鍵因素，采用線上和線下結合的方式，以10名服裝領域專業人士為被試者，其中4名來自企業，6名來自高校。經整理得出男西裝款式要素，如表1所示。主要分為9個項目，28個類目，用于男西裝款式細節設計要素和感性意象空間的構建。

表1 男西裝款式要素表Tab.1 Men′s suit style elements

2.2 感性意象空間建立

2.2.1 感性意象詞的收集與篩選

通過查閱服裝雜志、流行趨勢網站等途徑搜集用于描述男西裝的感性詞匯共122個，經10位服裝領域的專家進行形容詞配對，共形成22組形容詞對，且基本能滿足對款式進行感性研究的需要。然后綜合2位服裝專業高級職稱專家的意見，最后篩選得出6組語義相對的描述詞，即“正式的-休閑的”、“古典的-現代的”、“華貴的-樸素的”、“儒雅的-粗獷的”、“莊重的-活潑的”、“個性的-大眾的”。

2.2.2 感性意象分析

2.2.2.1受測樣本確定 經專家組調研，從選取的有效男西裝圖片中，排除服裝面料、圖案等因素的影響，進一步篩選出最能突出服裝款式特征的30個代表性樣本作為受測樣品。為了減少面料和色彩對調查結果的影響，將所有受測樣本去色彩化處理。再對所選的男西裝款式圖片進行細化處理及編號，部分樣本款式如圖1所示。

圖1 部分男西裝樣本款式圖Fig.1 Part of pattern of men′s suit sample. (a) Sample 1; (b) Sample 2; (c) Sample 3

2.2.2.2調查過程 語義差異法(SD法)建立7級語義評價量表，并與30款男西裝對應，設計調查問卷，在網絡平臺發放。共收集到30份有效問卷，男女比例為7∶8，均為具有服裝領域專業知識的專家。

2.2.2.3實驗研究結果 經統計，所得到的30份調查數據在經過審查后被確定為有效數據，將其錄入Excel后，計算得出各款式樣本在6組風格意象形容詞下的評價得分平均值。

每款西裝有6個平均分值，共計180個數值，運用相關性分析方法，采用國際公認的統計分析軟件SPSS進行分析，在此基礎上可量化人們對于男西裝的感性認知。

對所得數據經Pearson相關性分析后，可得相關系數大都大于0.3。然后進行KMO(Kaiser-Meyer-Olkin)和巴特利特球度檢驗(bartlett test of sphericity)，可得KMO值為0.762(大于0.7)，表示因子分析效果較好；Bartlett球度檢驗值為159.382(自由度為15)，顯著性水平為0，小于檢測值0.05。認為各變量間具有較強的相關性，分析結果顯示變量滿足做因子分析的前提。

因子解釋原有變量總方差見表2。取2個因子可以解釋原有變量總方差的89.741%(大于85%)，損失較少，能夠較好地反映樣本的感性心理。

表2 因子解釋變量總方差的情況Tab.2 Total variance explained

如表3所示的因子載荷矩陣是經方差最大法正交旋轉得到的。根據各共同因素中感性詞項的因子負荷量大小排序，可直觀呈現各因子所解釋的變量。

表3 因子載荷矩陣Tab.3 Rotated component matrix

由表3可知：“正式的-休閑的”、“古典的-現代的”、“華貴的-樸素的”、“儒雅的-粗獷的”、“莊重的-活潑的”在因子1上的貢獻較大，在因子1上包含原有變量信息量較多，表明其與因子1有較高的相關度，將其概括總結，可將因子1定義為氣質因子(F1)。同樣地，因子2在感性詞對“個性的-大眾的”上有較高的負荷，概括為潮流因子(F2)。

經SPSS統計分析估計因子得分系數，得到因子得分系數矩陣，根據系數矩陣計算得出30個樣本的二維坐標值。

根據上述數據，可得到30個樣本的空間分布圖(見圖2)。本文中維度表示男西裝感性意象的空間維度。通過計算得出在二維平面上可解釋樣本89.741%的感性意象，表明用氣質因子和潮流因子可用來概括描述6組感性意象詞，且信息損失較小，由此可得兩大感性因子的均值。

圖2 樣本感性意象空間分布圖Fig.2 Sample perceptual image spatial distribution map

將男西裝各樣本款式圖與圖2結合分析可知，F1左半部分整體呈現為較簡潔，變化少的款式，右半部分則變化較大；而F2從上到下主要呈現的男西裝廓形從直線到曲線的變化規律。

為把款式要素與服裝的感性評價相對應，將各服裝款式感性評價中絕對值最大的形容詞，即樣本最主要的感性特征與感性意象空間分布圖匹配，得到服裝整體款式設計要素與感性意象的關聯，具體分析結果見圖3。

圖3 款式要素與感性意象對應圖Fig.3 Style elements correspond to perceptual images

2.3 數量化I類模型構建

2.3.1 模型的求解

稱δi(j,k)(i=1,…,n;j=1,2,…,m;k=1,2,…,rj)為j項目之k類目在第i個樣本中的反應，并按式(1)取值。

(1)

將所有δi(j,k)構成n×p階矩陣，公式為

稱為反應矩陣。

感性詞匯的評價值y與各款式要素的關聯可建立如式(2)所示的數學模型。

(2)

式中：bjk為僅依賴于j項目之k類目的待定系數；εi為第i次抽樣的隨機誤差。

由表1與式(1)，可得30個樣本的反應矩陣，根據數量化理論I的思想，將款式設計細節要素的反應矩陣作為自變量，各感性意象因子語義得分均值為因變量。運用SPSS26.0統計分析軟件求解模型，自動剔除無效變量后求出各自的回歸方程，得到兩大感性意象因子的回歸方程的常數項及系數。

根據關聯性模型，可計算出男西裝款式細節要素的感性意象因子的評價值，數學回歸模型如下。

氣質因子和潮流因子的回歸模型分別如式(3)、(4)所示：

F1=-1.855-0.425A1-0.087A3-0.283B3+0.949C1-2.054C3+1.498D2+0.516D3+0.261E1-

0.686E2+0.424E3+0.407F1+0.532F3+0.566G1-0.859G3+0.650H2-1.792H3-0.642I1+

1.617I2+0.804I3+1.398I4

(3)

F2=1.145+0.063A1+0.610A3+0.026B3-1.422C1+0.784C3+0.787D2+0.375D3+0.244E1+

0.049E2+0.073E3-0.832F1-0.196F3-0.75G1+1.048G3-0.429H2-1.550H3-0.851I1-

0.589I2-0.694I3-0.716I4

(4)

式中：A1～I4分別表示表1中各款式要素類目編號的反應值。

2.3.2 模型預測精度及驗證

(5)

模型精度也可用決斷系數r2即復相關系數r的平方來預測。利用SPSS軟件分析可得，氣質因子的預測值與實測值之間的復相關系數為0.907，決斷系數r2為0.823；潮流因子的復相關系數為0.803，決斷系數r2為0.645。

2.3.2.2模型驗證 從2個感性因子的標準化殘差直方圖(見圖4)和正態概率圖(見圖5)可知，標準化殘差呈現正態分布規律，得到的回歸方程是可行的。

注：圖4(a)均值為-4.86×10-17,標準差為0.557,個案數N=30;圖4(b)均值為-2.12×10-16，標準差為0.557，個案數N=30。圖4 各因子標準化殘差的直方圖Fig.4 Histogram of normalized residuals of each style factor.

圖5 各因子正態概率圖Fig.5 Histogram of normalized residuals of each style factor.

3 應用實例

G客戶欲定制一款較為“古典的，儒雅的”男西裝，對照款式要素與感性意象對應圖可知，該風格的男西裝主要位于第3象限，其款式特征可大致概括為X廓形且較為統一的。因此推薦的男西裝款式如圖6所示。

圖6 男西裝推薦款式圖Fig.6 Recommended style for men′s suits

根據款式形態要素表將此男西裝款式設計要素分解，用集合U來表示。

U={A2,B3,D1,F2,G2,H2,I1}

結合數量化理論I可得該款男西裝的反應矩陣B為

B={0,1,0,0,0,1,0,0,0,1,0,0,0,0,0,0,1,

0,0,1,0,1,0,0,0}

用數學回歸模型式(3)和式(4)驗證可得:

F1=-1.855-0.283+0.650-0.642=-2.13

F2=1.145-0.026-0.429-0.851=-0.109

經模型實例檢驗證實所推薦的款式圖位于感性意象空間分布圖的第3象限，即“古典的，儒雅的”，推薦合理。

4 結 論

1)以感性工學的原理為基礎，構造男西裝感性意象二維空間，運用數量化理論I，分別建立男西裝兩大感性因子與款式設計要素的關聯模型。

2)該模型可將人的感性需求與男西裝款式細節設計要素相互轉化。通過模型精度運算以及驗證可知，模型均具有一定的可信度。

3)構建的模型可用于預測男西裝款式設計要素的感性意象，為消費者快速搜索目標服裝服務，也可選取對感性意象有關鍵影響的款式要素細節，幫助設計師更有效地設計服裝。