【正文】 驗結果報表。其中t表示用公式：所計算出的值，是最終計算出P值的依據(jù)。df為自由度，sig（雙側顯著性概率）則為我們所需要的P值。可以看到最終結果是P=，因此在95%的置信水平上差異顯著，所以兩組評論員評分無顯著性差異的假設不成立，即兩組評論員對紅酒的評分具有顯著性差異。圖四為以上結果的綜合圖形描繪。圖4. 結果的綜合圖形描繪對于白葡萄酒的組，利用同樣的方法進行差異性分析，在SPSS軟件里同樣也得到如下結果，如表表表7所示：均值N標準差均值的標準誤對 1白葡萄酒各項平均分1308白葡萄酒各項平均分2308 N相關系數(shù)Sig.對 1白葡萄酒各項平均分1 白葡萄酒各項平均分2308.996.000 成對差分TdfSig.(雙側)均值標準差均值的標準誤差分的 95% 置信區(qū)間下限上限對 1白葡萄酒各項平均分1 白葡萄酒各項平均分2.11013307.000 如圖5所示，因此兩組評論員對白葡萄酒的評價在95%的置信水平上也具有差異顯著性，從而可得出結論：無論是針對紅葡萄酒還是白葡萄酒，兩組評酒員的評價結果都有顯著性差異。. 問題反思： 對于該問題，我們將每項葡萄酒評分做了平均化處理，再把處理出來的平均分作為樣本，這樣每個樣本中的數(shù)據(jù)變成了與每個指標得分情況對應的一元數(shù)值，然后用配對樣本T檢驗法對其進行差異顯著性分析。通過這種方法處理出來的結果具有一定的科學性與準確性。但是由于數(shù)據(jù)是進行了平均化處理后的數(shù)據(jù)，因此模型所反映出的情況不具有完整性，對此我們便有了下面這種改進思路：將每組中10名品酒師對27項樣品的評價總分作為一個的矩陣（其中第i個品酒員對第j款酒所給的總分）。每個矩陣分別對應該組品酒師的評分具體情況，再用這兩組數(shù)據(jù)構成的矩陣進行多元數(shù)據(jù)的T檢驗，如此處理出的結果就應該更具有完整性與可靠性。但由于本組成員所了解的統(tǒng)計學知識還不足以去運用這樣多元性的、更為精確的處理手段，因此就將這作為一個以后改進的思路。. ：附件1中兩組評酒員評價結果的信度分析我們針對兩組中每位品酒師對每種酒所給出的總分得出的矩陣對其中的元素逐行進行可信度分析。．模型討論首先我們根據(jù)品酒師打分為主觀作用，我們選擇評價評分者信度的Kendall W協(xié)同檢驗模型，通過SPSS對紅白葡萄4組數(shù)據(jù)進行模擬分析，（），無法得出明確的結論。經過思考，我們發(fā)現(xiàn)Kendall模型對于采用等級評定方式評分的情況是可取的，然而當評分者用其他非等級評定的方式（如百分制）評定時，其信度系數(shù)是不合適的，因為其信度系數(shù)僅能反映評分者之間的相對一致性，并沒有考慮評分者之間存在的評分絕對差別，在這種情況下評分者之間的系統(tǒng)誤差也看會被成是隨機誤差，此時計算出的信度系數(shù)不能正確反映評分者信度的高低。所以我們選擇內部一致性信度分析。. 問題假設為簡化模型，排除品酒員主觀因素和個人偏好不同而造成的影響，我們做出如下假設：每位品酒員鑒定的同一種葡萄酒特質完全相同。 對于每一種類葡萄酒被任何一品嘗相當于對其質量進行一次客觀的測試，每一項指標的評價，相當于一道題目的得分。葡萄酒的特質可以從品酒員的品嘗時考慮的方面（即客觀測試的一系列“題目”）測量出來。. 模型的建立及求解對于抽象出來的測試模型，由于每道測試題目表示一個特質指標的評價，所以我們不能采用簡單的二分法計分。因而我們選擇Cronbach 系數(shù)分析。其中式中，K為整個品嘗的次數(shù)；為總得分的方差；為是所有在第i位品酒師打分的方差。我們先用EXCEL進行數(shù)據(jù)處理，得到的矩陣，以紅葡萄酒為例。 表8. 第一組紅葡萄酒 表9. 第二組紅葡萄酒 如表表9所示，不難看出對于紅葡萄酒，第一組標準化Cronbachs Alpha較高，即第一組品酒師對紅葡萄酒的評價更為可靠。同樣地對于白葡萄酒，第一組標準化Cronbachs Alpha比第二組更高，如表表11所示。表10. 第一組白葡萄酒 表11. 第二組白葡萄酒 即第一組更為可信。再對第一組進行進一步討論，對于第一組十位品酒師對紅白葡萄酒的評價的項已刪除的 Cronbach39。s Alpha 值（詳見附錄）進行分析，沒有任何一位品酒師對于整體的標準化Cronbachs Alpha有明顯影響，所以十位品酒師的評價分數(shù)也均可信。綜上所述，無論對于紅葡萄酒還是白葡萄酒，兩組品酒師的評價均存在顯著差異，其中第一組品酒師的評價結果更可信，并且第一組十位品酒師的評價都屬于可信范圍。. 問題2：根據(jù)釀酒葡萄的理化指標和葡萄酒的質量對釀酒葡萄進行分級. 問題分析如果單用葡萄酒為釀酒葡萄打分，則直接在葡萄酒的外觀、香氣、口感質量權重中賦予權值，所得之和即可作為對釀酒葡萄的評分。而本題卻引入了另一類變量，就是葡萄的理化指標。這是一項很龐大雜亂的數(shù)據(jù)，所以我們想到利用主成分分析法對這些數(shù)據(jù)進行主要因子分析，找出這些指標的公共因子，求的每一樣品在這些因子上的成份得分系數(shù)矩陣，給數(shù)據(jù)降低維度，再以此作為研究釀酒葡萄等級評定的依據(jù)。. 模型建立（以紅葡萄為例）首先對數(shù)據(jù)進行歸一化處理，再用SPSS因子分析對處理后的數(shù)據(jù)進行因子分析。并選擇具有 Kaiser 標準化的正交旋轉法進行處理。得到的結果如表12所示：成份12345678花色苷.852 總酚.851 單寧.759 DPPH自由基.734 葡萄總黃酮.704 果梗比.585 蛋白質.584 L 黃酮醇.562 百粒質量 出汁率.533 干物質含量 .847 總糖 .792 還原糖 .777 可溶性固形物 .758 氨基酸總量 .559 白藜蘆醇 .812 A .724 可滴定酸 果皮質量 .530 B .500.590 褐變度.618 .673 多酚氧化酶活力 .661 蘋果酸 .639 酒石酸 果穗質量 .610 VC含量 固酸比 檸檬酸 提取方法 :主成份。 a. 已提取了 8 個成份。 SPSS經過因子分析和旋轉處理后一共得到了8個主成分，但在8個主成分之中，葡萄的理化指標所載負荷主要是分配在前四