建立体型变量间的函数关系

（一）体型变量回归分析

回归分析的目的就是建立线性回归方程。线性回归方程是否符合线性标准，回归之前要对因变量和自变量进行线性检验。根据因子分析结果，找到主成分因子，忽略其他次要因子的干扰，利用回归分析，分别研究人体的胸凸与胸围、腹凸与腰围、颈宽与颈围之间的函数关系。见表3－20。

表3－20　体型变量回归分析表

表3－20显示出了相关系数、R2判定系数、显著性。相关系数的数值均在－1～1，相关系数的绝对值指示了相关性的强弱，绝对值越大，相关性越强，呈线性相关；R2判定系数等于回归平方和在总平方和中所占的比率，表中的R2判定系数大于0.9，反映2个变量的共变量比率较高，模型与数据拟合度较好；显著性概率均小于0.05，即拒绝原假设（即上述模型变量之间不存在线性关系），因此显著相关。

（二）体型变量间函数关系式的建立

线性回归分析是利用因变量与自变量存在的线性关系，用一定的回归模型来拟合因变量和自变量的数据，通过确定模型参数得到回归方程。根据专业知识，上述回归分析得到的非标准化系数B即为函数常数项与自变量系数。体型变量函数关系式见表3－21。

表3－21　体型变量函数关系式(www.xing528.com)

1.胸部与胸凸量间的函数关系

依据函数关系式，当人体的胸围值不变时，胸凸量值越大，胸宽越窄。胸围与胸凸、胸围与胸宽呈正线性相关，胸凸量与胸宽呈负线性相关，见表3－21项目1。

2.腹部与腹凸量间的函数关系式

依据函数关系式，当人体的腰围值不变时，腹凸量值越大，腰宽越窄。腰围与腹凸、腰围与腰宽呈正线性相关，腹凸量与腰宽呈负线性相关，见表3－21项目2。

3.颈部与颈宽间的函数关系式

依据函数关系式，当人体颈围增大时，颈宽随之增大，颈围与颈宽之间呈正线性相关，见表3－21项目3。