葡萄酒的评价

1、葡糖酒的评价问题分析问题分析 问题一 比较两组评价结果的是否存在差异，并建立合理的评价模型以判断两组结果在可信程度方面的优劣 问题二 分析确定合理的评价指标体系，并运用该评价指标体系对酿酒葡萄进行分级 问题三 分析酿酒葡萄与葡萄酒的理化指标之间的联系 问题四 通过酿酒葡萄和葡萄酒的理化指标，得到对葡萄酒的质量的评价，并论证是否可行 模型假设 1. 假设各样本能真实客观地反映酿酒葡萄与葡萄酒的情况； 2. 葡萄酒的质量只与酿酒葡萄的好坏有关，忽略酿造过程中的温度、湿度、人为干扰等其他因素的影响； 3. 不考虑理化性质的二级指标； 4. 每组评酒员的打分不受上个酒样品的影响，即各评分数据间独立；模

2、型的建立与求解*mx步骤一：葡萄酒样本评分概率分布的确定，其目的是确定显著性差异模型的类型；步骤二：两组评酒员评价结果的显著性差异模型的建立，主要通过 Wilcoxon 符号秩检验法进行显著性差异的假设检验；步骤三：建立秩相关分析评价模型，并通过该模型判断两组品酒员评价结果在可信度方面的优劣。数据的预处理数据的预处理1.缺失数据的处理缺失数据的处理（采用均值替换法对这种缺失数据进行处理） 即：其中， 为缺失值10*1,19mkkmxx以酒品20为例2.异常数据的修正异常数据的修正（原始数据中，有的数据明显比两侧的数据过大或过小） 例如：品酒员7对样品3的评分整体思路各葡萄酒样本评分数据概率分布

3、的确定首先，计算针对每一个样本 10 个品酒员的评分均值，即 其次，利用 SPSS 统计软件中的 P-P 图和单样本 K-S 检验，对数据集两组品酒员分别对红、白葡萄酒品尝得到的四组评价结果（见附录 8.1.2）进行了正态分布检验，若样点在正态分布 P-P 图上呈直线散布，则被检验数据基本上成一条直线3。1 011 0m nmxx（m=1,210 ,n=1,210）从图 1 可以看出第一组（其余三组见附录 8.1-图 8.1）数据的散点分别近似为一条直线，且与对角线大致重叠；双边检验结果 p=0.5250.05。因此可以认为品酒员对葡萄酒的评分服从正态分布两组评价结果的显著性差异评价两组评价结

4、果的显著性差异评价为了进一步说明品酒员评分的科学性以及两个评分组评分的可信度，我们对数据进行显著性检验其检验步骤（以红葡萄为例）如下：Step1. 提出假设：H0：两组品酒员对酒样本的评价结果是相同的； H1：两组品酒员对酒样本的评价结果是不同的。Step2. 选定显著性水平=0.05，n1=n2=27，根据样本值计算成对观测数据之差i D ，并将i D 的绝对值按大小顺序编上等级。最小的数据等级为1，第二小的数据等级为2，以此类推（若有数据相等的情形，则取这几个数据排序的平均值作为其等级。等级编号完成后恢复正负号，分别求出正等级之和和负等级之和，选择较小的一个作为威尔科克森检验统计量TSte

5、p3. 统计量 T 的均值和方差分别为E (T)和D (T)，确定检验统计量Step4. 查正态分布表可得 的值,根据样本值计算的检验统计量的观测值a/2005/21.96ZZ(t)(0,1)( )TEZND t秩相关分析评价模型的建立秩相关分析评价模型的建立 我们采用肯德尔和谐系数法来评定葡萄酒质量高低步骤如下： Step1. 对附件 1 葡萄酒品尝评分表中的数据进行秩变换 Step2. 计算和谐系数w，建立秩相关分析评价模型 令和谐系数 为计算方便，可将上式转化为： Step3. 进行显著性检验32w1()12Qjjm21010211()mjmmjmQjRR解得四组评分结果w值如下：由表

6、4 可知，对于红葡萄酒，第一组品尝得分存在相关的概率大于第二组品尝得分存在相关的概率，即第一组品酒员的评价结果更为可信；而对于白葡萄酒，第二组存在相关的概率大于第一组，即是第二组品酒员的评价结果更为可信。因此，本文后续分析中，对于红葡萄酒质量评价结果选用第一组品尝得分，对于白葡萄酒质量评价结果选用第二组品尝得分。本 问题二的建立与求解问题二的建立与求解 模型一一：指标体系模型：酿酒葡萄30种指标进行主成分分析，得出17种指标在八个主成分方面的重要程度，然后结合葡萄酒的10种质量评分指标来构建评价模型的指标体系； 模型二模型二：建立综合评价模型：首先用层次分析（AHP)法确定27种指标权重，并通

7、过该模型指标进行多指标综合评价，以对酿酒葡萄进行分级。整体思路step 1红酿酒葡萄指标共红酿酒葡萄指标共3030个，样本对象个，样本对象2727个，第个，第j j 个样个样本的第本的第i i 个指标值为个指标值为Fij Fij ，将各标准化值按如下方，将各标准化值按如下方式进行标准化为式进行标准化为 Fij Fij* *= =（Fij-FiFij-Fi）/si/si其中其中FiFi和和s is i分别为分别为i i 指标的均值和标准差指标的均值和标准差step 2step 2求相关系数阵，特征值和特征向量求相关系数阵，特征值和特征向量step 3 step 3 首先进行相关性分析，发现某些指

8、标具有首先进行相关性分析，发现某些指标具有很强的相关性，主成分分析把多个指标转化成少数很强的相关性，主成分分析把多个指标转化成少数几个不相关的综合指标几个不相关的综合指标模型一：指标体系模型的建立模型一：指标体系模型的建立(1)(t)4-2.531.96( )(1)(21)24n nTTEZD tn nn 所以应拒绝H0，即在显著性水平 a=0.05下，认为两个品酒组对红葡萄酒的评价结果是不同的，即存在显著性差异。 类似地，对于两个品酒组白葡萄酒的评价结果,可以得到 (t)-2.231.96( )TEZD t 因此，两组品酒员对红、白葡萄酒的评价结果均存在显著性差异在累计方差为83.347%的

9、前提下分析得到八个主成分，这八个主成分提供酿酒红葡萄的理化指标中83.347%的信息，满足主成分分析原则用spss对红葡萄酒的酿酒葡萄30个指标27个样本标准化数据进行相关性分析，发现相关性显著，然后进行主成分分析，运行结果如下解释的总方差解释的总方差成份成份初始特征值初始特征值提取平方和载入提取平方和载入合计合计方差的方差的 % %累积累积 % %合计合计方差的方差的 % %累积累积 % %1 16.8916.89122.96922.96922.96922.9696.8916.89122.96922.96922.96922.9692 25.0665.06616.88716.88739.857

10、39.8575.0665.06616.88716.88739.85739.8573 33.8903.89012.96612.96652.82252.8223.8903.89012.96612.96652.82252.8224 42.9062.9069.6879.68762.50962.5092.9062.9069.6879.68762.50962.5095 52.0552.0556.8516.85169.36069.3602.0552.0556.8516.85169.36069.3606 61.7051.7055.6845.68475.04475.0441.7051.7055.6845.684

11、75.04475.0447 71.3451.3454.4834.48379.52779.5271.3451.3454.4834.48379.52779.5278 81.1461.1463.8203.82083.34783.3471.1461.1463.8203.82083.34783.347模型一：指标体系模型的求解模型一：指标体系模型的求解利用利用SPSS 统计软件计算得到主成分分析正交解统计软件计算得到主成分分析正交解12345678V1.382.595-.029-.349-.209-.217.095.370V2.701-.413.205-.202.200-.059-.095.110V3-

12、.113-.407.106-.035-.548.068.136.159V4.895-.117-.108.225.092.107.026-.032V5.522.210.375-.241.354.054-.444.229V6.161.418.251.628.064.333.054-.236V7.232.236.424.370.371.116-.356.383V8.247.089-.184.640.244-.284.130-.060V9.515-.074.118.736-.039-.080.052-.143V10.803-.388.014-.168-.021.192.172.027V11.871-.

13、108-.170-.217-.030.151.089-.198V12.753-.104-.266.100-.175.343-.013.072V13.777-.211-.178-.212.026.347.075-.239V14.079-.002.814-.081-.213.269.354.085V15.631.105.047.284-.124-.196.358.463V16.194.799-.200-.216.109-.089.277-.154V17.000.762-.163-.118.122-.141.070.080V18.164.762-.358-.108.129-.078.264-.105

14、V19.303-.252.158-.738.128-.319.205.024V20-.299.412-.631.056-.323.338-.064.160V21.343-.008.454-.049.533-.242.129-.277V22.289.881-.235-.051.103-.002.051.040V23-.283-.506-.206-.072.608.121.140.295V24-.460-.428-.473-.058.282.225.242.129V25.598-.138.213.311-.390-.292.089.186V26.510-.179-.285-.279-.017.25

15、1-.056-.092V27-.133-.286-.614.296.377.201.331.252V28-.472-.371.351.138.082-.227.404-.075V29-.355.289.710-.104-.025.367.259.007V30-.247.495.567-.082.177.517.136.081提取方法 :主成份。a. 已提取了 8 个成份。正交解说明，红葡萄理化指标当中，主成分1 为葡萄总黄酮、总酚、DPPH 自由基和单宁的组合，主成分2 为总糖、可溶性固形物和干物质含量的组合，主成分3 为苹果酸和褐变度的组合，主成分4 为果皮质量与果穗质量的组合，主成分5 为

16、红绿色差指标a 值和黄蓝色差指标b 值的组合，主成分6 为可滴定酸和固酸比的组合，主成分7 为黄酮醇，主成分8 为酒石酸。这组合说明葡萄总黄酮、总酚、DPPH 自由基和单宁，总糖、可溶性固形物和干物质含量，苹果酸和褐变度，果皮质量与果穗质量，红绿色差指标a值、黄蓝色差指标b 值和白藜芦醇，可滴定酸和固酸比可能在同一方面对酿酒葡萄分级起重要作用，而黄酮醇、酒石酸分别在不同角度影响酿酒葡萄的质量与分级。从而确定出八个主成分的17种重要 影响指标。根据以上主成分分析得到酿酒葡萄理化指标主成分1至主成分8的17个指标，葡萄酒质量的10个指标讨论。综上可得，酿酒葡萄质量评价指标体系构架为：图2 酿酒葡萄

17、质量评价指标体系构架表模型一：指标体系模型的求解结果模型一：指标体系模型的求解结果step1评价指标的无量纲化处理评价指标的无量纲化处理本文的各个评价指标之间由于各自的度量单位及数量级的差别，而存在着不可公度性，这就为确定综合评价指标带来了困难和问题。此时，可以通过一些常用的数学变换，即数据的无量纲化，来消除原始指标数据的差异影响。对n个样本17项指标的指标值,其中Xij*为标准化后的数据 Step2.运用层次分析法（运用层次分析法（AHP）确定评价指标权重）确定评价指标权重 酿酒葡萄17个指标与葡萄酒的质量的10个指标所占权重之和各位0.5.酿酒葡萄17个指标根据不同理化性质在样本中的分布情

18、况,即以八种主成分因子方差贡献率的两两的比值作为两个变量的相对重要程度，对于葡萄酒的质量的10个指标根据评分指标对直接计算权重，确定各个指标之间的相对重要程度，可以得到如下判断矩阵表模型二：基于综合评价的酿酒葡萄分级模型的建立模型二：基于综合评价的酿酒葡萄分级模型的建立得到判断矩阵后，求得其最大特征向量，将该特征向量归一化处理后即可得到各影响分级程度指标的权向量w=(0.025338,0.050677,0.037031,0.049375,0.098749,0.024966,0.033288,0.033288,0.091543,0.055744,0.027149,0.026999,0.025413,0.02471,0.3016,0.029704,0.029601,0.031552,0.031373,0.028495,0.025929,0.027401,0.026595,0.02642,0