（一）方差分析与相关性分析
将实验后量取得到的10个样本纸样数据与对应的人体体型变量数据联系起来，利用SPSS软件对数据的方差与相关性进行分析，建立两者之间的关系。数据模型分析见表3－22。
表3－22 方差分析与相关性分析
续表
表3－22为方差分析结果。离差平方和能解释变量（Y）波动程度或不确定性的程度，其等于回归平方和加残差平方和。回归平方和是不确定性程度中能解释变量（X）的部分；残差平方和是不确定性程度中不能解释的变量（X）的部分。表中数据显示离差平方和值很小，说明变量（Y）波动程度不大。回归模型的显著性均小于0.05，说明线性回归有意义。表中的R2最小值接近0.8，其余各值接近1，反映2个变量的共变量比率高，模型与数据的拟合度好，有必要进行线性回归分析，找出两者的结构关系。
（二）女性体型变量与纸样图形间的函数关系
1.回归分析
表3－23数据显示：标准误差均小于0.05，标准化系数接近1，回归系数T检验、显著性均小于0.05，认为方程显著。
表3－23 回归分析
续表
2.回归方程的建立(www.xing528.com)
回归分析表中数据显示：非标准化系数B包含函数关系式中的常量和自变量系数，因此建立体型变量与上装纸样的回归方程，见表3－24。
表3－24 体型变量与上装纸样函数关系式
3.回归方程检验与说明
（1）后领宽与后颈宽的回归方程。分析函数关系式，当人体颈宽增加时，纸样的领宽也相应增大，颈宽与领宽成正线性相关（表3－24项目1）。根据已有公式检验函数关系式，已有公式后领宽=N*/S。当取N*=36时，计算颈宽=10.3，计算得领宽7.2，经回归方程公式计算得7.53，两结果相近。
（2）后背宽与胸围的回归方程。分析函数关系式，当人体胸围增加时，纸样后背宽也随之增大，后背宽与胸围之间呈正线性相关，见表3－24项目2。根据已有公式检验函数关系式，已有公式为B*/6+4.5。当取B*=84时，计算得18.5，经回归方程公式计算得18.2，两结果相近。
（3）后落肩与胸围的回归方程。分析函数关系式，当人体胸围增加时，纸样后落肩也随之增加，后落肩与胸围之间呈正线性相关，见表3－24项目3。根据已有公式检验函数关系式，已有公式为S/10。当取S=38，B*=84时（此处肩宽与胸围为同一人尺寸），计算后落肩量为3.8，经回归方程公式计算得3.84，两结果相近。
（4）前胸宽与胸围的回归方程。分析函数关系式，当人体胸围增加时，纸样前胸宽也随之增加，前胸宽与胸围之间呈正线性相关，见表3－24项目4。根据已有公式检验函数关系式，已有公式为B*/6+3。当取B*=84时，计算得17，经回归方程公式计算得17.2，两结果相近。
（5）前落肩与胸围的回归方程。分析函数关系式，当人体胸围增加时，纸样后背宽也随之增加，后落肩与胸围之间呈正线性相关，见表3－24项目5。根据已有公式检验函数关系式，已有公式为N/10+0.5。当取N=38，B*=84时，计算前落肩量为4.3，经回归方程公式计算得4.39，两结果相近。
（6）乳凸省量与胸凸的回归方程。当人体胸凸增大时，为满足胸部合体造型，乳凸省量也必然增大。分析函数关系式，乳凸省量随人体胸凸增大而增大，二者呈正线性相关，见表3－24项目6。
（7）撇胸与胸凸量的回归方程。人体胸凸增大，则胸高点至颈根坡度增加，为达到门襟与人体服帖的要求，则应加大撇胸量。依据所得函数关系式，撇胸随胸凸增加而增加，二者呈正线性相关，见表3－24项目7。
（8）袖窿深与胸围的回归方程。分析函数关系式，袖窿深随人体胸围的增大而加深，二者呈正线性相关，见表3－24项目8。根据已有公式检验函数关系式，已有公式为B*/6+7.5。当取B*=84时，计算得21.5，经回归方程计算得21.75，两结果相近。
（9）前腰节下落量与胸凸量的回归方程。人体胸高抬高，则乳根到BP点间的距离增大，因此形成前腰节增量。根据回归方程得到前腰节下落量，即为乳凸省量，见表3－24项目9与项目6。
（10）门襟下摆横增量与腹凸量的回归方程。依据函数关系式，门襟下摆横增量随腹凸量增大而增加，见表3－24项目10。由于腹部突出，人体前中线的倾斜角超过标准体，因而前开门要增大，以满足腹部凸起所引起的围度方向的增加。
（11）门襟下摆纵增量与腹凸量的回归方程。依据函数关系式，门襟下摆纵增量随腹凸量增大而增加，见表3－24项目11。当人体腹部凸起量增大时，腹部纵向曲线加长，致使标准体前门襟长度无法满足凸腹体，因此为保证衣长下摆的前后一致性，门襟长度需随腹凸量的增加而增加。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
