SPSS

葡萄酒的质量分析和评价

摘要

现行葡萄酒质量评价方案主要为专家感官评分，本文研究的是葡萄酒的评价问题。通过对酿酒葡萄和葡萄酒的理化指标、芳香物质进行分析，统计出两组评酒员的评价结果，计算酿酒葡萄中影响葡萄酒质量重要指标的几个主要成份，建立相应的数学模型，得出最好的评价方法。

问题一，通过T检验法判断出了两组评酒员的评价结果具有显著性差异。而对于如何判断哪一组评酒员的评价结果更可信，由于评酒员评分的客观性，我们通过计算两组评酒员对红白葡萄酒的方差进行比较。

问题二，我们采用多元统计分析方法中的聚类分析对酿酒葡萄的理化指标进行了简化，选出酿酒葡萄中最具代表的几种理化指标，再运用相关系数分析他们对葡萄酒品质的影响程度，从而进一步结合酿酒葡萄的理化指标和酒的质量对葡萄进行分级。

问题三，利用葡萄酒质量，采用统计学分析方法中的相关性分析方法分别筛选出与酿酒葡萄与葡萄酒的理化指标中对葡萄酒质量影响比较重要的几个因素，再对选出的两组重要因素进行相关性分析得出的相关系数，通过比较分析它们之间的相关系数做出准确合理的结论。

问题四，利用主成分分析方法，用葡萄酒质量分别对酿酒葡萄和葡萄酒理化指标中显著性较高的几组数据建立多元回归方程，由此可以得出两种理化指标对葡萄酒质量的影响。

关键词：葡萄酒评价 T检验方法 聚类分析 相关性分析

1

1.问题的重述

确定葡萄酒质量时一般是通过聘请一批有资质的评酒员进行品评。每个评酒员在对葡萄酒进行品尝后对其分类指标打分，然后求和得到其总分，从而确定葡萄酒的质量。酿酒葡萄的好坏与所酿葡萄酒的质量有直接的关系，葡萄酒和酿酒葡萄检测的理化指标会在一定程度上反映葡萄酒和葡萄的质量。题目附件一给出了某一年份一些葡萄酒的评价结果，题目附件二和题目附件三分别给出了该年份这些葡萄酒的和酿酒葡萄的成分数据。题目要求尝试建立数学模型讨论下列问题：

1. 分析附件1中两组评酒员的评价结果有无显著性差异，哪一组结果更可信？ 2. 根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级。 3. 分析酿酒葡萄与葡萄酒的理化指标之间的联系。

4．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？

2.问题分析

本题为判断葡萄酒的评价标准是否合理可行及酿酒葡萄与葡萄酒两者之间的联系并对酿酒葡萄进行等级划分，同时分析论证葡萄和葡萄酒的理化指标可不可以作为评价葡萄酒质量的依据。

2.1问题一的分析

评价两组评酒员所评结果的显著性差异与可信度。首先要考虑每组所有成员对同一种酒样品的综合评价，考虑独立样本的计算，利用SPSS11.5软件算出其样本的均值和标准差，然后用两组成员的样本均值来判断有无显著性差异，得出结论。若有显著性差异，则在此基础上，用离散系数判断可信度，离散系数越小说明波动程度越小，评价的结果越稳定，可信度就越高。

2.2问题二的分析

根据酿酒葡萄的理化指标和葡萄酒的质量对酿酒葡萄进行分级，要对酿酒葡萄进行，我们需要考虑两个因素：一是酿酒葡萄的理性指标是如何规定；二是分析葡萄酒的质量，根据葡萄酒质量的不同等级对酿酒葡萄进行不同等级的划分。运用多元统计分析方法对酿酒葡萄的理化指标进行聚类分析，将其理化指标进行简化，其次，进一步对理化指标与酒的质量进行相关系数分析，找出酿酒葡萄对酒质量最具影响的几种理化指标，接着用这些理化指标把葡萄进行等级划分。

2.3 问题三的分析

要求分析出酿酒葡萄与葡萄酒理化指标的联系，要求分析出酿酒葡萄与葡萄酒理化指标的联系，我们首先运用SPSS进行相关性分析分别选出红、白酿酒葡萄和红、白葡萄酒中与葡萄酒质量密切相关的五个因素，再对得出的两组数据进

2

行一次的相关性分析，便可从得出的相关系数表中得到它们之间的联系。

2.4 问题四的分析

分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响，先用主成分分析法，考虑利用葡萄酒质量（评分）对酿酒葡萄和葡萄酒理化指标中显著性较高的几组数据建立多元回归方程，这样可以得出它的影响结果，而要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，需要充分的利用来判断，可以查阅资料，找出影响葡萄酒质量的要素。要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，使用SPS软件对葡萄酒的芳香物质各指标和葡萄酒的质量进行相关系数分析，根据相关性分析葡萄的芳香物质以及葡萄酒的芳香物质对酒质量是否有影响。

3.模型的假设

（1）不考虑两种酿酒葡萄本身的品种 （2）两组葡萄出自相同的地方

（3）两组葡萄酒都是有同样的酿酒师酿造出来的，且排除他们的非系统性误差 （4）橡木桶的陈化程度没有差别

（5）酿酒葡萄和葡萄酒的贮存方式、条件都是一样的

（6）排除评酒员在评价过程中视觉、嗅觉、味觉等产生的误差

4.符号说明

x1.i—— 表示红葡萄酒中第i组的样本均值

S1.i—— 表示红葡萄酒中第i组的样本标准差 V1.i—— 表示红葡萄酒中第i组的离散系数

x2.i—— 表示白葡萄酒中第i组的样本均值

S2.i—— 表示白葡萄酒中第i组的样本标准差 V2.i—— 表示白葡萄酒中第i组的离散系数

??0.05—— 表示显著性水平为0.05

5.模型建立与解答

问题1:分析附件1中两组评酒员的评价结果有无显著性差异，哪一组结果更可信？

首先，我们通过T检验法判断出了两组评酒员的评价结果具有显著性差异。然后，对于如何判断哪一组评酒员的评价结果更可信，由于评酒员评分的客观性，

3

我们通过计算两组评酒员对红白葡萄酒的方差进行比较。 （1）先求和后平均的算法作出求出样品的平均值，如表1

表1 样品平均值

样品1 样品2 样品3 样品4 样品5 样品6 样品7 样品8 样品9 样品10 样品11 样品12 样品13 样品14 样品15 样品16 样品17 样品18 样品19 样品20 样品21 样品22 样品23 样品24 样品25 样品26 样品27 一红 62.7 80.3 80.4 68.6 73.3 72.2 71.5 72.3 81.5 74.2 70.1 53.9 74.6 73 58.7 74.9 79.3 59.9 78.6 78.6 77.1 77.2 85.6 78 69.2 73.8 73 二红 68.1 74 74.6 71.2 72.1 66.3 65.3 66 78.2 68.8 61.6 68.3 68.8 72.6 65.7 69.9 74.5 65.4 72.6 75.8 72.2 71.6 77.1 71.5 68.2 72 71.5 一白 82 74.2 85.3 79.4 71 68.4 77.5 71.4 72.9 74.3 72.3 63.3 65.9 72 72.4 74 78.8 73.1 72.2 77.8 76.4 71 75.9 73.3 77.1 81.3 64.8 二白 77.9 75.8 75.6 76.9 81.5 75.5 74.2 72.3 80.4 79.8 77.4 72.4 73.9 77.1 78.4 67.3 80.3 76.7 67.3 76.6 79.2 79.4 77.4 76.1 79.5 74.3 77

（2）评价结果的显著性差异分析

t检验步骤如下 ：建立原假设H0∶?1红=?2红 ，1白=2白 择备假设H1∶?1红≠?2红，1白≠2白 （3）软件应用

过程为：打开SPSS软件，选择“分析栏”下的“比较均值”一栏选择“配对样本T检验”，得出运行结果：

4

成对样本检验 成对差分 对 1 对 2 成对样本相关系数 成对样本统计量 对 1 一红 二红 对 2 一白 二白 均值 73.056 70.515 74.00 76.304 N 27 27 27 27 标准差 7.3426 3.9780 5.110 3.5098 均值的标准误 1.4131 .7656 .984 .6755 一红 & 二红 一白 & 二白 N 27 27 相关系数 .700 .163 Sig. .000 .418 均值的标准均值 对 1 一红 - 二红 对 2 一白 - 二白 -2.3037 5.7101 1.0989 2.5407 标准差 5.3719 误 1.0338 差分的 95% 置信区间 下限 .4157 上限 4.6658 t 2.458 df 26 Sig.(双侧) .021 -4.5626 -.0448 -2.096 26 .046

得出结论：对1Ｐ值=0.021<0.05,对2Ｐ值=0.046<0.05,所以拒绝原假设，两组专家的评价结果都有显著性的差异。 （4）可信度的判断利用方差

打开SPSS软件,分析-描述统计-频率-方差

统计量 N 有效 缺失 标准差 一红 27 0 7.3426 二红 27 0 3.9780

5

方差 53.914 15.824

统计量

一白 二白

有效 N 27 27

缺失 0 0

标准差 5.110 3.5098 方差 26.117 12.319

得出结论 ： 第二组的方差都比第一组的小，所以第二组专家更可信。

综上所述，无论是红葡萄酒还是白葡萄酒，两组评酒员的评价结果有显著性差异，第二组的结果更加可信。

问题2：根据酿酒葡萄的理化指标和葡萄酒的质量对这些酿酒葡萄进行分级。

本题附件2中测定了28个白葡萄样的59个理化指标，其中有30个一级指标，29个二级指标。为了找出影响葡萄品质的主要指标，我们采用SPSS软件，运用聚类分析法[3]和相关系数分析法对30个一级指标数据进行分析。

首先，对白葡萄的30个一级指标进行R型聚类分析，具体做法为打开附录1中数据文件“白葡萄.sav”,选择Analyze → Classify → Hierarchical Cluster →把要进行聚类的指标选入Variable(s) → 把样品编号选入Label Cases by→选择Cluster栏的Variable → 选择Plots窗体中的Dendrogram → OK 输出结果得到指标的聚类谱系图（图2.1），同时根据分析将30项指标聚成5类，从谱系图的聚类距离和聚类的先后步骤可以看出，DPPH自由基、果皮质量、白藜芦醇、花色苷、柠檬酸、PH值、果梗比、单宁、葡萄总黄酮、果酸、可滴定酸、酒石酸、总酚、果皮颜色a*、黄酮醇、干物质含量、果皮颜色b*、果皮颜色L*、多酚氧化酶活力、出汁率这20项先聚为一类，再与固酸比聚类，说明21个指标间的相关性较高，即这21项指标为相似水平类；同样的，总糖、可溶性固行物、还原糖、果穗质量、百粒质量、VC含量这6项指标为相似水平类；褐变度、蛋白质、氨基酸分别单独为一类。

6

图2.1 白葡萄一级指标的聚类图

再把第一类的21项指标与白酒的评分（酒的质量好坏）进行相关性分析（相关系数见表2.1），具体做法为打开数据文件“白葡萄.sav”,选择Analyze → Correlate → Bivariat → 把要分析的变量名导入Variables → OK。得出结果表明果皮颜色b*与酒的质量呈极显著的正相关，酒石酸与酒的质量呈显著的正相关，由此，我们可以用果皮颜色b*来代表这一水平类的其他性状。同样的，把第二类的6项指标与白葡萄酒的评分进行相关性分析（表2.2），得到果穗质量与酒的质量呈显著的负相关，总糖、可溶性固行物与酒的评分呈显著的正相关。

虽然氨基酸、蛋白质、褐变度分别单独为一类，但它们与酒的质量间的相关性不显著，所以，我们不采用其进行对葡萄的分级。综上，我们就得到了5项影响葡萄质量的理化指标，分别为果穗质量、可溶性固行物、总糖、果皮颜色b*、酒石酸，用这5项指标来对葡萄进行分级。

7

表2.1 第一类指标的相关系数

DPPH自由基1/IC50(g/l) PH值 果梗比 单宁 酒石酸 总酚

果皮颜色a*

干物质含量g/100g

果皮颜色b*

果皮颜色L*

多酚氧化酶活力 白酒分数

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

DPPH自由基1/IC50(g/l)

1 . 28 -.027 .893 28 -.229 .240 28 .395(*) .038 28 -.150 .447 28 .324 .093 28 -.453(*)

.015 28 .215 .271 28 .364 .057 28 .418(*) .027 28 -.428(*)

.023 28 .294 .129 28

酒石酸 -.150 .447 28 .414(*) .029 28 .411(*) .030 28 .001 .994 28 1 . 28 -.242 .214 28 .113 .568 28 .277 .154 28 .191 .331 28 .049 .803 28 -.022 .910 28 .392(*) .039 28

果皮颜色b*

.364 .057 28 -.014 .943 28 .093 .639 28 .065 .743 28 .191 .331 28 -.116 .555 28

-.692(**)

.000 28 .392(*) .039 28 1 . 28 .858(**)

.000 28 -.282 .146 28 .523(**)

.004 28

···

白酒分数

.294 .129 28 .145 .462 28 .117 .552 28 .171 .383 28 .392(*) .039 28 -.069 .727 28 -.130 .508 28 .358 .062 28 .523(**)

.004 28 .347 .071 28 -.235 .229 28 1 . 28

* Correlation is significant at the 0.05 level (2-tailed). ** Correlation is significant at the 0.01 level (2-tailed).

可溶性固行物 总糖 g/L 还原糖 果穗质量 百粒质量 VC含量 白酒分数 8

总糖 可溶性固行物 还原糖 果穗质量 百粒质量 VC含量 白酒分数

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation

1 . 28 .846(**)

.846(**)

.000 28 1 . 28 .591(**)

.001 28

-.665(**)

.000 28 -.425(*)

.024 28 -.044 .824 28 .429(*) .023 28

.554(**) -.540(**)

.002 28

.003 28

-.304 .116 28

.104 .599 28 -.044 .824 28 .030 .878 28

.407(*) .032 28 .429(*) .023 28 .235 .228 28

.591(**) -.665(**) -.425(*)

.001 28 1 . 28 -.408(*)

.031 28 -.262 .178 28 .030 .878 28 .235 .228 28

.000 28 -.408(*)

.031 28

.024 28 -.262 .178 28

Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

Pearson Correlation Sig. (2-tailed) N

.000 28 .554(**)

.002 28

-.540(**)

.003 28 -.304 .116 28 .104 .599 28 .407(*) .032 28

1 .712(**) . 28 .712(**)

.000 28 .190 .333 28 -.456(*)

.015 28

.000 28 1 . 28 .288 .138 28 -.261 .181 28

.190 -.456(*) .333 28 .288 .138 28 1 . 28 -.062 .753 28

.015 28 -.261 .181 28 -.062 .753 28 1 . 28

表2.2 第二类指标的相关系数

表2.3 氨基酸、蛋白质、褐变度与酒质量的相关系数 氨基酸总类 Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N Pearson Correlation Sig. (2-tailed) N 氨基酸总类 1 . 28 .121 .539 28 -.123 .532 28 .263 .176 28 蛋白质 .121 .539 28 1 . 28 .460(*) .014 28 -.063 .752 28 褐变度 -.123 .532 28 .460(*) .014 28 1 . 28 .138 .483 28 白酒分数 .263 .176 28 -.063 .752 28 .138 .483 28 1 . 28 蛋白质 褐变度 白酒分数 现在，就所有白葡萄样品中的果穗质量的含量，由表2.2得果穗质量与酒质量负相关，我们可以通过对白葡萄中果穗质量的含量从小到大进行排序，把白葡萄分为优、良、中、差四个等级，同样的，分别用葡萄中的总糖、果皮颜色b*、酒石酸的含量来把白葡萄分级。分级如表2.4所示：

9

表2.4 白葡萄的分级

分级

果穗质量 标准

可溶性固行物 总糖

果皮颜色b*

酒石酸

优

22、21、2、26、24、9、28、26、24、26、25、28、28、21、5、4、3、20、9、17、28、4、17 25、23、20 20、10、9 23、14、20 19、5、22 28、21、6、5、10、9、25、14、5、10、3、27、12、21、2、4、5、26、17、11、2、

27、23、8、

19、27 21、12、2 23、19 7、9、18

10 23、24、20、3、7、22、4、19、14、17、27、6、18、3、3、6、27、10、11、24、25、16、1 1、6、17 14、1 24、1、12 4、26、1、16 15、2、13、8、12、13、18、6、16、11、13、18、16、15、11、22、7、22、25、13、15、

12、7、18、

11、15 8、7、15 8、13 8、19、16

14

良

中

差

综上，经分析可以得出这些白葡萄样品的总分级： 优：葡萄品种28、20、26、9、2、10、5 良：葡萄品种21、23、27、19、4、25、24 中：葡萄品种1、3、6、22、17、14

差：葡萄品种13、15、8、16、18、7、11

用同样的方法可以对红葡萄进行分级，首先，同样把红葡萄的30个一级指标进行R型聚类分析，得到指标的聚类谱系图（图2.2），同时根据分析将30项指标聚成5类：

第一类： 总酚、葡萄总黄酮、DPPH自由基、单宁、蛋白质、出汁率、白藜芦醇、黄酮醇、果梗比、花色苷、褐变度、果酸、多酚氧化酶活力、PH值、固酸比

第二类：总糖、可溶性固行物、干物质含量、还原糖、氨基酸总类、可滴定酸

第三类：果皮颜色a*、果皮颜色b*、酒石酸、柠檬酸 第四类：白粒质量、果皮质量、果穗质量、果皮颜色L* 第五类：VC含量

由于第二类、第四类和第五类中的指标对红葡萄酒的质量的相关性不显著，所以我们选择了与葡萄酒比较显著的5个指标来对葡萄进行分级，这些指标分别是总酚、葡萄总黄酮、DPPH自由基、果皮颜色a*、果皮颜色b*。得到红葡萄按各指标的分级如表2.5所示。

10

本文来源：https://www.bwwdw.com/article/vuka.html