1、 葡萄酒綜合評價的數(shù)學(xué)模型 學(xué)生姓名:王磊(數(shù)應(yīng)1002班) 指導(dǎo)教師:王惟摘 要:文章通過分析附件中的數(shù)據(jù).借助spss軟件,運用t檢驗法討論了兩組評酒員對葡萄酒評價結(jié)果的可信度.然后利用主成分分析法得出綜合主成分值并對釀酒葡萄進行分級,并根據(jù)配對樣本檢驗法和雙變量相關(guān)性分析法研究釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)系.最后用多元線性回歸法分析釀酒葡萄和葡萄酒的理化指標(biāo)對葡萄酒質(zhì)量的影響,從而得出相關(guān)結(jié)論:相關(guān)性越強即說明線性關(guān)系越明顯,表明對其質(zhì)量的影響越大.關(guān)鍵詞:主成分分析;t檢驗;多元線性回歸;spss軟件;雙變量相關(guān)性分析;理化指標(biāo) mathematical model of com

2、prehensive evaluation of wine student: wang lei instructor: wang weiabstract: this article takes an analysis of the data in the attachment. with the help of spss software, we can use t-test to discuss the credibility of evaluation results of wine about two groups wine taster and use principal compon

3、ent analysis method to obtain the comprehensive principal component scores which can be used to get the classification of wine grapes. according to the paired samples test and bivartite correlation analysis method, we can study the contact of the physicochemical indexes between wine grapes and wine.

4、 finally, by using the multivariate linear regression method to analyze the influence of physicochemical indexes of wine grapes and wine on wines quality. we can draw the related conclusion: the stronger correlation, the better obvious linear relationship, indicating effect on quality of wine more.k

5、ey words: principal component analysis; t- independent sample test; multiple linear regression; spss software; bivariate correlation analysis; physicochemical indexphysicochemical index physicochemical index目 錄1 問題的提出 12 問題的分析 13 基本假設(shè) 24 符號說明 25 模型的建立與求解 25.1 問題一的模型建立與求解 2 5.1.1 分析紅葡萄酒評價差異性 2 5.1.2

6、分析白葡萄酒評價差異性 3 5.1.3 分析評價結(jié)果可信度 5 5.2 問題二的模型建立與求解 6 5.3 問題三的模型建立與求解 8 5.4 問題四的模型建 145.4.1 紅葡萄理化指標(biāo)對葡萄酒質(zhì)量的影響 14 5.4.2 紅葡萄酒理化指標(biāo)對葡萄酒質(zhì)量的影響 156 模型的評價 167 模型的推廣 16參考文獻(xiàn) 171 問題的提出確定葡萄酒質(zhì)量時一般是通過聘請一批有資質(zhì)的評酒員進行品評.每個評酒員在對葡萄酒進行品嘗后對其分類指標(biāo)打分,然后求和得到其總分,從而確定葡萄酒的質(zhì)量.釀酒葡萄的好壞與所釀葡萄酒的質(zhì)量有直接的關(guān)系,葡萄酒和釀酒葡萄檢測的理化指標(biāo)會在一定程度上反映葡萄酒和葡萄的質(zhì)量.附

7、件一給出了某一年份一些葡萄酒的評價結(jié)果,附件二和附件三分別給出了該年份這些葡萄酒和釀酒葡萄的成分?jǐn)?shù)據(jù).嘗試建立數(shù)學(xué)模型討論下列問題:問題一:分析附件一中兩組評酒員評價結(jié)果有無顯著性差異,哪一組結(jié)果更可信?問題二:根據(jù)釀酒葡萄的理化指標(biāo)和葡萄酒的質(zhì)量對釀酒紅葡萄進行分級.問題三:分析釀酒紅葡萄與紅葡萄酒的理化指標(biāo)之間的聯(lián)系.問題四:以釀酒紅葡萄為例,分析釀酒紅葡萄和紅葡萄酒的理化指標(biāo)對紅葡萄酒質(zhì)量的影響,并論證能否用紅葡萄和葡萄酒的理化指標(biāo)來評價紅葡萄酒的質(zhì)量?2 問題的分析 針對問題一,判斷兩組評酒員的評價結(jié)果有無顯著性差異和結(jié)果的可靠性比較,通過計算平均值和方差來觀察.根據(jù)每一位評酒員的總分

8、求和,再求平均值,得出紅白葡萄酒的整體平均值,對兩組評分進行t-雙樣本等方差檢驗.根據(jù)t檢驗結(jié)果來分析兩組評酒員評分結(jié)果是否存在顯著差異性,通過描述四組數(shù)據(jù)的置信區(qū)間和均值標(biāo)準(zhǔn)差來確定他們評價結(jié)果的可靠性.針對問題二,根據(jù)釀酒葡萄的理化指標(biāo)和葡萄酒的質(zhì)量,使用主成分分析的方法對這些釀酒葡萄進行分級.首先對原始數(shù)據(jù)進行標(biāo)準(zhǔn)化處理,計算出相關(guān)系數(shù)矩陣,通過計算出的特征值來選擇數(shù)個主成分,通過spss軟件求解出主成分,根據(jù)主成分來確定各釀酒葡萄的綜合主成分分值,最后根據(jù)綜合主成分值的高低對葡萄進行分級.針對問題三,根據(jù)附件二中提供的釀酒紅葡萄與紅葡萄酒的理化指標(biāo)數(shù)據(jù),分析他們之間的聯(lián)系.首先通過ex

9、cel對數(shù)據(jù)進行處理,挑選出兩者共有的理化指標(biāo),多次測量的求取其平均值作為參考數(shù)據(jù),整理歸納之后,利用spss軟件進行雙變量相關(guān)性分析. 針對問題四,分析釀酒葡萄和葡萄酒的理化指標(biāo)對葡萄酒質(zhì)量的影響,論證能否用葡萄和葡萄酒的理化指標(biāo)來評價葡萄酒的質(zhì)量.分析附件二中的紅葡萄酒和紅葡萄所有的一級理化指標(biāo),使用多元線性回歸的方法對理化指標(biāo)進行處理,相關(guān)性強即說明線性關(guān)系比較明顯,對其質(zhì)量的影響較大.3 基本假設(shè)(1).兩組評酒員之間的分?jǐn)?shù)是相對獨立的,每個評酒員之間互不影響;(2).兩組評酒員是隨機分配的,兩個總體分布都服從正態(tài)分布;(3).用來檢驗的葡萄都是采摘的新鮮的葡萄,葡萄酒也沒有受到污染;

10、(4).假設(shè)評酒員的系統(tǒng)誤差較小,忽略不計;(5).只考慮紅葡萄釀成紅葡萄酒,白葡萄釀成白葡萄酒,而不考慮多種葡萄混合釀成的葡萄酒;(6).假設(shè)題目中所給出的數(shù)據(jù)和其他內(nèi)容都真實可信.4 符號說明 :表示第組紅葡萄酒評酒員評分的平均(,); :表示第組白葡萄酒評酒員評分的平均(,); :各個釀酒紅葡萄綜合主成分得分(,); :用紅葡萄釀成的紅葡萄酒的質(zhì)量; :表示釀酒紅葡萄第種主成分的特征值(,); :釀酒紅葡萄樣品對各個主成分的得分.5 模型的建立與求解5.1 問題一的模型建立與求解5.1.1 分析紅葡萄酒評價差異性首先根據(jù)附件一中的數(shù)據(jù),分析紅葡萄酒的評價結(jié)果,利用excel分別計算出每組

11、的10位評酒員對27種紅葡萄酒樣品的平均值,如表1所示.由表1計算可知, ,由此可見,第一組評酒員對紅葡萄酒的評價略高.但是,僅憑平均值的差異不能完整地反映出這兩組評價結(jié)果的差異性,所以根據(jù)表1中的數(shù)據(jù),設(shè)顯著性水平,置信度為,建立零假設(shè):,運用spss軟件進行獨立樣本t檢驗,檢驗結(jié)果如表2、表3所示.表1 紅葡萄酒樣品平均值酒樣品1酒樣品2酒樣品3酒樣品4酒樣品5酒樣品6酒樣品7一組62.780.380.468.673.372.271.5二組68.17474.671.272.166.365.3酒樣品8酒樣品9酒樣品10酒樣品11酒樣品12酒樣品13酒樣品14一組72.381.574.270.

12、153.974.673二組6678.268.861.668.368.872.6酒樣品15酒樣品16酒樣品17酒樣品18酒樣品19酒樣品20酒樣品21一組58.774.979.359.978.678.677.1二組65.769.974.565.472.675.872.2酒樣品22酒樣品23酒樣品24酒樣品25酒樣品26酒樣品27一組77.285.67869.273.873二組71.677.171.568.27271.5 表2 組統(tǒng)計量樣本n均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤均值12773.0567.34261.413122770.5153.97800.7656分析表2、表3可知,對兩組評酒員的數(shù)據(jù)做方差齊性

13、檢驗,得出的值為3.861,值為,由于值大于顯著性水平,所以認(rèn)為不能拒絕零假設(shè),即兩組數(shù)據(jù)的方差相等,再通過t檢驗的結(jié)果知雙側(cè)的概率值均大于顯著性水平.綜上所述,認(rèn)為兩組評酒員對紅葡萄酒的評價結(jié)果無顯著性差異.5.1.2 分析白葡萄酒評價差異性同上述解決方法一樣,首先根據(jù)附件一中的數(shù)據(jù),利用excel分別計算出每組的10位品酒員對28種白葡萄酒樣品的平均值,如表4所示.由表4計算可知,由此可見,第二組品酒員對白葡萄酒的評價略高.同樣,根據(jù)表4中的數(shù)據(jù),設(shè)顯著性水平,置信度為,建立零假設(shè):,運用spss軟件進行獨立樣本t檢驗,檢驗結(jié)果如表5、表6所示.表3 獨立樣本檢驗方差方程的 levene

14、檢驗均值方程的 t 檢驗fsig.tdfsig.(雙側(cè))均值差值標(biāo)準(zhǔn)誤差值差分的 95% 置信區(qū)間下限上限均值假設(shè)方差相等3.8610.0551.581520.1202.54071.6071-0.68425.7657假設(shè)方差不相等1.58140.0520.1222.54071.6071-0.70735.7888 酒樣品1酒樣品2酒樣品3酒樣品4酒樣品5酒樣品6酒樣品7一組8274.278.379.47168.477.5二組77.975.875.676.981.575.574.2酒樣品8酒樣品9酒樣品10酒樣品11酒樣品12酒樣品13酒樣品14一組71.472.974.372.363.365.9

15、72二組72.380.479.871.472.473.977.1酒樣品15酒樣品16酒樣品17酒樣品18酒樣品19酒樣品20酒樣品21一組72.47478.873.172.277.876.4二組78.467.380.376.776.476.679.2酒樣品22酒樣品23酒樣品24酒樣品25酒樣品26酒樣品27酒樣品28一組7175.973.377.181.474.881.3二組79.477.476.179.574.37779.6 表4 白葡萄酒樣品平均值 表5 組統(tǒng)計量樣本n均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤均值12874.3714.45860.842622876.5323.17090.5993 表6 獨

16、立樣本檢驗方差方程的 levene 檢驗均值方程的 t 檢驗fsig.tdfsig.(雙側(cè))均值差值標(biāo)準(zhǔn)誤差值差分的 95% 置信區(qū)間下限上限均值假設(shè)方差相等2.7460.103-2.090540.041-2.16071.0340-4.2337-0.0878假設(shè)方差不相等-2.09048.7490.042-2.16071.0340-4.2388-0.0826分析表5、表6可知,對兩組品酒員的數(shù)據(jù)做方差齊性檢驗,得出的值為,值為,由于值大于顯著性水平,所以認(rèn)為不能拒絕零假設(shè),即兩樣本的方差相等.再通過t檢驗可知,對應(yīng)第一行的t檢驗結(jié)果,t統(tǒng)計量的值為,對應(yīng)的概率值為,故拒絕原假設(shè),即兩組品酒員對

17、白葡萄酒樣品的評價有顯著性差異.5.1.3 分析評價結(jié)果可信度分析可信度,由于置信區(qū)間越大,置信度越小;置信區(qū)間越小,置信度越大.可根據(jù)置信區(qū)間的大小和樣本的標(biāo)準(zhǔn)差來綜合判斷評價結(jié)果的可信度.在spss中對四組數(shù)據(jù)進行單個樣本t檢驗,得到了樣本統(tǒng)計量表和單個樣本t檢驗的表格,如表7、表8所示. 表7 單個樣本統(tǒng)計量n均值標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤紅一2773.0567.34261.4131紅二2770.5153.97800.7656白一2874.374.4590.843白二2876.5323.17090.5993表8 單個樣本檢驗檢驗值 = 0 tdfsig.(雙側(cè))均值差值差分的 95% 置信區(qū)間下

18、限上限紅一51.699260.00073.055670.15175.960紅二92.108260.00070.514868.94172.088白一88.265270.00074.37172.6476.10白二127.713270.00076.532175.30377.762由表7、表8可以明顯看出,第一組評酒員對紅、白葡萄酒的評價的置信區(qū)間略大于第二組評酒員對紅白葡萄酒評價的置信區(qū)間,并且第一組品酒員對紅、白葡萄酒評分的均值標(biāo)準(zhǔn)誤差大于第二組品酒員對紅、白葡萄酒評分的均值標(biāo)準(zhǔn)誤差,所以認(rèn)為第二組品酒員對紅、白葡萄酒的評價更具有可信度.通過上述的分析可知，評酒師通過感官評價葡萄酒質(zhì)量，帶有一定的

19、主觀性，因此有必要根據(jù)釀酒葡萄和葡萄酒的理化指標(biāo)來評價葡萄酒的質(zhì)量.5.2 問題二的模型建立與求解 討論釀酒紅葡萄的分級,根據(jù)釀酒紅葡萄的理化指標(biāo)和紅葡萄酒的質(zhì)量對釀酒葡萄進行分級.主成分分析法原理:主成分分析是把原來多個變量化為少數(shù)幾個綜合指標(biāo)的一種分析統(tǒng)計方法, 主成分因子并不是原有變量的簡單取舍，而是原有變量重組后的結(jié)果，因此不會造成原有變量信息的大量丟失,并能夠代表原有變量的絕大部分信息.主成分個數(shù)提取原則為主成分對應(yīng)的特征值大于1的前m個主成分.特征值在某種程度上可以被看成是表示主成分影響力度大小的指標(biāo),如果特征值小于1,說明該主成分的解釋力度還不如直接引入一個原變量的平均解釋力度大

20、,因此一般可以用特征值大于1作為納入標(biāo)準(zhǔn).在考慮釀酒葡萄的理化指標(biāo)時,主要分析一級理化指標(biāo),忽略二級理化指標(biāo)對釀酒葡萄分級的影響.根據(jù)題可知,釀酒紅葡萄有30個一級理化指標(biāo),首先在excel中求出各個理化指標(biāo)的均值,然后在spss中進行主成分分析,得到了解釋的總方差,見附表1. 根據(jù)附表1,選擇特征值大于1 的前八個主成分,為消除量綱不同的影響,在spss中對理化指標(biāo)進行標(biāo)準(zhǔn)化處理,得到了標(biāo)準(zhǔn)化矩陣,用標(biāo)準(zhǔn)化矩陣乘以成分得分系數(shù)矩陣就可以得到釀酒葡萄樣品對各個主成分得分.然后再由公式即可算出各個釀酒紅葡萄樣品的綜合主成分得分.其中,. 計算出的綜合主成分得分如表9所示. 表9 紅葡萄綜合主成分

21、得分樣品1樣品2樣品3樣品4樣品5樣品6樣品7綜合得分樣品8樣品9樣品10樣品11樣品12樣品13樣品14綜合得分樣品15樣品16樣品17樣品18樣品19樣品20樣品21綜合得分樣品22樣品23樣品24樣品25樣品26樣品27綜合得分由表9可知,可以對釀酒紅葡萄分為三個等級,分別為優(yōu)（,）,中（,）,差（,）,分級表格見表10所示. 表10 釀酒紅葡萄分級差（,）中（,）優(yōu)（,）釀酒紅葡萄樣品、5.3 問題三的模型建立與求解 分析釀酒紅葡萄與紅葡萄酒的理化指標(biāo)之間的聯(lián)系. 通過excel對數(shù)據(jù)進行處理,挑選出釀酒葡萄和葡萄酒.共有的理化指標(biāo),多次測量的求取其平均值作為參考數(shù)據(jù),利用spss軟件

22、雙變量相關(guān)性分析,求出理化指標(biāo)的相關(guān)系數(shù),并分析它們之間的聯(lián)系.相關(guān)系數(shù)的數(shù)值范圍是介于與之間（即 ）,常用小數(shù)形式表示,一般要取小數(shù)點后兩位數(shù)字來表示,以便比較精確地描述其相關(guān)程度.兩個變量之間的相關(guān)程度用相關(guān)系數(shù)的絕對值表示，其絕對值越接近1，表明兩個變量的相關(guān)程度越高;其絕對值越接近0，表明兩個變量的相關(guān)程度越低.如果其絕對值等于1,則表明兩個變量完全直線相關(guān),如果其絕對值等于0，表明兩個變量完全不相關(guān).相關(guān)系數(shù)的絕對值越大,相關(guān)性越強,相關(guān)系數(shù)越接近于或,相關(guān)度越強,相關(guān)系數(shù)越接近于,相關(guān)度越弱.“”號表示正相關(guān),即.表示,“”號表示負(fù)相關(guān)，即0.具體的檢驗標(biāo)準(zhǔn)如表11所示. 表11

23、檢驗標(biāo)準(zhǔn)相關(guān)系數(shù)的值線性相關(guān)強度無線性相關(guān)極弱線性相關(guān)弱線性相關(guān)中等程度線性相關(guān)強線性相關(guān)極強線性相關(guān) 下面分析釀酒紅葡萄與紅葡萄酒的理化指標(biāo)間的關(guān)系.采用spss軟件對釀酒紅葡萄和紅葡萄酒共有的花色苷、單寧、總酚、總黃酮、白藜蘆醇、色澤度共計6種理化指標(biāo)進行配對樣本t檢驗和雙變量相關(guān)性分析,得到了成對樣本相關(guān)系數(shù)和成對樣本統(tǒng)計量兩個表格如表12、表13所示. 表12 成對樣本相關(guān)系數(shù)n相關(guān)系數(shù)sig.對 1花色苷 & 花色苷酒270.9230.000對 2單寧 & 單寧酒270.7180.000對 3總酚 & 總酚酒270.8750.000對 4總黃酮 & 總黃酒270.8230.000對

24、5白藜蘆醇 & 白藜蘆醇酒270.0140.947對 6l* & l*酒270.4940.009對 7a* & a*酒27-0.5420.004對 8b* & b*酒270.0250.900 表13 成對樣本統(tǒng)計量 均值n標(biāo)準(zhǔn)差均值的標(biāo)準(zhǔn)誤對 1花色苷105.377052789.61552017.246515花色苷酒263.8994027230.03493244.270243對 2單寧13.88789276.6201381.274046單寧酒7.26611272.9044290.558958對 3總酚14.70907276.6304241.276026總酚酒6.26502272.5253690

25、.486008對 4總黃酮8.21671274.8810880.939366總黃酒4.89732272.9850480.574473對 5白藜蘆醇4.80332275.4741851.053507白藜蘆醇酒3.630362272.89412980.5569755對 6l*26.2401271.156130.22250l*酒41.086672721.3686844.112405對 7a*1.8520272.131940.41029a*酒50.372962713.2687792.553578對 8b*-0.3405270.975280.18769b*酒22.08111277.5974511.462

26、130 花色苷雙變量相關(guān)性分結(jié)果如表14所示. 表14 相關(guān)性花色苷花色苷酒花色苷pearson 相關(guān)性10.923*顯著性（雙側(cè)）0.000n2727花色苷酒pearson 相關(guān)性0.923*1顯著性（雙側(cè)）0.000n2727 *. 在0.01水平（雙側(cè)）上顯著相關(guān)對于理化指標(biāo)花色苷,相關(guān)系數(shù)為,同時相伴概率值小于,故二者呈極強線性相關(guān).相關(guān)圖如圖1所示. 圖1 花色苷相關(guān)圖單寧雙變量相關(guān)性分析結(jié)果如表15所示. 表15 相關(guān)性單寧單寧酒單寧pearson 相關(guān)性10.718*顯著性（雙側(cè)）0.000n2727單寧酒pearson 相關(guān)性0.718*1顯著性（雙側(cè)）0.000n2727 *

27、.在0.01水平（雙側(cè)）上顯著相關(guān)對于理化指標(biāo)單寧,相關(guān)系數(shù)為,同時相伴概率值小于,故二者呈強線性相關(guān).相關(guān)圖如圖2所示.圖2 單寧相關(guān)圖總酚雙變量相關(guān)性分析結(jié)果如表16所示. 表16 相關(guān)性 總酚總酚酒總酚pearson 相關(guān)性10.875*顯著性（雙側(cè)）0.000n2727總酚酒pearson 相關(guān)性0.875*1顯著性（雙側(cè)）0.000n2727 *.在0.01水平（雙側(cè)）上顯著相關(guān) 對于理化指標(biāo)總酚,相關(guān)系數(shù)為,同時相伴概率值為小于,故二者呈極強線性相關(guān).相關(guān)圖如圖3所示.圖3 總酚相關(guān)圖總黃酮雙變量相關(guān)性分析結(jié)果如表17所示. 表17 相關(guān)性總黃酮總黃酒總黃酮pearson 相關(guān)性1

28、0.823*顯著性（雙側(cè)）0.000n2727總黃酒pearson 相關(guān)性0.823*1顯著性（雙側(cè)）0.000n2727*. 在0.01水平（雙側(cè)）上顯著相關(guān)對于理化指標(biāo)總黃酮,相關(guān)系數(shù)為,同時相伴概率值小于,故二者呈極強線性相關(guān).相關(guān)圖見圖4.圖4 總黃酮相關(guān)圖白藜蘆醇雙變量相關(guān)性分析結(jié)果如表18所示.表18 相關(guān)性白藜蘆醇白藜蘆醇酒白藜蘆醇pearson 相關(guān)性10.014顯著性（雙側(cè)）0.947n2727白藜蘆醇酒pearson 相關(guān)性0.0141顯著性（雙側(cè)）0.947n2727 對于理化指標(biāo)白藜蘆醇,相關(guān)系數(shù)為,同時相伴概率值大于,故二者呈極弱線性相關(guān).于是不描述它們之間的相關(guān)圖.

29、l*雙變量相關(guān)性分析結(jié)果如表19所示. 表19 相關(guān)性l*l*酒l*pearson 相關(guān)性10.494*顯著性（雙側(cè)）0.009n2727l*酒pearson 相關(guān)性0.494*1顯著性（雙側(cè)）0.009n2727 *. 在0.01水平（雙側(cè)）上顯著相關(guān)對于理化指標(biāo)l*,相關(guān)系數(shù)為,同時相伴概率值為大于,故二者呈中等程度線性相關(guān),不描述他們之間的相關(guān)圖. a*雙變量相關(guān)性分析結(jié)果如表20所示. 表20 相關(guān)性 a*a*酒a*pearson 相關(guān)性1-0.542*顯著性（雙側(cè)）0.004n2727a*酒pearson 相關(guān)性-0.542*1顯著性（雙側(cè)）0.004n2727 *. 在0.01水平

30、（雙側(cè)）上顯著相關(guān)對于理化指標(biāo)a*,相關(guān)系數(shù)為,同時相伴概率值小于故二者呈中等程度線性相關(guān),不描述它們之間的相關(guān)圖.b*雙變量相關(guān)性分析結(jié)果如表21所示.對于理化指標(biāo)b*,相關(guān)系數(shù)為,同時相伴概率值大于,故二者呈極弱線性相關(guān),所以不描述他們之間的相關(guān)圖.表21 相關(guān)性 b*b*酒b*pearson 相關(guān)性10.025顯著性（雙側(cè)）0.900n2727b*酒pearson 相關(guān)性0.0251顯著性（雙側(cè)）0.900n27275.4 問題四的模型建立與求解 分析釀酒紅葡萄和紅葡萄酒的理化指標(biāo)對紅葡萄酒質(zhì)量的影響,并論證能否用紅葡萄和紅葡萄酒的理化指標(biāo)來評價紅葡萄酒的質(zhì)量.紅葡萄酒和紅葡萄的理化指標(biāo)

31、與白葡萄酒和白葡萄的理化指標(biāo)對葡萄酒質(zhì)量的影響是不同的,因此需分開進行分別分析.在第一問中,由于第二組評酒員的評價結(jié)果更可信,所以采用第二組評酒員對紅、白葡萄酒的評價結(jié)果作為葡萄酒的質(zhì)量的數(shù)據(jù)反映. 5.4.1 紅葡萄理化指標(biāo)對葡萄酒質(zhì)量的影響 在第二問中,釀酒紅葡萄有三十個一級理化指標(biāo),將這三十個理化指標(biāo)作為自變量,將紅葡萄酒的質(zhì)量作為因變量,先進行數(shù)據(jù)的標(biāo)準(zhǔn)化處理,再用標(biāo)準(zhǔn)化的數(shù)據(jù)進行多元線性回歸分析,得到了系數(shù)表,見附表2.由附表2中回歸方程的系數(shù),既可以得到多元線性回歸方程:其中,分別對應(yīng)附表2中的氨基酸總量、蛋白質(zhì)果皮顏色b*等自變量,為因變量紅葡萄酒的質(zhì)量. 可知,紅葡萄酒的質(zhì)量與

32、蘋果酸、多酚氧化酶、可溶性固形物、出汁率、果皮顏色l*、果皮顏色b*等呈較強負(fù)相關(guān),與總酚、單寧、白藜蘆醇、總糖、固酸比、果穗質(zhì)量等呈較強正相關(guān)關(guān)系,可以用紅葡萄的理化指標(biāo)衡量葡萄酒的質(zhì)量.5.4.2 紅葡萄酒理化指標(biāo)對葡萄酒質(zhì)量的影響 根據(jù)題中的附件可知,紅葡萄酒由九個一級理化指標(biāo),對這九個一級理化指標(biāo)進行標(biāo)準(zhǔn)化,再進行多元線性回歸,得到了系數(shù)表見表22.表22 系數(shù)a模型非標(biāo)準(zhǔn)化系數(shù)標(biāo)準(zhǔn)系數(shù)tsig.b標(biāo)準(zhǔn) 誤差試用版1(常量)-6.995e-150.1550.0001.000zscore(花色苷酒)-1.1630.586-1.163-1.9840.064zscore(單寧酒)0.5730

33、.5190.5731.1050.284zscore(總酚酒)-0.3840.758-0.384-.5060.619zscore(總黃酒)0.4550.4880.4550.9320.364zscore(白藜蘆醇酒)0.3020.2710.3021.1120.282zscore(dpph)-0.2190.779-0.219-0.2820.782zscore: l*酒-1.0510.635-1.051-1.6540.116zscore: a*酒-0.1610.305-0.161-0.5280.604zscore: b*酒-0.2250.250-0.225-0.9010.380a.因變量: zscore(質(zhì)量)由表22回歸方程的系數(shù)，既可以得到多元線性回歸方程: 其中,分別對應(yīng)表22中花色苷酒、單寧酒b*酒等自變量,為因變量紅葡萄酒的質(zhì)量.可知紅葡萄酒的質(zhì)量與葡萄酒的花色苷、l*、總酚呈較強負(fù)相關(guān),且花色苷和l*的影響比較顯著,與單寧酒、酒總黃酮、白藜蘆醇酒等理化指標(biāo)成正相關(guān)關(guān)系.可以用紅葡萄酒的理化指標(biāo)衡量紅葡萄酒的質(zhì)量.由