[发明专利]汽车尾灯形状设计评估和预测方法

权利要求书

1.一种汽车尾灯形状设计评估和预测方法，其特征在于，包括以下步骤：

S1)基于语义差异法和李克特量表，收集面向消费者的汽车尾灯形状感性意象词汇；

S2)基于格式塔心理学中的相似性和接近性原理，定义所述汽车尾灯形状类别；

S3)将所述汽车尾灯形状类别作为自变量x_j，所述汽车尾灯形状感性意象词汇平均值作为因变量，建立逐步回归方程；

S4)进行主成分分析，即：将M个汽车尾灯形状感性意象词汇组合成一组新的之间相互无关的综合变量，同时根据实际需要从中抽取出N个最能反映原变量信息的综合变量；

S5)将所述步骤S3)和所述步骤S4)两个评估方法过程中得到的数据进行关联性分析和补充，提出汽车尾灯形状设计策略。

2.根据权利要求1所述的评估和预测方法，其特征在于，步骤S3)中建立逐步回归方程，包括：

通过SPSS统计分析软件辅助计算得到逐步回归方程的以下参数：偏回归系数、常数项、复相关系数R、决定系数R²和显著性P值。

3.根据权利要求2所述的评估和预测方法，其特征在于，所述显著性P值为自变量的引入和剔除变量的标准，当引入或剔除一个自变量时，回归的方差分析中的偏回归平方和会增加或减少，所述偏回归平方和相对于“残差的方差”比值的大小反映了自变量对因变量作用的显著程度；

P_in和P_out分别表示F_in和F_out比值的概率值；其中，F_in和F_out分别表示进入逐步回归方程所需的最小F值和剔除变量时所不能超过的最大F值；若P≤P_in,则引入该变量，否则不引入；若P≥P_out,则剔除该变量，否则保留；所述F为：

H0j:βj＝0成立时，

4.根据权利要求3所述的评估和预测方法，其特征在于，考虑所述自变量x_i(i＝1,2,…,p)的显著性时，因变量y对自变量x₁,x₂,…,x_p线性回归的残差平方和为SSE，回归平方和为SSR；则自变量x_i对回归的贡献为ΔSSR_(j)＝SSR-SSR_(j),称为x_i的偏回归平方和。

5.根据权利要求4所述的评估和预测方法，其特征在于，对所有自变量分别建立i个一元线性回归方程，根据偏回归平方和，确定引入一元线性回归方程的第一个变量，再分别引入第二个变量；建立i-1个二元线性回归方程，再根据偏回归平方和确定引入二元线性回归方程的第二个变量，同时进行相应的统计检验，确定是否有需要剔除的变量；在选取的二元线性回归方程中以同样的方式引入第三个变量；如此下去，直至无法引入新的变量，也没有可剔除的变量，逐步回归终止。

6.根据权利要求5所述的评估和预测方法，其特征在于，通过多元线性回归分析，建立尾灯感性意象和尾灯形状类别的多元线性回归方程，如下：

y_i＝β₀+β₁X_i1+β₂X_i2+…+β_pX_ip+ε_i，i＝1,2,…，n

其中β0称为回归常数，β₁,β₂,...,β_p称为偏回归系数，ε是随机误差。