선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 따라서 본 연구에서는, 노년 여성의 체형에 적합한 기성복의 패턴설계를 위한 기초자료로써 이들의 체형을 최소한의 유형으로 가장 판별이 잘 될 수 있도록 상반신 체형을 분류하도록 한다. 선행연구에서 많이 사용되어온, '절대치를 이용한 방법', 그리고 '키의 지수 치만을 이용한 분류방법' 그리고 항목간 상관계수를 적용하여 키와 몸무게의 두 가지 지수치를 모두 이용한 분류방법'의 세 가지를 동시에 비교 .
- 본 연구는 노년 여성의 전문적인 기성복 개발에 기초자료를 제공하기 위하여 활동성이 있는 60세 이상의 노년 여성 318명을 대상으로 직접 및 간접 측정을 하여 상반신 체형 특성을 파악하고 체형을 유형화한 후, 이를 판별분석을 통해 검증하였다.
- 선행연구에서 많이 사용되어온, '절대치를 이용한 방법', 그리고 '키의 지수 치만을 이용한 분류방법' 그리고 항목간 상관계수를 적용하여 키와 몸무게의 두 가지 지수치를 모두 이용한 분류방법'의 세 가지를 동시에 비교 . 분석하여 노년 여성의 상반신 체형을 각각 분류해보고 체형의 개인차를 최대한 감소시킬 수 있으며 판별명중률이 높은 가장 적합한 분류방법을 모색하고자 한다. 이를 토대로 생산비용이 적고 상반신 체형에 대한 적합도가 우수한 전문 노인복 설계, 개발에 도움이 되고자 한다.
- 분석하여 노년 여성의 상반신 체형을 각각 분류해보고 체형의 개인차를 최대한 감소시킬 수 있으며 판별명중률이 높은 가장 적합한 분류방법을 모색하고자 한다. 이를 토대로 생산비용이 적고 상반신 체형에 대한 적합도가 우수한 전문 노인복 설계, 개발에 도움이 되고자 한다.
- 이에 본 연구에서는 키나 몸무게로 인한 체형의 개인차를 배제하고 체형의 공통점을 집결시켜 상반신 체형을 형태별로 분류할 수 있도록 하기 위하여 몸무게와 상관이 높은 항목은 몸무게로, 키와 상관이 높은 항목은 키로 나눈 지수치를 사용하는 것이 의복설계를 위한 체형분류에 바람직하다고 판단하였다. 키와 몸무게와 상관성이 높은 항목들은 다음 <표 4>에 제시하였다.
- 측정치를 지수치로 변환할 때 키와 몸무게를 기준으로 한 것은 항목간 상관관계표를 토대로 하여 각 측정항목간의 상관계수를 살펴본 결과 대부분의 항목에서 상관계수가 가장 높은 항목이 키와 몸무게로 축소되었기 때문이다. 키와 상관이 높은 항목은 키로 나눈 지수치를, 몸무게와 상관이 가장 높은 항목들은 몸무게로 측정치를 나눈 지수치를 사용하여 체형구성요인 추출시 키와 몸무게로 인한 영향을 배제하고자 하였다.
제안 방법
- 60대 이후 노년 여성의 의복설계를 위한 체형분류를 하는데 있어 적절한 항목 추출을 위해 직 . 간접 측정 항목간의 상관관계를 산출하였다.
- 위의 세가지 방법에서 나타난 결과를 비교하고 각 군집이 체형의 형태적 특징을 뚜렷이 나타내도록 분류된 결과를 채택하여 판별분석 (Discriminant analy- sis)하였다. 군집분석 결과 분류된 유형을 집단변수로 하고, 요인분석에 사용한 항목을 독립변수로 하였다.
- 군집분석을 통해 분류된 노년여성의 상반신의 유형을 분류하는데 있어 중요도가 높은 항목을 찾기 위해서 단계적 판별분석을 하였으며 변수를 선택하는 방법으로는 요인분석에 이용되었던 36개 항목을 이용하여 단계적 처리방법을 사용하였으며 추출된 대표 항목의 유형구별에 대한 상대적 중요도를 알아보기 위하여 판별분석을 실시하였다.
- 군집의 수는 2개부터 순차적으로 증가시켜 통계처리를 한 후, 각 군집별 요인점수에 대한 유의확률(p-value) 이 0.05 이하로 나타나는 최소군집수로 결정하였으며 각 유형별 인원분포는과 같다.
- 넷째, 모든 통계과정에서는 가정사항 검토(assume tion checking)를 점검하였으며 그리고 이상수치 (outher)로 인한 통계의 오류가 발생하지 않았는지 검토하였다.
- 노년 여성의 체형을 직접, 간접 측정하여 얻은 측정치들을 몇 개의 형태 요인으로 파악하기 위하여 36개 항목을 요인분석하였다. 본 연구에서는 체형의 크 기요인보다는 형태요인에 우선하여 체형을 유형화하고자 하므로, 신체기준선을 이용한 간접측정치와 크기 및 비만요인을 배제하고 정면 및 측면의 체형 실루엣을 형성하고 있는 형태 요인을 추출하기 위하여 인체의 직접 측정치를 키와 몸무게로 나눈 지수치를 사용하였다.
- 둘째, 요인분석에 의해 추출된 요인점수를 독립변수로 하여 군집분석(Cluster Analysis)을 실시 하고, 군집의 수를 순차적으로 증가시켜 각 군집별 요인점수에 대한 유의확률3-value)이 0.05 이하로 나타나는 최소군집수로 결정 하였다.
- 노년 여성의 체형을 직접, 간접 측정하여 얻은 측정치들을 몇 개의 형태 요인으로 파악하기 위하여 36개 항목을 요인분석하였다. 본 연구에서는 체형의 크 기요인보다는 형태요인에 우선하여 체형을 유형화하고자 하므로, 신체기준선을 이용한 간접측정치와 크기 및 비만요인을 배제하고 정면 및 측면의 체형 실루엣을 형성하고 있는 형태 요인을 추출하기 위하여 인체의 직접 측정치를 키와 몸무게로 나눈 지수치를 사용하였다. 측정치를 지수치로 변환할 때 키와 몸무게를 기준으로 한 것은 항목간 상관관계표를 토대로 하여 각 측정항목간의 상관계수를 살펴본 결과 대부분의 항목에서 상관계수가 가장 높은 항목이 키와 몸무게로 축소되었기 때문이다.
- 따라서 본 연구에서는, 노년 여성의 체형에 적합한 기성복의 패턴설계를 위한 기초자료로써 이들의 체형을 최소한의 유형으로 가장 판별이 잘 될 수 있도록 상반신 체형을 분류하도록 한다. 선행연구에서 많이 사용되어온, '절대치를 이용한 방법', 그리고 '키의 지수 치만을 이용한 분류방법' 그리고 항목간 상관계수를 적용하여 키와 몸무게의 두 가지 지수치를 모두 이용한 분류방법'의 세 가지를 동시에 비교 . 분석하여 노년 여성의 상반신 체형을 각각 분류해보고 체형의 개인차를 최대한 감소시킬 수 있으며 판별명중률이 높은 가장 적합한 분류방법을 모색하고자 한다.
- 셋째, 직접측정치를 키를 이용한 지수치로 변환한 것과 간접측정치를 이용한 세가지 방법으로 모두 요인 분석, 군집분석을 하여 체형을 유형화하였다. 그리고, 분류된 유형이 서로간에 얼마나 정확하게 판별하는지 검증하기 위하여 판별분석을 실시, 명중률을 비교해 보았다.
- 요인수의 결정은 모두 고유치 1.00을 기준으로 하고 요인에 사용한 항목의 수는 36개로 같은 항목을 사용하되 측정치의 처리를 세 가지 방법으로 다르게 하였으며 각각의 요인점수로 군집분석을 하였다. 그리고, 판별분석은 각각 요인분석에 사용된 항목을 분석에 이용하였다.
- 인체의 크기요인과 비만요인의 영향력을 감소시켜 노년 여성의 상반신체형을 형태별로 분류하기 위해서 측정 항목을 키와 몸무게로 나누어 요인분석한 결과 산출된 요인점수를 이용해 군집분석을 하였다. 군집의 수는 2개부터 순차적으로 증가시켜 통계처리를 한 후, 각 군집별 요인점수에 대한 유의확률(p-value) 이 0.
- 첫째, 측정항목간 상관관계를 분석하여 인체의 크기인자와 비만인자를 배제하기 위하여 모든 직접측 정치를 키와 몸무게를 이용한 지수치로 변환하였으며 요인분석(Factor Analysis)시 요인의 수는 고유치가 1.00 이상이 되는 것으로 추출하고 요인의 성격을 명확히 하기 위하여 Varimax법에 의하여 직교회전하였다.
- 키와 몸무게를 이용한 지수치로 요인분석을 실시한 결과로 얻어진 요인점수로 군집분석을 하여 노년 여성의 체형이 3가지 형태로 분류하였다. 이 과정에서 요인분석에 사용된 36개 지수치 항목에 대하여 분산분석을 하여 유형간의 차이를 검정하였다.
대상 데이터
- 노년 여성 318명을 대상으로 직 . 간접측정을 실시하여 모두 44개 항목에 대한 평균, 표준편차, 최소값, 최대값을 <표 3>에 나타내었다.
- 서울 및 경기 지역의 노인대학, 체육시설, 복지회관, 회사 등의 장소에서 사회활동 및 사교활동을 하여 구매력 이 있다고 판단되는 60세 이상의 노년 여성 318명을 대상으로 2002년 4월부터 7월에 걸쳐 직접 측정과 간접측정을 실시하였다. 측정대상의 연령분포는 <표 1>과 같다.
데이터처리
- 셋째, 직접측정치를 키를 이용한 지수치로 변환한 것과 간접측정치를 이용한 세가지 방법으로 모두 요인 분석, 군집분석을 하여 체형을 유형화하였다. 그리고, 분류된 유형이 서로간에 얼마나 정확하게 판별하는지 검증하기 위하여 판별분석을 실시, 명중률을 비교해 보았다.
- 00을 기준으로 하고 요인에 사용한 항목의 수는 36개로 같은 항목을 사용하되 측정치의 처리를 세 가지 방법으로 다르게 하였으며 각각의 요인점수로 군집분석을 하였다. 그리고, 판별분석은 각각 요인분석에 사용된 항목을 분석에 이용하였다. 이 결과 직접측정치를 키와 몸무게를 이용한 지수치로 변환하여 분석한 경우 요인수가 6개로 가장 작고, 일반적으로 요인수가 적어질수록 설명력이 줄어드는 것이 일반적임에도 불구하고 절대치 또는 키의 지수치를 이용한 경우보다 설명력이 8.
- 이 과정에서 요인분석에 사용된 36개 지수치 항목에 대하여 분산분석을 하여 유형간의 차이를 검정하였다. 분산분석은 비교하고자 하는 집단 간의 표본수가 동일하지 않을 때 사용하는 GLM(General linear model)과정을 택하였고 다중비교법으로는 Duncan test 방법을 사용하여 유형별 지수치 평균값 및 Duncan test, F값을 <3. 9>에 나타내었다.
- 셋째, 상관관계분석을 통해 측정치를 키와 몸무게로 나눠 지수치를 사용하여 체형을 분류하는 것이 적합한지 검증하기 위해 측정치의 실제값으로, 그리고 모든 직접측정치를 키로 나눈 지수치로도 요인분 석, 군집분석, 판별분석을 실시하여 상호비교하였다. 위의 세가지 방법에서 나타난 결과를 비교하고 각 군집이 체형의 형태적 특징을 뚜렷이 나타내도록 분류된 결과를 채택하여 판별분석 (Discriminant analy- sis)하였다.
- 요인 분석은 정보 손실이 가장 적으며 많은 수의 변수를 되도록 적은 수의 요인으로 줄이는 주성분분석을 이용하고 요인수의 결정은 여러가지 방법 중 고 유치에 의한 결정법을 사용하여 고유치가 1.0 이상인 요인을 선택하고, Scree-test를 사용해 이를 검증하였다. 요인의 성격을 명확히하고자 Varimax법에 의한 직교회전방법을 사용하였다.
- 셋째, 상관관계분석을 통해 측정치를 키와 몸무게로 나눠 지수치를 사용하여 체형을 분류하는 것이 적합한지 검증하기 위해 측정치의 실제값으로, 그리고 모든 직접측정치를 키로 나눈 지수치로도 요인분 석, 군집분석, 판별분석을 실시하여 상호비교하였다. 위의 세가지 방법에서 나타난 결과를 비교하고 각 군집이 체형의 형태적 특징을 뚜렷이 나타내도록 분류된 결과를 채택하여 판별분석 (Discriminant analy- sis)하였다. 군집분석 결과 분류된 유형을 집단변수로 하고, 요인분석에 사용한 항목을 독립변수로 하였다.
- 키와 몸무게를 이용한 지수치로 요인분석을 실시한 결과로 얻어진 요인점수로 군집분석을 하여 노년 여성의 체형이 3가지 형태로 분류하였다. 이 과정에서 요인분석에 사용된 36개 지수치 항목에 대하여 분산분석을 하여 유형간의 차이를 검정하였다. 분산분석은 비교하고자 하는 집단 간의 표본수가 동일하지 않을 때 사용하는 GLM(General linear model)과정을 택하였고 다중비교법으로는 Duncan test 방법을 사용하여 유형별 지수치 평균값 및 Duncan test, F값을 <3.
이론/모형
- 0 이상인 요인을 선택하고, Scree-test를 사용해 이를 검증하였다. 요인의 성격을 명확히하고자 Varimax법에 의한 직교회전방법을 사용하였다. 그 결과 6개의 요인이 추출되었고, 6개의 요인은 전체 변량의 78.
- 측정방법과 측정용어는 공업진흥청의 KS A-7003과 KS A-7004(1988), 그리고 국민표준체위조사(1997)에 의거하였으며, 노년 여성의 경우 대부분 허리를 곧게 펴는 것이 불가능하여 측정시의 자세는 자연스럽게 정면을 바라본 상태로 하였다. 측정항목은 국민표준체위 조사 보고서와 선행연구(김인순, 2002; 신혜경, 1999; 유희숙, 1998)를 참고로 하여 직접측정 및 간접측정 하 였으며 구체적인 측정항목은<표 2>, <그림 1>, <그림 2>와 같다.
- 측정항목은 국민표준체위 조사 보고서와 선행연구(김인순, 2002; 신혜경, 1999; 유희숙, 1998)를 참고로 하여 직접측정 및 간접측정 하 였으며 구체적인 측정항목은, , 와 같다.
성능/효과
- 1) 노년 여성의 상반신 체형을 크기요인을 배제한 상태에서 형태를 기준으로 분류하기 위하여 각 항목 간의 상관관계를 이용하여 키와 상관이 높은 항목과 몸무게와 상관이 높은 항목으로 나눈 후 키와 몸무게의 지수치로 요인분석을 한 결과 6개의 요인이 추출 되었으며 누적기여율은 78.38%로 나타났다.
- 2) 노년 여성의 상반신 체형을 형태별로 분류하기 위해 적합한 체형분류방법을 찾기 위해 선행연구에서 많이 사용하고 있는 키의 지수치로 요인분석, 군집분석한 결과, 요인의 수는 8개로 키와 몸무게의 지수치로 분류했을 때보다 2개가 증가했으나 설명력은 69.75%로 줄어들었으며 유형은 4개로 분류되었다. 절대치를 이용하여 분석한 결과, 7개의 요인이 추출되고 누적기 여율은 69.
- 이와 같이 직 . 간접 측정항목간의 상관관계를 알아 본 결과, 공통적으로 신체의 수직크기를 나타내는 항목은 주로 키와 높은 상관을 보이며, 신체의 수평크기 즉 비만요인과 연관이 있는 항목들은 공통적으로 몸무게와 상관성이 높은 것을 확인할 수 있었다.
- 이 같은 현상도 역시 비만요인이 증가할수록 품이 넓어지는 신체의 일반적이 변화와 관련하여 해석할 수 있을 것이다. 간접측정항목 즉 등과 가슴부위의 각도항목에 서는 가슴상부 경사각도의 경우 항목간에 공통적으로 선형적 상관성을 보이는 항목은 없었다. 이것은 신체의 각도는 개개인의 자세에 따라, 그리고 유전적 요인에 따라 개인차가 커 독립적인 변화를 보이기 때문이라고 볼 수 있다.
- 9>에 나타내었다. 검증결과, 36개 항목 중 34개 항목에서 3개 유형간 pM.OOl 수준에서 유의차가 인정되었다.
- 요인의 성격을 명확히하고자 Varimax법에 의한 직교회전방법을 사용하였다. 그 결과 6개의 요인이 추출되었고, 6개의 요인은 전체 변량의 78.38%를 설명하고 있다. 요인분석결과는 <표 5>에 제시하였다.
- 45%로 가장 낮았다. 그리고 키나 몸무게와 같이 항목에 전체적으로 영향을 많이 주는 요소를 배제하지 못하였기 때문에 개인차가 그대로 반영되어 체형의 형태 뿐 아니라 크기에 의해서도 동시에 분류가 되기 때문에 군집의 수가 5개로 최다수를 보였으며 군집수가 늘어났음에도 불구하고 판별력은 가장 낮았다.
- 그리고, 길이항목 중에서도 상반신의 횡적방향을 나타내는 앞품, 뒤품, 목앞점 - 어깨끝점 길이, 어깨 점사이길이, 어깨끝점 -뒤허리중심점 길이는 키보다 몸무게와 상관계수값이 더 크게 나타났다. 이 같은 현상도 역시 비만요인이 증가할수록 품이 넓어지는 신체의 일반적이 변화와 관련하여 해석할 수 있을 것이다.
- 너비항목의 경우, 키와는 상관계수0.29, 0.20 등으로 선형적 상관성이 적으며 대부분의 항목들이 몸무게와 밀접한 상관성을 보이는데, 목밑너비는 밑가슴 너비와 r= .43 다음으로 몸무게와 r = .42로 두번째로 높은 상관을 보였으며, 윗가슴너비 , 유두간격 , 가슴너 비, 밑가슴너비, 허리너비, 진동두께, 가슴두께, 허리 두께, 어깨너비 항목에서 모두 몸무게와 상위 다섯번째로 높은 상관관계를 보였다. 주로 가슴의 너비항목 과 둘레항목, 그리고 허리의 너비항목과 둘레항목 등에서도 상관이 크게 나타났는데, 이는 몸무게가 증가하여 비만요인이 커질수록 일정 부위의 둘레와 두께, 너비가 동시에 증가하는 것이 일반적인 체형변화의 양상이기 때문인 것으로 볼 수 있다.
- 높이항목은 모두 키와 상관계수값이 0.70에서 0.93에 이르는 높은 선형적 상관관계를 보였으며 이는 높 이항목 상호간 또는 앞중심길이, 앞길이 등의 그 외 수직크기와 관련한 항목에도 같은 결과를 보였다. 반면 너비나 두께, 둘레항목과는 모든 항목에서 r = .
- 둘레항목에서는 윗가슴둘레와 진동둘레는 몸무게와 r = .85와 r= .66으로 최고치를 보였으며 가슴둘레와 허리둘레항목도 상호간 같은 부위의 두께항목 다음으로 몸무게와 상관관계가 높았다. 둘레항목 역시 수직크기를 나타내는 키와는 0.
- 32로 가장 짧다. 또한 가슴상부 경사각도는 26.96으로 가장 크나 가슴하부 경사각도와 등상부 경사각도가 각각 5.67과 27.45로 가장 각도가 작게 나타나 이 유형은 가슴의 볼륨이 크며 가슴의 하수가 적으면서 벌어지지 않았고 등이 굽지 않아 바른 체형을 가진 군집임을 알 수 있다. 또한 어깨경사각도가 가장 크며, 몸무게에 대한 너비항목과 두께항목, 둘레항목은 16항목에서 모두 유형 2, 3보다 적은 값이 도출되었으므로 가장 왜소하면서 어깨가 많이 처져서, 이들 체형은 정면의 비례형태로 볼 떄 키에 비해 상반신이 길고 몸무게에 비해 폭이 좁으면서 어깨가 많이 처진 전체적으로 길고 좁은 형태에 허리가 곧은 체형이다.
- 32로 작아 가슴의 하수현상이 심하며 가슴이 밋밋한 체형이다. 또한, 등상 부 경사각도와 가슴하부 경사각도는 35.88과 18.69로 가장 크고 등하부 경사각도와 가슴상부 경사각도는 0.80과 19.19로 다른 유형에 비해 현저하게 작게 나타난 것으로 보아 이 유형은 측면 형태로 볼 때, 등이 많이 굽어지고 허리부위에서는 앞으로 이동하고 있는 체형으로 상반신이 굴신된 체형이다.
- 표준화된 판별함수는 원래의 측정자료를 평균 =0, 표준편차 = 1로 표준화하여 사용할 경우에 적용되는 판별함수이므로 개인의 체형을 판별하고자 할 때 측정치를 표준화하여 판별함수에 대입하여야 한다. 여기서 판별함수 계수는 절대값이 클수록 판별력이 큰 것을 나타내는데, 판별함수 1에서는 가슴둘레/몸무게, 어깨경사각도, 허리둘레/몸무게, 목앞점 - 어깨끝점 길이/몸무게 순으로 공헌도가 낮아지며, 정준판별계수가 모두 절대 값 0.4 이상으로 높게 나타났고, 판별함수 2에서는 등 하부 경사각도가 가장 큰 공헌을 하며, 가슴둘레/몸무게, 가슴하부 경사각도, 유두간격/몸무게, 윗가슴두께/몸무게, 진동두께/몸무게의 정준판별계수가 큰 값을 나타내어 각 판별함수에 있어서 큰 영향을 미치는 변수임을 알 수 있다.
- 요인분석에 사용된 36개 항목을 독립변수로, 3 유형 을 종속변수로 사용하여 판별분석을 통해 각 유형의 판별확률을 구하였으며, 판별함수의 명중률은 95.30%로 나타났다(표 11). 유형별 사전 확률을 감안하여 유 형 1은 177명 중 170명이 올바르게 판별되었으며 예측 유형을 올바르게 판별하는 확률이 96.
- 30%로 나타났다(표 11). 유형별 사전 확률을 감안하여 유 형 1은 177명 중 170명이 올바르게 판별되었으며 예측 유형을 올바르게 판별하는 확률이 96.00%이고 유형 2 는81명으로 94.20%, 유형 3은 52명이 94.50%으로 총 95.30%의 높은 정확성을 보이고 있었다. 즉, 유형 1에 속하는 체형 중 4%가 잘못 분류되었고, 유형 2에 속하는 체형 중 5.
- 그리고, 판별분석은 각각 요인분석에 사용된 항목을 분석에 이용하였다. 이 결과 직접측정치를 키와 몸무게를 이용한 지수치로 변환하여 분석한 경우 요인수가 6개로 가장 작고, 일반적으로 요인수가 적어질수록 설명력이 줄어드는 것이 일반적임에도 불구하고 절대치 또는 키의 지수치를 이용한 경우보다 설명력이 8.63%, 8.93% 높게 나타나 상대적으로 키와 몸무게의 지수치를 이용했을 때 체형구성인자가 더 간략하게 요약된다고 할 수 있다. 이에 따라 상반신 체형 유형은 3개로 분류되었으며 최소의 군집수를 가지면서 군집의 명중률은 95.
- 93% 높게 나타나 상대적으로 키와 몸무게의 지수치를 이용했을 때 체형구성인자가 더 간략하게 요약된다고 할 수 있다. 이에 따라 상반신 체형 유형은 3개로 분류되었으며 최소의 군집수를 가지면서 군집의 명중률은 95.30%로 아주 높은 결과를 나타내었는데, 이는 키와 상관관계가 높은 항목은 키로, 몸무게와 상관관계가 높은 항목은 몸무게로 나누어 개인별 키나 몸무게의 차이에 의해 자연스럽게 커지는 길이, 너비 등의 항목들의 개인차를 감소시켜주었기 때문이라고 해석된다.
- 75%로 줄어들었으며 유형은 4개로 분류되었다. 절대치를 이용하여 분석한 결과, 7개의 요인이 추출되고 누적기 여율은 69.45%, 군집의 수는 5개로 나타나 위의 두 방법에 비해 체형을 설명력이 떨어지고 체형의 특성이 잘 요약되지 못하였다. 키와 몸무게의 지수치, 절대치, 키의 지수치를 이용해 분류한 유형을 판별분석을 하여 명중률을 검토해본 결과 각각 95.
- 30%의 높은 정확성을 보이고 있었다. 즉, 유형 1에 속하는 체형 중 4%가 잘못 분류되었고, 유형 2에 속하는 체형 중 5.8%, 유형 3에서는 5.4%가 잘못 분류되어 유형 1의 오분류율이 가장 작은 것으로 나타났으며 , 예측소속집단과 비교해 볼 때 실제유형에서 잘못 분류된 케이스는 15개임을 알 수 있다.
- 45%, 군집의 수는 5개로 나타나 위의 두 방법에 비해 체형을 설명력이 떨어지고 체형의 특성이 잘 요약되지 못하였다. 키와 몸무게의 지수치, 절대치, 키의 지수치를 이용해 분류한 유형을 판별분석을 하여 명중률을 검토해본 결과 각각 95.30%, 90.30%, 91.50%으로 키와 몸무게를 이용하여 분류한 유형이 가장 판별이 잘 되는 것으로 나타나, 키와 몸무게의 지수치를 이용하여 몸무게를 분류하는 것이 군집 수는 가장 작으면서, 각 군집내 개인의 체형의 유사성은 최대화하고 군집간 체형의 유사성은 최소화하므로 세 가지 방법 중 상반신 체형의 개인차의 공통성을 가장 잘 요약하는 방법이라고 할 수 있다.
후속연구
- 그리고, 길이항목 중에서도 상반신의 횡적방향을 나타내는 앞품, 뒤품, 목앞점 - 어깨끝점 길이, 어깨 점사이길이, 어깨끝점 -뒤허리중심점 길이는 키보다 몸무게와 상관계수값이 더 크게 나타났다. 이 같은 현상도 역시 비만요인이 증가할수록 품이 넓어지는 신체의 일반적이 변화와 관련하여 해석할 수 있을 것이다. 간접측정항목 즉 등과 가슴부위의 각도항목에 서는 가슴상부 경사각도의 경우 항목간에 공통적으로 선형적 상관성을 보이는 항목은 없었다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.