【正文】 24 附錄 2 理化指標(biāo)的相關(guān)度 紅葡萄酒的等級(jí)與釀酒紅葡萄的各項(xiàng)指標(biāo)的相關(guān)度分析結(jié)果 ： 白葡萄酒的等級(jí)與釀酒白葡萄的各項(xiàng)指標(biāo)的相關(guān)度分析結(jié)果： 25 附錄 3 紅酒 偏相關(guān) 系 矩陣 （白酒同理可求） 210 . 7 4 4 4 3 10 . 7 6 4 8 9 0 . 9 2 1 0 2 10 . 6 6 4 4 9 0 . 8 3 7 3 1 0 . 9 0 3 9 2 10 . 1 2 3 8 6 0 . 3 3 1 2 4 0 . 4 8 5 9 8 0 . 3 9 9 4 3 10 . 6 7 5 6 7 0 . 9 1 5 0 2 0 . 9 5 2 7 4 0 . 9 2 6 3 8 0 . 5 2 8 1 4 10 . 8 2 2 0 6 0 . 7 6 7 9 6 0 . 8 0 2 4 1 0 . 7 0 1 7 9 0 . 3 5 2 4 8 0 . 7 5 2 8 5 10 . 3 6 4 8 5 0 . 2 9 8 0 6 0 . 3 0 4 8 4 0 . 2 7 0 3 8 0 . 2 3 8A ?? ? ? ? ? ?? ? ? ? 7 0 0 . 2 4 2 6 5 0 . 0 4 2 3 10 . 3 0 1 8 4 0 . 0 1 7 2 0 0 . 0 1 5 5 3 0 . 0 2 0 3 7 0 . 2 1 3 5 7 0 . 0 7 3 4 3 0 . 1 2 0 0 7 0 . 3 1 1 2 6 1????????? ? ??? 附錄 4 芳香物質(zhì)含量 紅葡萄酒樣品芳香物質(zhì)含量 樣品 1 2 3 4 5 6 7 紅葡萄酒 釀酒葡萄 樣品 8 9 10 11 12 13 14 紅葡萄酒 釀酒葡萄 樣品 15 16 17 18 19 20 21 紅葡萄酒 釀酒葡萄 樣品 22 23 24 25 26 27 26 紅葡萄酒 釀酒葡萄 白葡萄酒樣品芳香物質(zhì)含量 樣品 1 2 3 4 5 6 7 白葡萄酒 白葡萄 樣品 8 9 10 11 12 13 14 白葡萄酒 白葡萄 樣品 15 16 17 18 19 20 21 白葡萄酒 白葡萄 樣品 22 23 24 25 26 27 28 白葡萄酒 白葡萄 。 %index=flipud(index)。 %繪制 2 維成份散點(diǎn)圖 %gname %,(rowname) %標(biāo)示個(gè)別散點(diǎn)代表的省 data 市 [st2,index]=sort(t2)。+39。)。 %繪制方差貢獻(xiàn)散點(diǎn)圖 hold on %保持圖形 plot(eigenvalue,39。r+39。 %列出各主成分的累積貢獻(xiàn)率 figure(1) pareto(per)。 %利用特征根構(gòu)造變 換矩陣 per=100*eigenvalue/sum(eigenvalue)。 %提取前三個(gè)特征根并轉(zhuǎn)置 M=e(ones(m,1),:).^。 %提取前三個(gè)主成分得分系數(shù) ,通過(guò)看行可以看出對(duì)應(yīng)的原始數(shù)據(jù)的列，每個(gè)列在每個(gè)主成分的得分 p3 %輸出前三個(gè)主成分得分系數(shù) sc=princ(:,1:3)。 %將 原始數(shù)據(jù)采集標(biāo)準(zhǔn)化 sddata %輸出標(biāo)準(zhǔn)化數(shù)據(jù) [p,princ,eigenvalue,t2]=prinp(sddata)。 %求個(gè)變量的標(biāo)準(zhǔn)差 [n,m]=size(dataset)。 問(wèn)題四中的 logistic 回歸模型 模型可以應(yīng)用到各個(gè)領(lǐng)域的判斷預(yù)測(cè)中。因此，該模型適用于數(shù)據(jù)結(jié)構(gòu)復(fù)雜且數(shù)據(jù)與數(shù)據(jù)之間有直接或間接聯(lián)系的比較分析模型。 七 、模型的推廣與改進(jìn) 模型的推廣 整個(gè)模型的建立、方案的確定、數(shù)據(jù)的分析過(guò)程，都有一定的難度 .尤其是數(shù)據(jù)的分析，數(shù)據(jù)量較大，并且關(guān)聯(lián)度強(qiáng)。此外，我們還可以對(duì)評(píng)價(jià)結(jié)果進(jìn)行驗(yàn)證，再來(lái)調(diào)整方案，這樣更加符合實(shí)際問(wèn)題。 比較、判斷過(guò)程較為粗糙，不能用于精度要求較高的決策問(wèn)題 。 我們的系統(tǒng)分析與評(píng)價(jià)模型，由于其選擇的評(píng)價(jià)指標(biāo)不同、各項(xiàng)指標(biāo)的權(quán)重比例不同的影響，可能使我們的評(píng)價(jià)結(jié)果與實(shí)際的客觀事實(shí)有所偏差。我們建立了 更符合客觀情況的 logistic回歸模型討論 釀酒葡萄和葡萄酒的理化指標(biāo)對(duì)葡萄酒質(zhì)量的影響 ，并論證了模型的準(zhǔn)確性，可靠性。模型三的建立是相當(dāng)完善的。 模型三研究的是 釀酒葡萄與葡萄酒的理化指標(biāo)之間的聯(lián)系。 采用了主成分分析法 和模糊綜合評(píng)價(jià) 模型， 利用降維 的思想，把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)。通過(guò) 可信度 模型的分析，驗(yàn)證了評(píng)酒員評(píng)價(jià) 結(jié)果 的可靠性，該模型 用比值體現(xiàn)可信度 ， 使得原本模糊的問(wèn)題簡(jiǎn)單明了， 并且可以通過(guò) MATLAB 快速求解。 21 六 、模型的優(yōu)缺點(diǎn) 與改進(jìn) 模型的優(yōu)點(diǎn) 本文模型注重 效率的提高，通過(guò)大量的特征信息的提取，并結(jié)合有效的算法，使其完全可以滿足實(shí)時(shí)系統(tǒng)的要求 ，為葡萄酒釀造行業(yè)提供了方便可行得的鑒定葡萄酒等級(jí)的方法，具有實(shí)際的意義和較高的應(yīng)用價(jià)值。 同理，可以利用上述的方法檢驗(yàn)?zāi)芊裼冒灼咸押桶灼咸丫频睦砘笜?biāo)來(lái) 評(píng)價(jià)白葡 萄酒質(zhì)量，檢驗(yàn)的結(jié)果為否。模型 8中 F檢驗(yàn)的概率 P值 =，接受原假設(shè)（剔除的理化指標(biāo)的偏回歸系數(shù)與 0 無(wú)顯著性差異），即認(rèn)為剔除的這些理化指標(biāo)變量對(duì)被解釋變量的線性解釋沒(méi)有顯著性貢獻(xiàn)，不應(yīng)保留在回歸方程中。 從方差比看，第 10 個(gè)特征根解釋氨基酸 58%，解釋總酚數(shù) 22%,解釋果皮顏色 a 74%，解釋蘋(píng)果顏色 b 38%，則可以認(rèn)為這些變量存在多重共線性，需要重新建立回歸方程。 最后，回歸方程的 DW檢驗(yàn)值＝ , 表示殘差序列存在正相關(guān)，說(shuō)明回歸方程沒(méi)能夠充分說(shuō)明被解釋變量的變化規(guī)律，可能方程中遺漏了一些重要的解釋變量（理化指標(biāo)）。 圖 6 利用向后篩選策略剔除掉一些不合適的理化指標(biāo)新建立回歸模型，由表知經(jīng)過(guò) 7步完成回歸方程的建立，最終模型為第 7個(gè)模型。同樣利用 SPSS 軟件輸出結(jié)果 如下圖 ： 18 圖 5 紅葡萄的理化指標(biāo)與紅葡萄酒質(zhì)量之間的共線性診斷 從第二列條件指數(shù)看，第 9個(gè)條件指數(shù)都大于 10，說(shuō)明變量之間存在多重共線性。多元線性回歸方程： y=++++.085x9 由該回歸方程可以明顯觀察出各理化指標(biāo)的相關(guān)系數(shù)都比較小，印證了不顯著 17 的線性關(guān)系。于是，多元線性回歸方程為： y=*105x1+++2x8 由該回歸方程可以明顯觀察出各理化指標(biāo)的相關(guān)系數(shù)都比較小，印證了不顯著的線性關(guān)系。 1 1 2 21 ( . . . . . . . . . )1 ZP z x xe ? ? ??? ? ? ? ?? 所以得 P 的計(jì)算式為： 1 1 2 21 1 2 2..................e1e xxxxP? ? ?? ? ?? ? ?? ? ?? ? 運(yùn)用 SPSS 軟件求解 Logistic 回歸方程 的參數(shù) （ 1）理化指標(biāo)與葡萄酒質(zhì)量的影響程度 16 通過(guò) SPSS 軟件的 Analyze→ Regression→ Linear 過(guò)程，輸出葡萄的理化指標(biāo)與葡萄酒質(zhì)量之間關(guān)系的相關(guān)表，如下 圖： 圖 1 紅葡萄理化指標(biāo)對(duì)葡萄酒質(zhì)量的影響（平均數(shù)） 第二列中，常數(shù)項(xiàng)估計(jì)值 =，其余是偏回歸系數(shù)估計(jì)值 。 我們從反應(yīng)變量出發(fā)分析，附錄 2 和附錄 3 中給出的是分類變量，因此不適宜用線性回歸分析，因此我們選用 Logistic 回歸模型來(lái)進(jìn)行統(tǒng)計(jì) 分析。 最終求得各理化指標(biāo)間的 線性回歸方程 為； 1 1 2 31 1 2 3= 2 . 0 0 1 x 0 . 0 6 8 0 . 0 1 5x + . . . . . . . .= 0 . 0 5 4 0 . 7 5 8 0 . 7 5 3 x . . . . . . . . .yxy x x??? ? ?紅 紅 紅 紅白 白 白 白 、問(wèn)題 四 模型的建立與求解 本問(wèn)題是為了分析釀酒葡萄和葡萄酒的理化指標(biāo)對(duì)葡萄酒質(zhì)量的影響，由前面我們已經(jīng)知道釀酒葡萄的綜合得分，并對(duì)其進(jìn)行了分級(jí)處理。 分析模型中決定系數(shù) 2 2 21 1 2 2 11ppy y p y p j jkjjjkR r b r b r b R R?? ?? ? ? ? ? ??? 2 2 2()j j jkkjR R R??? ? 通過(guò)使用 SPSS 求理化指標(biāo)間的通 徑 系數(shù) 通過(guò)使用 SPSS 可得 葡萄的等級(jí)與紅葡萄酒的各個(gè)理化指標(biāo)之間的關(guān)聯(lián)度大小 :（如下 15 表） 表 20 紅葡萄與 紅葡萄酒的理化指標(biāo)之間的關(guān)聯(lián)度 花色苷 單寧 總酚 酒總黃酮 白藜蘆醇 R1 R2 R3 R4 R5 DPPH 半抑制體積 L*(D65) a*(D65) b*(D65) 芳香物質(zhì) R6 R7 R8 R9 R10 通過(guò)比較關(guān)聯(lián)度的大小就 可以得出紅葡萄酒的各個(gè)理化指標(biāo)與釀酒紅葡萄的密切關(guān)系程度。則回歸系數(shù)的最小二乘估計(jì) ? ?12, , , ib b b 滿足的正則方程組為： 12 1 1 121 2 2 212111pypyp p p pyr r b rr r b rr r b r? ? ? ? ? ?? ? ? ? ? ?? ? ? ? ?