【正文】 保留 : （ 1 2 3 5 6 7 8 1 0 1 3 1 8 1 9 2 3 2 4 2 6x x x x x x x x x x x x x x） (11) 這 14 個白葡萄理化指標和白葡萄酒的理化指標之間的聯(lián)系進行分析。 圖 33典型相關系數(shù) 圖 34標準化變量的典型變量的系數(shù) 從圖 33可以看出在僅考慮白葡萄 14個理化指標的情況下，典型相關系數(shù)不再是 1，比較符合實際情況。W G P C x x x x x x? ? ? ? ? ?(12) 來自紅葡萄酒的第一典型指標變量 WWPC1 為： * * * *1 2 3 71 0 . 5 6 7 0 * 0 . 5 7 4 9 * 0 . 6 0 4 4 * 0 . 6 4 8 3 * 。W G P C x x x x x x x? ? ? ? ? ? ?(14) 18 * * * * *3 5 6 7 82 0 . 4 8 8 4 * 0 . 3 0 9 5 * 0 . 4 9 0 6 * 0 . 3 0 7 7 * 0 . 6 0 0 4 * 。 （ 1）、考慮紅葡萄 和 紅 葡萄酒的理化指標對 紅 葡萄酒質量的影響 。 根據(jù)結果可以得到紅葡萄理化指標，紅葡萄酒理化指標及紅葡萄酒質量之間的回歸模型為： 1 2 3 4 5 6 77 2 .4 9 3 2 0 .0 0 0 5 * 0 .0 0 1 5 * 0 .4 0 8 8 0 .1 2 1 5 * 0 .3 4 5 0 * 0 .2 8 5 2 * 0 .0 2 6 1 *Z X X X X X X X? ? ? ? ? ? ? ?8 9 1 0 1 1 1 2 1 3 1 40 . 0 6 5 1 * 4 . 0 4 5 1 * 1 0 . 5 0 6 4 * 0 . 2 3 2 4 * 0 . 1 4 0 7 * 0 . 0 0 3 7 * 1 . 5 8 1 7 *X X X X X X X? ? ? ? ? ? ? 1 5 1 6 1 7 1 8 1 9 2 0 2 11 .7 8 3 1 * 0 .0 6 3 3 * 0 .5 5 7 1 * 3 .2 6 8 5 * 0 .0 1 5 7 * 0 .1 2 5 7 * 0 .3 1 3 4 * 。 下面用殘差圖（圖 36）來檢驗模型，從圖中可以看出，存在兩個差異點，可忽略不計，說明所建的多元線性回歸模型是比較合理，完善的。 首先通過 MATLAB 工具對白葡萄 14 理化指標數(shù)據(jù)，白葡萄酒 9個理化指標的數(shù)據(jù)和白葡萄酒質量的相關數(shù)據(jù)進行回歸分析與檢驗（程序和結果見 附錄 18）。 20 下面用殘差圖（圖 38）來檢驗模型，從圖中可以看出，存在三個差異點，可忽略不計，說明所建的多元線性回歸模型是比較合理，完善的。 用 SAS 軟件先對釀酒紅葡萄評分中的香氣分析進行歸一化處理，接著與芳香物質含量總和進行相關分析（程序見附錄 20），得到結果如下 圖所示（見圖 39，40） 圖 39 圖 40 結果分析：由圖 39 可以看出，香氣分析的三個指標與芳香物質含量總和的線性關系不明顯；由圖 40 可以得到，香氣分析的三個指標與芳香物質含量總和的相關性不明顯。 用 SAS 軟件先對釀酒白葡萄評分中的香氣分析進行歸一化處理，接著與芳香物質含量總和進行相關分析（程序見附錄 21），得到結果如下圖所示（見圖 41，42） 21 圖 41 圖 42 結果分析：由圖 41 可以看出，香氣分析的三個指標與芳香物質含量總和的線性關系不明顯；由圖 42 可以得到，香氣分析的三個指標與芳香物質含量總和的相關性不明顯。 六、 模型評價 求解問題一時運用了數(shù)據(jù)的歸一化方法，從而避免因每個分數(shù)的最高分不一致而直接使用數(shù)據(jù)造成較大誤差的現(xiàn)象，接著還對歸一化后的數(shù)據(jù)進行正態(tài)性檢驗，如果 服從正態(tài)分布就作參數(shù)檢驗，否則就做非參數(shù)檢驗，如不先進行正態(tài)性檢驗而隨便作參數(shù)檢驗或者非參數(shù)檢驗，這樣會產(chǎn)生很大誤差，所以我們就先作正態(tài)性檢驗，大大減少了人為誤差。 求解問題三時運用了典型相關分析的思想來解決釀酒葡萄與葡萄酒的理化指標之間的聯(lián)系，典型相關分析利用綜合變量對之間的相關關系 來反映兩組指標之間的整體相關性的多元統(tǒng)計分析方法，所以更能反映釀酒葡萄與葡萄酒的理化指標之間的聯(lián)系。 七、 參考文獻 [1] 汪遠征 徐靜雅， SAS 軟件與統(tǒng)計應用教程，北京，機械工業(yè)出版社， 2020 [2] 張志涌 楊祖櫻， MATLAB 教程，北京，北京航空航天大學出版社， 2020 [3] 新浪博 客，判斷釀酒葡萄品質的五大指標性物質， 2020 [4] 網(wǎng)，第 5 章 SAS 非參數(shù)檢驗，22 2020 年 9月 8日 [5] 道客巴巴， 8 SAS 中聚類分析 [ 統(tǒng) 計 學 經(jīng) 典 ] ， 2020 年 9 月 8 日 [6] 百度文庫， SAS 講義 第 三 十 七 講 典 型 相 關 性 分 析 ， 2020 年 9 月9日 [7]姜啟源，謝金星，葉俊，數(shù)學模型（第三版），高等教育出版社， 2020 年 8月第 3版 八、 附錄 附錄 1（ SAS 軟件）：對原始數(shù)據(jù)的歸一化處理過程 data a。 c1=a1b1。 c3=a3b3。 c5=a5b5。c7=a7b7。 c9=a9b9。 keep c1 c2 c3 c4 c5 c6 c7 c8 c9 c10。 data q w e r t y u i o p。 select (F1)。139。 when (39。) output w。339。 when (39。) output r。539。 when (39。) output y。739。 when (39。) output i。939。 when (39。) output p。wrong39。 run。 set q。 C1=C1/50。 run。 set w。 C2=C2/100。 run。 set e。 C3=C3/60。 run。 set r。 C4=C4/80。 run。 set t。 C5=C5/ run。 23 set y。 C6=C6/60。 run。 set u。 C7=C7/80。 run。 set i。 C8=C8/80。 run。 set o。 C9=C9/220。 run。 set p。 C10=C10/110。 run。 var c1。 probplot c1。 附錄 3（ SAS 軟件）：對原始數(shù)據(jù)進行配對兩樣本的非參數(shù)檢驗 proc univariate DATA=ASD。 RUN。 set cc。 when (39。) output q。239。 when (39。) output e。439。 when (39。) output t。639。 when (39。) output u。839。 when (39。) output o。1039。 otherwise put F1=39。 end。 data qq。 A1=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10。 A1=A1/50。 keep A1 B1。 data ww。 A1=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10。 A2=A2/100。 24 keep A2 B2。 data ee。 A3=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10。 A3=A3/60。 keep A3 B3。 data rr。 A4=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10。 A4=A4/80。 keep A4 B4。 data tt。 A5=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10。 A5=A5/ keep A5 B5。 data yy。 A6=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10。 A6=A6/60。 keep A6 B6。 data uu。 A7=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10。 A7=A7/80。 keep A7 B7。 data ii。 A8=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10。 A8=A8/80。 keep A8 B8。 data oo。 A9=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10。 A9=A9/220。 keep A9 B9。 data pp。 A10=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10。 A10=A10/110。 keep A10 B10。 data b。 c1=a1b1。 run。 var c1。 probplot c1。 附錄 6（ SAS 軟件） ：對處理后的數(shù)據(jù)（紅葡萄酒得分）進行非參數(shù)檢驗 proc univariate DATA=b。 RUN。 set dd。 when (39。) output q。239。 when (39。) output e。439。 when (39。) output t。639。 when (39。) output u。839。 when (39。) output o。1039。 otherwise put F1=39。 end。 data qq。 E1=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10。 E1=E1/50。 keep E1 F1。 data ww。 E1=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10。 E2=E2/100。 keep E2 F2。 data ee。 E3=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10。 E3=E3/60。 keep E3 F3。 data rr。 E4=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10。 E4=E4/80。 keep E4 F4。 data tt。 E5=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10。 E5=E5/ keep E5 F5。 data yy。 26 E6=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10。 E6=E6/60。 keep E6 F6。 data uu。 E7=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10。 E7=E7/80。 keep E7 F7。 data ii。 E8=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10。 E8=E8/80。 keep E8 F8。 data oo。 E9=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10。 E9=E9/220。 keep E9 F9。 data pp。 E10=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10。 E10=E10/110。 keep E10 F10。 data d。 d1=e1f1。 run。 var d1。 probplot d1。27 附錄 9（ SAS軟件） ：對處理后的數(shù)據(jù)（白葡萄酒得分）進行非參數(shù)檢驗 proc univariate DATA=d。 RUN。 input group $ x1x16。 1 2 205 30 3 4 5 32 6 7 8 9 10 27 11 12 13 14 15 16 17 18 28 19 20 21 0 22 23 24 25 26 27 。 run。 var x1x12。 proc tree data=b641 horizontal graphics n=5 out=c641。 title 39。 run。使用