用观察数据(实验数据)来研究一些随机变量之间的关系时常用各种各样的多元分析方法。由于随机变量所处的背景的不同,我们大致可以把随机变量分为两类:一类是常规的变量(数量有变化的变量),例如重量、价格、时间、速度等;另一种变量不是真的在数量上有变化的变量,只是在性质上有变化,例如三角形变化为正方形,这种性质上发生变化的变量我们通常称为定性变量或名义尺度变量。由定性变量组成的数据为定性数据,而分析定量数据的多元分析方法,则不能解决此类问题。为了解决此类问题,在20世纪50年代产生了专门为解决各种定性研究数据的方法,这种方法就是数量化理论。数量化理论有很多,这里介绍的数量化一类理论是感性工学研究中应用最多的一种。
数量化一类理论是研 究一组定性变量X(自 变量)与一组定量变量y(因变量)之间的关系,将定性的变量进行量化,变成0、1等定量的数据后,利用多元线性回归分析,建立它们之间的数学模型,从而实现对因变量Y的预测。
在产品造型设计的感性工学研究中,我们常常需要去研究某个产品的形态 (如:壁灯的形态)与用户的感性评价值(如:用户对壁灯A的新颖性评价值,就是用户的感性评价值)之间的关系。这就是一种典型的数量化一类理论的运用。
比如我们有N个样本(N个同类的产品,比如有N个壁灯),我们对这N个样本进行造型设计要素的分解(以系统观念来看,一个产品可由不同的设计元素组合而成 ,而每个设计元素又有不同的形态,因而形成了不同造型的产品。)。将造型设计要素作为自变量 X(定性变量),感性评价值作为因变量Y (定量变量),设有m个造型设计要素,第 j 个造型设计要素的类别数目由Cj 表示,δi ( j , k) 称为第 j 个造型设计要素第 k 类在第 i 组样品中的反应 ,则
在感性评价值(因变量)Y与造型设计要素各类别的反应之间存在线性关系,因此可以得到线性模型:
对于上边的多元线性回归模型的求解,我们可以用最小二乘法来求做逼近求得其近似解(系数ajk)。
求得的ajk 即为类别(每个设计要素的Cj类形态)对项目(m个造型设计要素)的贡献度,ajk越大说明其对应的类别对项目的贡献度越大。
下面是Python实现程序:
测试代码数据:
程序运行结果: