基于嶺回歸的改良“新唐裝”款式設計

周 捷,吳瑕玉,李嘉雯

(西安工程大學 服裝與藝術設計學院,陜西 西安 710048)

0 引 言

自2001年上海APEC會議期間20位中外領導人穿著的“新唐裝”集體亮相以來,這種體現濃郁民族文化特色的中式服裝受到越來越多人的關注,也引起了諸多學者的分析和探討[1-5]。同時,中式風格的服裝也逐漸成為時尚潮流的新趨勢,越來越多的國內外品牌如Louis Vuitton、Ralph Lauren、Prada、Gucci、Giorgio Armani、蓋婭傳說、密扇等推出中式風格的作品,將盤扣、立領、對襟等極具代表性的細節融入到設計中。“新唐裝”這一極具代表性的中式服裝,保留著濃郁的中國風格,是以清代對襟馬褂為基礎并結合西方的裁剪方式改良而成,其主要款式特點為立領、對襟、裝袖、盤扣[6-7]。改良“新唐裝”即在原有“新唐裝”的基礎上對款式進行保留和創新,為傳統文化提供現代的表達載體,在提倡文化自信的民族大背景下,迅速得到國人認可,有巨大的市場潛力。

目前,改良“新唐裝”若想得到進一步的發展,把握消費者感性需求是極為重要的。款式設計、外在美感、時尚感是影響消費者購買中式服裝的重要因素。然而,學術界尚無對改良“新唐裝”款式特點進行評價的研究。感性工學作為一項運用計算機技術對感性反應進行量化,進而應用于產品設計的學科[8],近年來成為多個領域的研究熱點,如機械產品設計[9]、木材花紋設計[10]、人機交互設計[11]等,在紡織服裝領域,廣泛應用于紋樣[12]、色彩[13]、款式[14]等設計中。因此,本文以感性工學為基礎,在研究對象感性評價數據的支撐下,通過使用均值分析、因子分析確定感性因子,并采用嶺回歸數據分析方法,建立不同款式結構與整體感性評價結果的量化關系,研究結果旨在為改良“新唐裝”的創新設計提供有效的參考。

1 研究方案

1.1 準備階段

1.1.1 設計要素選取

款式是服飾的重要構成要素之一,對于“新唐裝”的改良設計主要體現在對傳統款式特點的提取與重組上,并以此體現可持續的設計理念[3]。APEC“新唐裝”的結構設計中,在最大程度保留傳統服裝衣片完整性的基礎上,又結合西方服裝結構的裝袖設計,實現中西方服裝文化的融合[7]。為控制服裝變量的個數,本文將改良的男士“新唐裝”作為重點研究對象,通過查閱文獻資料,瀏覽電商平臺和時尚網站等,最終確定從領子(直角立領、圓角立領)、門襟(直襟、斜襟、曲襟)、袖子(短袖、中袖、長袖)3個方面選取8項設計要素作為研究對象。

1.1.2 感性刺激圖制作

通過對8項設計要素進行排列組合,確定18款不同的改良“新唐裝”款式。為避免色彩、圖案、面料等因素對實驗結果的影響,使用Adobe Photoshop CC 2018軟件將18款款式繪制成黑白線稿,并選用相同的面料進行填充,如表1所示。

表1 18款改良“新唐裝”款式刺激圖

1.1.3 感性形容詞對確定

在查閱期刊、論文、雜志等資料的基礎上,收集大量形容服裝的感性形容詞。經過服裝專業教師和學生的評價篩選,剔除掉形容服裝色彩、圖案、面料以及有歧義或語意重疊的形容詞。最終確定古韻的-現代的、正式的-休閑的、儒雅的-俗氣的、輕奢的-質樸的、保守的-前衛的、個性的-大眾的、簡約的-繁復的、都市的-田園的共8對感性形容詞對[15-16]。

1.2 調查階段

基于繪制的刺激圖和選取的感性形容詞對設計調查問卷,采用7級量表法,數字1～7反映被測者的主觀感性評價,4分是標尺的中心點,距離4越遠說明感覺越明顯。以感性形容詞對正式的-休閑的為例,1～7分分別代表非常正式、比較正式、一般正式、無偏差、一般休閑、比較休閑、非常休閑。

本次研究共發放問卷97份,回收有效問卷90份,回收率約為92.78%。其中,調查對象主要集中在18～35歲的服裝專業學生、服裝行業從業者或喜愛中式服裝的群體,這類人群對服裝款式設計較為重視且有自己的獨特審美[16],其評價較為專業可靠。

2 結果與分析

2.1 數據統計與檢驗

為保證后續數據分析結果的有效性,將回收的原始數據導入到SPSS 26.0軟件進行信度分析,本文采用克隆巴赫Alpha進行數據檢驗,得出Alpha系數值為0.947>0.700,所以認為該問卷信度較高,確定了后續數據的可靠性。

將分類整理后的回收數據導入到Excel軟件中,對每款刺激圖的400個(50份調查問卷×8對感性詞對)感性評價數值進行平均值統計和標準差計算,得到18款改良“新唐裝”的感性評價均值和標準差,結果如表2所示。

表2 18款改良“新唐裝”感性評價均值Tab.2 The average value of perceptual evaluation of the 18 modified “new Tang costume”

由表2可知,調查對象針對不同款式改良“新唐裝”的感性評價存在差異。例如,對于個性的-大眾的這組感性形容詞對,刺激圖1#、2#的感性評價更偏向于大眾的,而刺激圖17#、18#的感性評價更偏向于個性的。再結合表1可知,直襟給人大眾的感性印象更為強烈;相反,曲襟則給人個性的感性印象更為強烈。同時,不同調查對象對同一款改良“新唐裝”的感性評價也存在差異。例如對于刺激圖1#,在簡約的-繁復的感性形容詞對下標準差為1.15,在正式的-休閑的感性形容詞對下標準差為1.88。由于標準差常用作衡量數據的離散程度,標準差越小,數據分布越集中;標準差越大,數據分布越分散。受近幾年流行趨勢的影響,休閑服裝和正式服裝的界定越來越模糊,很多服裝可以同時滿足休閑和正式2種場合的穿著需求;再加上個人穿衣風格和審美偏好的多樣性,導致刺激圖1#在正式的-休閑的感性形容感性評價離散值更大,數據分布范圍更寬,消費者的感性評價差異更大。

2.2 均值分析

為進一步明確各刺激圖感性評價的偏向性,采用原點法分別對18款刺激圖的8對感性詞對數據進行得分計算。問卷采用7級量表設計,故將4.00分作為測量中心點,將表2中的平均值減去4.00,得分為負靠近左邊的形容詞,以左邊的形容詞命名;同理,得分為正則靠近右邊的形容詞,以右邊形容詞命名,得數的絕對值越大說明感性偏向越強烈。如：表2中刺激圖1#古韻的-現代的感性均值為3.00分,利用原點法計算得到感性分為1.00分,以左側形容詞命名。按照上述思路對18款刺激圖的各對感性形容詞對均值進行計算,經過排序選取得分最高的3種感性詞匯作為該款刺激圖的感性評價。其結果匯總見表3。

表3 18款改良“新唐裝”的感性評價及得分Tab.3 Perceptual evaluation and score of 18 modified “new Tang costume”

由表3可知,調查對象對于不同的刺激圖會有不同的感性評價,如調查對象對刺激圖3#的感性評價是古韻的、儒雅的、保守的,對刺激圖16#最明顯的感性評價是簡約的、儒雅的、質樸的。但針對18款各不相同刺激圖,調查對象的部分感性評價會有重疊現象發生,即針對不同的刺激圖會出現相同的感性評價結果。如保守的感性評價多存在于直襟,古韻的感性評價多存在于斜襟和曲襟,且超過2/3的刺激圖均有儒雅的感性評價。說明消費者對于相似的設計元素可能會給出類似的感性評價,而且受傳統思想文化背景的影響,對中式服裝的印象較為深刻,因此其感性評價也較為固定。

2.3 因子分析

為量化調查對象對18款改良“新唐裝”的感性評價,將感性形容詞對進行分類整理,有必要對刺激圖的各感性形容詞對均值進行因子分析。以此得出各感性形容詞對的相關性,達到簡化形容詞對的目的,最終判斷出各改良“新唐裝”的主要感性因子。

將感性評價均值導入到SPSS 26.0中進行分析,由KMO和Bartlett球形度檢驗可知,變量間存在相關關系,KMO檢驗系數為0.862>0.600,顯著性水平小于0.050,說明該調查結果適合做因子分析。

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

表4 形容詞對的解釋總方差Tab.4 Total explained variance of adjective pairs

表4中,前3個因子的方差貢獻率較大,累計為84.933%>80%。因此,該因子分析結果是較為準確和可靠的,用這3個因子可以較好地解釋形容詞對的大部分信息,從而為刺激圖得出合理的評價結果。

選用最大方差法對因子載荷矩陣實行正交旋轉,選擇在5次迭代后收斂,得到變量與因子關系的旋轉成分矩陣,見表5。

表5 旋轉后成分矩陣Tab.5 Composition matrix after rotation

綜合表4、表5可以看出,因子1中載荷絕對值最大的感性形容詞對是都市的-田園的、輕奢的-質樸的、保守的-前衛的,說明第1個因子主要解釋了以上3個變量,根據變量含義,將因子1命名為“風格因子”;同理,因子2中載荷絕對值最大的感性形容詞對是簡約的-繁復的、個性的-大眾的、儒雅的-俗氣的,根據這3個變量含義,可將因子2命名為“視覺因子”;因子3中載荷絕對值最大的感性形容詞對是正式的-休閑的、古韻的-現代的,根據其含義,將因子3命名為“場合因子”。

可以得出,消費者在挑選改良“新唐裝”時,主要會考慮到3個因素：改良“新唐裝”是否符合本人的著裝風格、改良“新唐裝”版型在穿著時的視覺感受以及改良“新唐裝”穿著場合。基于此,設計師在設計改良“新唐裝”時,在達到服裝質量、舒適性、功能性要求的同時也要把消費者的感性需求考慮在內。

2.4 STIRPAT模型構建

基于研究對象的評分均值,采用STIRPAT模型分析風格因子、視覺因子和場合因子對改良“新唐裝”的感性評價的影響。該模型在傳統IPAT模型的基礎上提出,具有靈活性較高、可添加其他無量綱的變量等優點[17],其基本公式為

I=αPbAcTde

(1)

式中：α為模型系數;b、c、d為變量系數;e為修正系數。

根據研究需要,對變量和變量系數進行修正。預測模型中的各變量如表6所示,因變量為調查對象對改良“新唐裝”的感性評價得分,自變量為三大感性因子的感性得分均值。

表6 預測模型中的變量解釋Tab.6 Explanation of variables in predictive models

綜上所述,研究對象對改良“新唐裝”喜愛值的初始STIRPAT模型為

I=αMβ1Vβ2Oβ3e

(2)

為壓縮變量尺度,讓數據更加平穩,同時解決可能存在的異方差問題,對該模型兩邊取對數：

lnI=lnα+β1lnM+β2lnV+β3lnO+lne

(3)

以lnI為因變量,lnM、lnV、lnO為自變量。運用SPSS 26.0軟件檢驗自變量之間的相關性。檢驗結果如表7所示,各自變量的方差膨脹因子(VIF)值均大于10,說明變量間存在多重共線性關系。

表7 多重共線性檢驗結果Tab.7 Multicollinearity test results

研究表明,嶺回歸是一種可用于共線性數據分析的有偏估計回歸方法,其分析結果可以有效消除變量間的相關性,更符合實際情況[18-19],故采用嶺回歸方法對數據進行擬合,結果見表8。

表8 嶺回歸擬合結果Tab.8 Ridge regression fit results

從擬合結果來看,可決系數R2為0.957,說明模型的擬合度較好。F值為103.864,Sig.值小于0.05,說明回歸方程顯著,自變量和常數項均通過了1%的顯著性水平檢驗,說明回歸系數符合現實意義檢驗,擬合效果滿足要求。得到的嶺回歸方程為

lnI=-1.256+0.183lnM+0.149lnV+

0.209lnO

(4)

從STIRPAT模型的非標準化回歸方程(4)可以看出,風格因子(M)、視覺因子(V)和場合因子(O)系數均為正數,即各自變量與改良“新唐裝”感性評價呈正相關關系。回歸系數分別為0.183、0.149、0.209,表明場合因子、視覺因子和風格因子每增長1%,導致改良“新唐裝”感性評價分別增加0.138%、0.149%、0.209%。

從STIRPAT模型的標準化回歸方程可以看出,風格因子(M)、視覺因子(V)和場合因子(O)的標準化系數分別為0.267、0.287、0.376,標準化系數能夠客觀反映自變量對因變量的影響程度,即影響權重[20]。因此,可以表明各指標對改良“新唐裝”感性評價的影響從大到小依次為場合因子、視覺因子和風格因子。

從模型系數大小來看,場合因子對改良“新唐裝”感性評價彈性最高,是影響其得分的最主要因素,視覺因子和風格因子次之。

3 結 論

以感性工學為基礎,利用因子分析、嶺回歸的方法,得到了調查對象對改良“新唐裝”的感性評價及影響評價的主要因素,研究結果如下。

1) 通過問卷結果可以看出,直襟給人保守的感覺較為強烈,斜襟和曲襟則給人古韻的感覺更為強烈。

2) 消費者對改良“新唐裝”的感性評價主要包括3個方面,分別是風格因子、視覺因子和場合因子。

3) 根據STIRPAT模型和嶺回歸結果,3個因子和消費者感性評價的量化關系為lnI=-1.256+0.183lnM+0.149lnV+0.209lnO,場合因子是影響消費者感性評價的最主要影響因素。

4) 嶺回歸分析對數據的預測較為穩健,其回歸結果符合實際、更為可靠,對輔助設計師設計改良“新唐裝”有較大的實用價值,也可用于其他產品感性工學研究中。