【正文】 x2=[ ]39。 x7=[ones(length(y7),1) x7] [b,bnt,r,rint,stats]=regress(y7,x7,alpha) subplot(3,3,6) rcoplot(r,rint) grid on 37 附錄五：殘差分析程序 clc,clear y1=[681 740 746 712 721 663 653 660 782 688 616 683 688 726 657 699 745 654 726 758 722 716 771 715 682 720 715]39。 36 alpha=。 x5=[ 6 35 ]39。 x3=[ones(length(y3),1) x3] [b,bnt,r,rint,stats]=regress(y3,x3,alpha) subplot(3,3,2) rcoplot(r,rint) grid on y4=[ ]39。 alpha=。 x7=[ ]39。 x5=[ones(length(y5),1) x5] [b,bnt,r,rint,stats]=regress(y5,x5,alpha) subplot(3,3,5) rcoplot(r,rint) grid on y6=[ ]39。 alpha=。 x3=[ 27 3 ]39。 x1=[ones(length(y1),1) x1] [b,bnt,r,rint,stats]=regress(y1,x1,alpha) subplot(3,3,1) rcoplot(r,rint) grid on y2=[ ]39。第二組 39。紅 葡萄酒 樣 品 號 39。k:39。第二組 39。白葡萄酒 樣 品 號 39。兩個組 白、 紅 葡萄酒的均值比 對圖 39。k39。 y2=[ 74 66 72 ]。 然后客觀理性地對各項指標進行權(quán)重分析討論，從而更加精準地得出了葡萄酒的質(zhì)量。判定葡萄酒中是否摻假通過感官分析葡萄酒的顏色、香氣、醇厚度結(jié)構(gòu)感等可判定葡萄酒是否摻假。而在最好或最壞兩個極端類型之間還存在著很多中間類型。一種味感不能掩蓋另一種味感。 葡萄酒的味感分析 20 葡萄酒的味感特性是其氣味特性的基礎(chǔ)結(jié)構(gòu)，即氣味特性的支撐體。 葡萄酒的香氣分析，葡萄酒的香氣極為復(fù)雜、多樣。感官分析與評價：葡萄酒的外觀顏色分析，觀察分析其外觀，它主要給人以澄清度（混濁、光亮）和顏色（深淺、色調(diào)）等方面的評價。葡萄酒的質(zhì)量檢定，單單依靠化學(xué)分析或儀器分析，即使完全符合國家標準或部頒標準，是遠遠不夠的，因為化學(xué)分析和儀器分析只能表示葡萄酒 的化學(xué)成分或衛(wèi)生指針。感官指標：包括葡萄酒的外觀（顏色、濃度、色調(diào)、澄清度、氣泡存在與否及持續(xù)性）；香氣（類型、純正度、濃度、質(zhì)量及諧程度）；口感（協(xié)調(diào)性、結(jié)構(gòu)感、平衡性、純正度、質(zhì)量、濃度、后味等）；典型性（外觀、香氣與滋味之間的平衡性） ；感官指針是評價葡萄酒質(zhì)量的最終及最有效的指標。利用了 MATLAB 數(shù)學(xué)軟件和殘差分析法把數(shù)據(jù)處理得細致、準確，簡單、便捷地解決了問題。 模型二的評價 用參考值對大量數(shù)據(jù)進行篩選，從 中取出對葡萄酒質(zhì)量影響較大的釀酒葡萄理化指標物質(zhì)，去掉對葡萄酒質(zhì)量影響較小的釀酒葡萄理化指標物質(zhì)，使數(shù)據(jù)變得少且更具有代表性，給數(shù)據(jù)處理帶來了方便。 將葡萄酒的評分質(zhì)量數(shù)據(jù)與葡萄酒的理化指標中的數(shù)據(jù)用 MATLAB 軟件進行殘差編程運算得出下圖： 18 圖表 8:殘差分析 從圖中可以看出葡萄酒的理化指標對葡萄酒的質(zhì)量只有一定的影響， 由上面幾種因素可以得出不能用葡萄和葡萄酒的理化指標來直接評價葡萄酒的質(zhì)量。 根據(jù)假設(shè)建立模型： ,2,1,22110 nixxxY iippiii ?? ??????? ????? 求 解模型 利用 SPSS軟件按順序?qū)Γt）釀酒葡萄理化指標和（紅）葡萄酒質(zhì)量與（白）釀酒葡萄理化指標和（白）葡萄酒質(zhì)量進行 T分布處理，結(jié)果如下： 表 19： Paired Samples Test Paired Differences t df Sig. (2tailed) Mean Std. Deviation Std. Error Mean 95% Confidence Interval of the Difference Lower Upper Pair 1 VAR00001 VAR00002 .00000 440 36 02 2 .000 26 Pair 2 VAR00004 VAR00005 .00000 483 85 49 9 .000 27 根據(jù)上述分布圖可以看出， t值為 ，因此，釀酒葡萄對葡萄酒質(zhì)量有一定影響。 對于附件二中的數(shù)據(jù)，如果是單項多次檢測結(jié)果的需要先利用 Excel求出平均數(shù)，在上述假設(shè)條件下利用 SPSS軟件建立模型： 表 16：（紅）聚類表如下： 階 群集組合 系數(shù) 首次出現(xiàn)階群集 下一階 群集 1 群集 2 群集 1 群集 2 1 6 18 0 0 3 2 5 24 0 0 8 3 6 12 1 0 25 4 26 27 0 0 10 5 2 14 0 0 18 6 4 25 0 0 7 7 4 19 6 0 14 8 5 17 2 0 9 9 5 15 8 0 13 10 13 26 0 4 11 11 13 16 10 0 16 12 9 23 0 0 22 13 5 7 9 0 19 14 4 10 7 0 16 15 20 22 0 0 19 16 4 13 14 11 21 17 3 21 0 0 20 18 1 2 0 5 20 19 5 20 13 15 24 20 1 3 18 17 22 12 21 4 11 16 0 24 22 1 9 20 12 23 23 1 8 22 0 26 24 4 5 21 19 25 25 4 6 24 3 26 26 1 4 23 25 0 表 17：（白）聚類表如下： 聚類表 階 群集組合 系數(shù) 首次出現(xiàn)階群集 下一階 群集 1 群集 2 群集 1 群集 2 1 7 18 0 0 4 2 2 14 0 0 13 3 22 23 0 0 5 4 1 7 0 1 15 5 9 22 0 3 8 6 11 19 0 0 11 7 3 10 0 0 20 8 9 26 5 0 17 9 4 6 0 0 14 10 17 20 0 0 13 11 11 25 6 0 16 12 12 28 0 0 19 13 2 17 2 10 21 14 4 21 9 0 23 15 1 13 4 0 22 16 11 16 11 0 18 17 8 9 0 8 21 18 11 15 16 0 22 19 12 27 12 0 23 20 3 24 7 0 26 21 2 8 13 17 25 22 1 11 15 18 24 23 4 12 14 19 26 24 1 5 22 0 25 25 1 2 24 21 27 26 3 4 20 23 27 27 1 3 25 26 0 根據(jù)聚類表可作出下（紅）圖例分析： 13 圖表 2 圖表 3 根據(jù) SPSS軟件自動擬合生成下列（紅）聯(lián)系聚類圖： 圖表 4：使用 Ward聯(lián)接的（紅）樹狀圖 14 圖表 5 利用 Matlab軟件對數(shù)據(jù)進行多元化線性線性回歸擬合： 15 圖表 6：（紅） 擬合圖形： 圖表： 7（白）擬合圖形 根據(jù)回歸系數(shù) b可得下列回歸方程： （白）釀酒葡萄與葡萄酒理化指標之間的聯(lián)系： Y2=*X6+*X21+4014*X28+*X2 Y3=**X18+*X1+****X25+*X16+*X13 Y4=+*X7+**X13+*X11+**04**X15 Y5=**X14+**X20+*X22+*X9+0.002*X26 Y6=+**X10 Y7=+*X10+**X6+*X21 (紅 )釀酒葡萄與葡萄酒理化指標之間的聯(lián)系： Y1=+**X2+*X4+*X15 Y2=+*X13+*X25+*X10+*X11 Y4=+*X4+**X25+*X10 16 Y5=*X9+*X1+*