分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量

《分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，并论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量1.1问题4的分析问题四要求研究酿酒葡萄与葡萄酒的理化指标对葡萄酒质量的影响，以及是否能完全用酿酒葡萄和葡萄酒的理化指标评价葡萄酒的质量。我们将提取葡萄及葡萄酒的理化指标与芳香物质中的主成分，利用逐步回归的方法考察理化指标与芳香物质对葡萄酒质量的影响程度，通过对芳香物质对葡萄酒质量影响比重得到芳香物质对葡萄酒的质量有30%以上的影响比重（白葡萄的芳香物质对白葡萄酒的质量影响相对更大），故而不能完全用酿酒葡萄和葡萄酒的理化指标评价葡萄

2、酒的质量。1.2逐步回归分析模型的建立逐步回归法是一种变量筛选方法。逐步回归法采取边进边退的方法，对于模型外部的变量，只要它还可提供显著的解释信息，就可以再次进入模型；而对于【6】已在内部的变量，只要它的偏F检验不能通过，则还可能从模型中被删除。（1）偏F检验在决定一个新的变量是否有必要进入模型，或者判断某个变量是否可以从模型中删除时，考虑这个变量能否对y提供显著的附加解释信息？现采用偏F检验。设有n个自变量x,,,xx，采用这n个自变量拟合的模型称为全模型，即12nybbxbxbx01122nn从这n个变量中删除

3、自变量x，这时用n1个自变量拟合模型称为减模型，j即ybbxbxbxbx011jj11jj11nn22全模型的复判定系数为R，减模型的复判定系数记为R。定义j222RRRjj2由于在全模型中多一个自变量x，所以，若R几乎为零，说明增加x，jjj2对y的解释能力没有显著提高；否则，若R显著不为零，则x就可以为回归模jj型提供显著的解释信息。22给出统计假设HRHR:0,:001jj统计检验量为QQjFjQnm(1)式中，Q是减模型的残差平方和，Q为全模型的残差平方和。j根据检验

4、水平查F分布表，得到拒绝域的临界值F，则决策准则如下：2（i）当FF时，拒绝H，说明R显著不为零，这说明在j0jx,,,xx,,x变量已进入模型后，引入x会显著提高对y的解释能力；11jj1nj2（i）当FF时，接受H，说明R显著为零，这说明在全模型中删除x，j0jj对y的解释能力无显著的减弱变化。（2）逐步回归分析模型的起始首先要求与每一个yx的一元线性回归方程，选择F值最大的变i量进入模型。然后，对剩下的n1个模型外的变量进行偏F检验（设定x已在i1模型中），在若干通过偏F检验的变量中，选择F值最大者进

5、入模型。再对模型j外的n2个自变量做偏F检验。在通过偏F检验的变量中选择F值最大者进入j模型。接着对模型中的三个自变量分别进行偏F检验，如果三个自变量都通过了偏F检验，则接着选择第四个变量。但如果有某一个变量没有通过偏F检验，则将其从模型中删除。重复上述步骤，直到所有模型外的变量都不能通过偏F检验，则算法终止。为了避免变量的进出循环，一般取偏F检验拒绝域的临界值为FF>进出式中，F为选入变量时的临界值；F为删除变量时的临界值。进出（3）理化指标对葡萄酒质量的影响将酿酒葡萄和葡萄酒的理化指标合并为一个数据表（见附件），将得到的数据进

6、行标准化处理，处理方法如式（5），基于模型三的酿酒葡萄理化指标的主成分分析法对合并的数据进行主成分分析，得到酿酒葡萄和葡萄酒的理化指标的p个主成分，对其两者的理化指标降维，且增强指标的独立性，把各酿酒葡萄与葡萄酒合并的样本的原始三十九个理化指标的标准化数据代入p个主成分的表达式，就可以得到各葡萄样本的p个主成分值。将评酒员的评分作为葡萄酒质量的定量刻画，利用合成样本的主成分对葡萄酒质量进行逐步回归分析，得到酿酒葡萄和葡萄酒理化指标对葡萄质量的综合定量描述yfxxx(,,,)，改变其中的12p某一项或几项解释变量x，可以观察到该项

7、或几项解释变量对葡萄质量的影响iyfxx(,,,,,)xx。12ip1.3逐步回归分析模型的求解对酿酒葡萄与葡萄酒合并的样本进行主成分分析，以酿酒红葡萄、红葡萄酒为例主成分分析的结果如下：表1：酿酒红葡萄、红葡萄酒理化指标的主成分分析结果序号特征根贡献率累计贡献率111.614229.77990.297825.174713.26850.430534.313611.06050.541143.42718.78730.62952.31885.94560.688462.12355.4450.742971.57644.04210.7

8、83381.50333.85460.821891.14552.93720.8512101.00632.58040.877110.86122.20820.8991120.77951.99880.9191130.61681.58150.9