大连地区老年女性体型分类研究

晋金迪， 姚 彤,2， 王 军,2， 孙见梅， 潘 力,2

(1. 大连工业大学 服装学院， 辽宁 大连 116034； 2. 大连工业大学 辽宁省数字化服装设计与工程重点实验室， 辽宁 大连 116034)

国家统计局数据显示，2020年我国60岁及以上老年人口占比达到18.7%，其中60～80岁的老年人口占90.78%[1]。人口老龄化的加速促进了“银发经济”的发展，提升了老年产品和服务消费，而据调查我国整体老年服装供需匹配率不高，各地区普遍存在服装不合体、号型单一等问题。服装号型标准与体型划分密不可分，通过人体体型的细分可提高服装结构的合体性和舒适性[2]，为了满足老年消费者的需求，老年人的体型分类亟待研究。

通过2022年4月14日中国知网数据库检索发现国内外关于人体体型分类研究的文献分别有259篇和98篇，而其中关于中老年体型分类的研究仅有12篇，关于老年体型研究的仅有2篇，专门针对老年体型分类的研究鲜有报道。在人体体型研究历史进展中，国外研究对人体尺寸测量和体型分类研究起步较早，如国外学者Simmons等[3]、 Song等[4]、 Choi等[5]等通过躯干主要围度、腰臀部特征及体侧角来进行整体体型和局部体型的划分研究。国内学者对我国不同地区、不同性别的中青年群体也进行了广泛的测量，运用多种体型分类方法进行了体型分类研究。如学者孙洁等[6]、李咏梅等[7]、钱露露等[8]、夏凤琴等[9]分别从人体形态角度、体型指数、胸腹差、臀腹差、人体纵截面轮廓线等角度进行体型研究。由于目前体型研究多数是针对青年和少数地区的中老年群体，而针对老年体型分类研究鲜有报道，本文采用接触式和非接触式相结合的方式，采集大连地区60～80岁老年女性人体数据，通过主成分因子分析、特征比较分析、聚类分析等方法，对大连地区老年女性体型特征和体型分类进行研究。

1 人体测量与数据预处理

1.1 实验对象与仪器

实验对象：实验采用简单随机抽样的方法进行随机抽样，选取的测量对象为大连地区身体状况良好的60～80岁老年女性。

实验仪器：VITUS便携式三维人体扫描仪、马丁测量仪、角度仪、体重计、软尺等，德国Human Solutions公司。

1.2 实验方法与测量项目

实验方法：本文实验用Anthroscan三维图像处理软件提取三维人体扫描各部位尺寸数据，手工测量补充和修正三维人体扫描仪测量数据。

测量项目：参考GB/T 1335.2—2008 《服装号型 女子》，结合老年女性体型实际情况最终共选取38个测量项目作为本文体型研究的基础变量，其中包括体重及高度变量7个、围度变量10个、长度变量8个以及水平厚度、水平宽度、角度变量各4个。

1.3 数据预处理

本文实验共测得60～80岁人体数据样本217个，用SPSS检查数据中的缺失值和奇异值，剔除无法重新提取或替换的数据样本[10]；考虑到体型极特殊样本对整体样本的影响，根据身体质量指数(BMI)参考标准，剔除BMI指数小于17.5的体重过低样本3个和BMI指数大于30的严重肥胖样本4个。综合初步样本数据处理结果，最终共剔除样本13个，保留204个有效样本，有效样本贡献率为94%。

2 体型特征分析

2.1 主要控制部位的提取

人体控制部位是指人体最具代表性的部位，可把控服装号型，合理化进行批量成衣生产，提高服装的合体性。由于人体统计量部位多而杂，需要选取最能反映人体体型的控制部位来进行研究，为保证主要因子提取的准确性，选择对实验样本变量因子分组进行主成分因子提取。根据人体测量项目特征，本文实验把影响人体的体段宽度和长度因子、围度因子、高度因子等分组进行主成分分析，实现因子降维，结果见表1～3。根据表1所示，体段宽度和长度因子提取了3个主成分：前腰长、臂长、前胸宽。根据表2所示，围度因子中提取了2个主成分：腹围、颈围；根据表3所示，高度因子中提取了1个主成分：身高(或颈椎点高)。综上，影响大连地区老年女性体型的主要因子为身高、腹围、颈围、前腰长、臂长、前胸宽。实现了以较少的变量反映原有变量的绝大部分信息。

表1 人体宽度和长度因子成分矩阵Tab.1 Human body width and length factor component matrix

表2 围度因子成分矩阵Tab.2 Circumference factor component matrix

表3 高度因子成分矩阵Tab.3 Height factor component matrix

2.2 基本体型特征比较分析

考虑到研究样本体型的实际特殊性，结合国家服装号型标准中主要控制部位和实际中老年人容易发生变形的部位进行综合筛选，最终确定身高、颈围、胸围、腰围、腹围、臀围、总肩宽和臂长这8个变量对其进行尺寸对比分析。由于样本胸腰差接近GB/T 1335.2—2008中的B体型，所以将大连地区老年女性平均体型和国标B体型中间体的主要控制部位数据进行对比，结果如表4所示。对比发现，大连地区老年女性的胸腰差均值虽然接近国标B体型，但实际部位值明显大于国标值，其中胸围偏大7.4 cm，腰围偏大8.8 cm。为深入研究老年女性的腰腹部特征，本文测量增加了对老年女性腹围的考量。由表中数据知，样本腹围均值达96.4 cm，臀腹围度差仅1.1 cm，其他主要基本部位中身高、颈围、臀围比国标B体型的中间体大1.4～1.5 cm，臂长平均偏长2.1 cm，总肩宽接近。分析得出：与国标B体型中间体相比，大连地区老年女性具有胸部和腰腹部凸出明显，手臂较长，身高偏高等特征。

表4 样本平均体与国标B体型中间体基本部位对比Tab.4 Comparison of basic positions of average body of sample and intermediate of body B in national standard cm

3 聚类分析

为了对体型进行更清晰的认知，以了解大连地区老年女性的中间体体型特征，结合实际中老年女性的肩背部形态和主要躯干围度变化大的特点，选取主要肩背部因子、躯干围度因子和因子分析提取的6个主成分因子对大连地区老年女性进行K-means动态聚类分析。

3.1 伪F统计量确定分类个数

在K-means聚类中，必须预先选择聚类数目作为先验值，在聚类过程中，类的数目始终参照初始设定的先验值，而在实际体型分类时，分类前分类数目是不确定的。由于伪F统计量可评价分为G类的效果，因此选择伪F统计量作为初始聚类数目的合理性判定，方便后续K-means聚类的研究。伪F统计量(简称PFS)计算公式[11-12]如下：

式中：n为总样本数；T为所有样本的总离差平方和，PG表示分为G类时的类内平方和；G-1表示其自由度；T-PG表示分为G类时的类外平方和，n-G表示其自由度。

PFS用于描述分为G类时的聚类效果时，PFS值越大，聚类效果越好，统计量结果如图1所示。当聚类数目为4时，PFS值达到最大，所以体型最佳聚类数为4类。

图1 PFS随分类数变化示意图Fig.1 Schematic diagram of PFS changing with number of classes

3.2 K-means聚类

根据伪F统计量确定的聚类数目，使用SPSS执行K-means动态聚类，聚类数为4，根据迭代历史记录，当迭代次数为14时任何中心的最大绝对坐标变动为0.000，实现收敛。聚类后系统有效个案数为203个，系统缺失个案数为1个，每类中的个案数如表5所示。可发现，聚类中心1的个案数占比最高，聚类中心2、3次之。结合最终聚类中心的各指标情况(见表6)，可发现大连地区大约有33.3%的老年女性身高在165 cm左右，有48.5%的老年女性身高在160 cm左右，老年女性身高整体偏高。

表5 各聚类类别数及占比Tab.5 Number and proportion of cases in each cluster category

表6 各聚类中心和国标号型系列主要控制部位值对比表Tab.6 Comparison table of values of main control parts of each clustering center and national standard series cm

各聚类中心和国标号型系列主要控制部位对比发现：各聚类中心的胸腰差主要落在GB/T 1335.2—2008中的B体型、C体型的胸腰差范围内，但各聚类中心的胸围、腰围、臀围均明显偏大，臂长明显偏长，同时各聚类中心的臀腰差参差不齐相差较大。

各聚类中心对应的人体模型如图2所示。通过将聚类结果与国标B、C体型中间体对比，将大连地区老年女性按其体型特点分为以下4类。

图2 各聚类中心体型Fig.2 Somatotype of each cluster center

1)普通型。对应表6中的聚类中心3，图2中的体型Ⅲ。其胸腰差落入国标B体型范围内，主要控制部位与国标B体型相比，此类体型身高偏高1.3 cm，臀围偏小3.1 cm，臂长偏长2.1 cm，胸围、腰围指标相差不大，占样本总量的23.5%。

2)矮胖型。对应表6中的聚类中心4，图2中的体型Ⅳ。其胸腰差落入国标C体型范围内，各控制部位与国标C体型相比，此类体型身高偏矮3.2 cm，胸围偏大5.7 cm，腰围偏大3.6 cm，臀围偏小1.8 cm，臂长偏长1.5 cm，占样本总量的17.6%。

3)高挑阔胸型，对应表6中的聚类中心1，图2中的体型Ⅰ。其胸腰差落入国标C体型范围内，但各部位均比国际C体型大。与国标C体型相比，此类体型身高偏高5.1 cm，胸围偏大9.1 cm，腰围偏大4.4 cm，臀围偏大3 cm，臂长偏长2.4 cm，占样本总量的33.3%。

4)肥胖阔胸凸腹型，对应表6中的聚类中心2，图2中的体型Ⅱ。其胸腰差落入国标C体型范围内，与国标C体型相比，此类体型胸围偏大15.7 cm、腰围偏大14.6 cm、臀围偏大6.3 cm，臂长偏长1.8 cm，占样本总量的25.0%。

聚类分析是依据样本间关联的量度标准，将其自动分为几个群组，对样本结构做一个初步评价，更注重样本的整体性，而对于含有多维数据的人体体型判别，需要更贴切、实用的划分标准。

4 体型分类

根据前文对聚类中心与国标体型控制部位值的对比分析发现，实际上老年女性体型虽胸腰差大部分接近国标中B体型，但部位值更倾向于B、C体型之间或大于C体型，说明按照国标体型划分方法并不能清晰地划分老年女性体型，胸腰差划分法已经不能明显区分老年女性的体型特征。由于围度差值过于集中会影响体型的划分，综合以往研究[13-15]中体型划分方法，针对本文样本，拟选取臀腰差作为辅助划分标准，对样本体型采用胸腰差和腰臀差组合法进行细致划分。

由于样本胸腰差范围为(-1 cm，19 cm)，且分布基本符合正态分布，根据国标已有的胸腰差划分办法，对于老年女性体型，提出删去胸腰差为19～24 cm的Y体型，增加胸腰差为-1～3 cm的体型，设代号为D，将老年女性按胸腰差划分为A、B、C、D4类，如表7所示；样本臀腰差分布范围为(-1 cm，20.7 cm)，在允许范围内修正为(-1 cm，21 cm)，臀腰差档差设为4 cm，将体型根据臀腰差划分为F0、F1、F2、F3、F4 5类，如表8所示。

表7 基于胸腰差的体型分类Tab.7 Somatotype classification based on chest-waist difference

胸腰差体型分类代号和臀腰差体型分类代号两两组合可得到20种体型，结合实际情况，删去极特殊体型AF4、CF0类,最终得到18种细分体型，如表9所示。最终体型覆盖概率达到96.57%，说明此划分法对于大连地区老年女性体型划分覆盖率高，适用性较好。

表9 基于胸腰差和臀腰差组合体型分类及分布Tab.9 Somatotype classification and distribution based on chest-waist difference-hip-waist difference combination

根据其分布占比情况可发现BF、CF体涵盖样本较多，且BF2体型在老年女性群体中占比最多。根据组合分类结果，把AF、BF、CF、DF系列分别设为第1、2、3、4类体型，选择BF2为中间体，中间体的各主要控制部位值如表10所示。与国家标准分类相比，这种分类方法不仅考虑了上下体类型的变化，而且体型分类更加细致，更有利于上下体类型的分离分析，对我国实际老年女性群体的适应程度更高，此体型分类指导下的老年女装类型涵盖的范围更广。

表10 中间体主要控制部位值Tab.10 Value of main control position of intermediate type cm

5 结 论

1)通过主成分因子分析提取了控制大连地区老年女性体型的6个主要因子。通过样本平均体型与国标体型对比分析得出大连地区老年女性胸部和腰腹部凸出明显，手臂较长，身高偏高等特征。

2)基于伪F统计量预测样本最佳分类数，通过K-means动态聚类最终得到了4个聚类中心，定性定量分析了4个聚类中心的体型特征。

3)扩展了国标中胸腰差划分范围，提出以臀腰差作辅助进行胸腰差与臀腰组合分类，实现了大连地区老年女性体型细分，并得出中间体控制部位参考值。

FZXB