葡萄酒的评价
摘要
随着中国经济增长,葡萄酒也越来越普及化。然而市场上也出现了葡萄酒造假现象。于是怎样对葡萄酒进行评价越来越成为人民关注的重点。本文就葡萄酒的评价问
进行了研究分析。
针对问题一,我们首先对附件1中各个指标的评分分数通过SAS软件进行归一化,得到一个统一的分数标准。观察附件1所给的数据,我们发现少部分数据存在异常、缺失的情况,因此我们先分别用原始数据和处理后的数据通过SAS软件对两组红葡萄酒之间,两组白葡萄酒之间进行正态性检验,结果得到正态性分布不太明显,所以继续用SAS软件对其进行配对两样本的非参数检验。应用UNIVARIATE过程对数据进行检验后,得到两组品酒员对红、白葡萄酒的评价结果都存在显著性差异。最后用假设检验的方法分别求两组品酒员评分的方差置信空间,接着进行方差比较,得出第二组品酒员的评价结果比较可信。
针对问题二,首先在EXCEL中整理附件2和附件3的数据,对测试多次的指标求平均值,将不同样品的芳香物质进行求和操作。本题只考虑酿酒葡萄的一级指标,另外,将芳香物质也作为划分葡萄等级的标准之一。然后对所要考虑的因素通过SAS软件进行主成分分析,留下主成分。接着根据这些主成分,用WARD系统聚类分析的方法画出使用WARD法的谱系聚类图,对酿酒葡萄进行分类。
等级
葡萄种类
第一类
第二类
第三类
第四类
第五类
红葡萄
1 2 3 9 23
11
6 7 12 15 18
5 10 17 20 24 25 26
4 8 13 14 16 9 21 22 27
白葡萄
6 7 18 15 24 13 27
12 14
2 8 11 16 3 9 19 23 25 26 28
21 1 4 10 17 22 5 20
针对问题三,为了从总体上把握两组指标之间的相关关系,用SAS软件做典型相关分析。首先考虑葡萄和葡萄酒所有指标之间的相关关系,用SAS软件进行分析后,发现两组指标之间的典型相关系数为1,所以剔除相关系数较大的葡萄指标,然后用剩下葡萄指标与葡萄酒指标再进行典型相关分析,得出酿酒葡萄与葡萄酒的理化指标之间的相关性很大,但不为1,说明两组指标之间的相关性很大,得出葡萄和葡萄酒理化指标之间联系密切。
针对问题四,根据问题三经过典型相关性分析得到的葡萄理化指标来讨论酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响,建立多元线性回归模型,并通过MATLAB对所得模型进行残差分析和数据拟合,通过数据拟合图来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,然后用残差图进行检验。结果分析所建模型是合理的。由于葡萄和葡萄酒中都含有芳香物质,而葡萄酒质量的评定指标中有香气分析,因此接着我们继续考虑芳香物质和香气之间的关系,进一步论证芳香物质与葡萄酒质量之间的联系,结果得到相关性不明显,说明芳香物质不影响葡萄酒质量,可以用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
最后,对模型的优缺点总结分析。利用文中所得结果能较好地评定葡萄酒好坏,对消费者购买葡萄酒提供了一定的参考价值,具有很好的实际意义。
关键词 非参数检验 主成分分析 聚类分析 典型相关分析 回归分析
1、 问题重述
葡萄酒口感多样多变,保健功能明显,在我国快速发展着,怎样评价一瓶葡萄酒的好坏也逐渐成为人们关注的重点。葡萄酒的评价主要考虑葡萄和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(葡萄酒品尝评分由附件1给出),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(数据存储为附件2和附件3)。
利用3个附件中的数据,请尝试建立数学模型来回答以下4个问题:
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、 条件假设
1、假设题中所缺失和异常数据的剔除和修改对总体信息不会有显著影响;
2、假设对酿酒葡萄进行等级划分时不考虑酿酒葡萄的二级指标;
3、假设芳香物质的指标由芳香物质不同种类含量的总和来体现;
4、假设葡萄酒的质量由评分分数总分体现;
5、假设各个理化指标之间相互独立,不相互影响。
3、 符号说明
:葡萄理化指标
:葡萄酒理化指标
:剔除相关系数较大的葡萄理化指标
、
:红葡萄酒理化指标的典型变量
、
:红葡萄理化指标的典型变量
、
:剔除典型相关系数较小的红葡萄理化指标后的典型变量
、
:剔除典型相关系数较小的红葡萄酒理化指标后的典型变量
、
:剔除典型相关系数较小的白葡萄理化指标后的典型变量
、
:剔除典型相关系数较小的白葡萄酒理化指标后的典型变量
4、 问题分析
问题一首先对附件1中各个指标的评分分数数据归一化,得到统一的分数标准。用原始数据和处理后数据首先分别对两组红、白葡萄酒进行正态性检验,然后检验是否符合正态分布。若不符合就用非参数检验(UNIVARIATE过程),符合就用参数检验。然后由检验的结果分析是否存在显著性差异,最后用假设检验的方法得出两组品酒员评分的方差置信空间,接着进行方差比较,得出哪组品酒员的评价结果比较可信。
问题二通过酿酒葡萄的理化指标和葡萄酒质量将酿酒葡萄等级划分。本题只考虑酿酒葡萄的一级指标,即考虑酿酒葡萄的氨基酸总量,蛋白质,VC含量,花色苷等28个一级指标。另外,通过网上查找资料,知道芳香物质也是影响酿酒葡萄品质优劣的因素之一,所以将芳香物质也作为划分等级的标准之一。然后我们对附件2和附件3中所需要的数据进行处理,附件2中有些项目如蛋白质,VC含量,花色苷等测试了几次,所以需要对这些项目的数据进行求平均值的操作。附件3中主要是芳香物质的有关数据,数据量比较庞大,因此我们将不同样品的全部芳香物质数据进行求和,得到新的一组数据。用处理过的数据进行主成分分析,通过主成分分析得出对酿酒葡萄等级划分影响较大的因素,接着根据这些主成分,用WARD系统聚类分析的方法画出使用WARD法的谱系聚类图,对酿酒葡萄进行分类。
问题三,主要分析酿酒葡萄与葡萄酒的理化指标之间的联系,为了从总体上把握两组指标之间的相关关系,用SAS软件做典型相关分析。首先考虑葡萄和葡萄酒所有指标之间的相关关系,然后剔除相关系数较小的葡萄指标。接着用剩下葡萄指标与葡萄酒指标再进行典型相关分析,得出酿酒葡萄与葡萄酒的理化指标之间的相关系数,若相关系数大则说明相关性大,反之相关性小。
问题四,根据问题三经过典型相关性分析得到的葡萄理化指标来讨论酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响。经过分析建立多元线性回归模型,并通过MATLAB对所得的模型进行残差分析和数据拟合,通过数据拟合图来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,然后用残差图进行检验。由于葡萄和葡萄酒中都含有芳香物质,而葡萄酒质量的评定指标中有香气分析,因此接着我们继续考虑芳香物质和香气之间的关系,进一步论证芳香物质与葡萄酒质量之间的联系,结果得到相关性不明显,说明芳香物质不影响葡萄酒质量,可以用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
5、 模型的建立及求解
5.1问题一模型的建立与求解
5.1.1对附件1数据的处理
因为葡萄酒有红、白两种品种,所以我们分别分析两组红葡萄酒,两组白葡萄酒之间的显著性差异。由于附件1中各个指标的评分分数标准不一致,所以首先通过SAS软件将附件1中的原始数据归一化(程序见附录1),得到一个统一的分数标准。
观察附件1所给的数据,我们发现少部分数据存在异常、缺失的情况,因此我们先用原始数据来进行显著性分析,然后将异常、缺失的数据进行修改和剔除,之后再用处理后的数据进行显著性分析,根据分析所得到的结果进行比较,选择较为合理的数据(这个过程由5.1.2和5.1.3体现)。
然后根据原始数据和处理后的数据进行比较后将数据内容修改为:
附件一第一组白葡萄酒品尝评分样品8中品酒员9的持久性分数16改为6;
附件一第一组白葡萄酒品尝评分样品3中品酒员7的持久性分数77改为7
附件一第一组红葡萄酒品尝评分样品20中品酒员4的色调得分缺失,求另外9个品酒员色调分数的平均分为6.2222,所以第一组红葡萄酒品尝评分样品20中品酒员4的色调得分改为6。
5.1.2第一组红葡萄酒和第二组红葡萄酒的显著性差异分析
根据归一化后的红葡萄酒评分分数数据(程序见附录4),首先我们借助SAS软件分别对两组红葡萄酒的原始数据和处理后的数据进行正态性检验(程序见附录2,附录5),得到正态性检验结果如下图所示(见图1,图2),同时分别描绘出两组红葡萄酒的直观图(见图3,图4)和QQ图(见图5,图6)。
图1原始数据正态性检验结果
图2处理后数据正态性检验结果
图3原始数据直观图 图4处理后数据直观图
图5原始数据QQ图 图6处理后数据QQ图
结果分析:图1和图2可以看出原始数据正态性检验结果
<0.05,处理后数据正态性检验结果
<0.05,所以拒绝原假设,不服从近似正态分布。由所得的直观图和QQ图也可以看出,直观图的分布不是近似地形成对称,因此直观图不符合正态分布,QQ图上的点不是近似地在同一条直线附近,所以不符合正态分布。
由于不符合正态分布,下面我们用配对两样本的非参数检验的方法分析两组红葡萄酒是否存在显著性差异。
下面我们先用原始数据进行非参数检验(UNIVARIATE过程)。首先用SAS软件得到两组红葡萄酒评分分数的差值,然后对所得差值进行假设:
。通过SAS软件处理后(程序见附录3)所得的结果如下:
INCLUDEPICTURE "../Application%20Data/Tencent/Users/455742444/QQ/WinTemp/RichOle/URAB%5b9G%5dVSR2~T9BHBFV41U.jpg" \* MERGEFORMAT
图7原始数据非参数检验结果
可以得到,
=0.08625,
<0.001<0.05,拒绝原假设,
不为0,所以得出两组红葡萄酒的显著性差异明显。
接着对处理后的数据进行非参数检验(UNIVARIATE过程)。首先用SAS软件得到两组红葡萄酒评分分数的差值,然后对所得差值进行假设:
。通过SAS软件处理后(程序见附录6)所得的结果如下:
INCLUDEPICTURE "../Application%20Data/Tencent/Users/455742444/QQ/WinTemp/RichOle/IHDG_7~PO)JB2W8M%5d9T%7dV9B.jpg" \* MERGEFORMAT
图8处理后数据非参数检验结果
可以得到,
=0.08638,
<0.001<0.05, 拒绝原假设,
不为0,所以得出两组红葡萄酒的显著性差异明显。而原始数据和处理后数据得出结果差不多,所以不能够由该组确定数据是否要进行处理。
5.1.3第一组白葡萄酒和第二组白葡萄酒的显著性差异分析
我们用验证两组红葡萄酒显著性差异的方法验证两组白葡萄酒的显著性差异。根据归一化后的白葡萄评分分数数据(程序见附录7),借助SAS软件分别对两组白葡萄酒的原始数据和处理后的数据进行正态性检验(程序见附录2,附录8),假设
,得到正态性检验结果如下图所示(见图9,图10),同时分别描绘出两组白葡萄酒的直观图(见图11,图12)和QQ图(见图13,图14)。
图9原始数据正态性检验结果
图10处理后数据正态性检验结果
图11原始数据直观图 图12处理后数据直观图
图13原始数据QQ图 图14处理后数据QQ图
结果分析:图9和图10可以看出原始数据正态性检验结果P<0.05,处理后数据正态性检验结果
<0.05,所以拒绝原假设,不服从近似正态分布。由所得的直观图和QQ图也可以看出,直观图的分布不是近似地形成对称,因此直观图不符合正态分布,QQ图上的点不是近似地在同一条直线附近,所以不符合正态分布。
由于不符合正态分布,下面我们用配对两样本的非参数检验的方法分析两组红葡萄酒是否存在显著性差异。
下面我们先用原始数据进行非参数检验(UNIVARIATE过程)。首先用SAS软件得到两组白葡萄酒评分分数的差值,然后对所得差值进行假设:
。通过SAS软件处理后(程序见附录3)所得的结果如下:
INCLUDEPICTURE "../Application%20Data/Tencent/Users/455742444/QQ/WinTemp/RichOle/Y2UYXVIV%25@5%7d64E%7b4Q3DE69.jpg" \* MERGEFORMAT
图15
可以得到,
=0.09675,
<0.001<0.05,拒绝原假设,
不为0,所以得出两组红葡萄酒的显著性差异明显。
接着对处理后的数据进行非参数检验(UNIVARIATE过程)。首先用SAS软件得到两组红葡萄酒评分分数的差值,然后对所得差值进行假设:
。通过SAS软件处理后(程序见附录9)所得的结果如下:
图16
可以得到,
=0.081487,
<0.001<0.05, 拒绝原假设,
不为0,所以得出两组白葡萄酒的显著性差异明显。由结果可知,原始数据比处理后数据存在差异,处理后所得结果比较符合要求,所以根据两组白葡萄酒的显著性差异分析,我们决定剔除和修改小部分出现缺失和异常的数据,用处理后数据所得到的显著性差异分析结果作为问题一的最终结果。
因此,由处理后数据进行的正态性检验和非参数检验可以看出,两组评酒员的评价结果有显著性差异。接下来我们验证哪组评价结果更加可信。
所谓置信水平,也叫可靠度,或置信度、置信系数,它是指特定个体对待特定命题真实性相信的程度。置信区间越大,置信水平越高。下面用SAS软件中的“分析家”对数据进行处理后,给出两组之间葡萄酒的方差置信空间。
表1葡萄酒方差置信空间
第一组红葡萄酒
第二组红葡萄酒
第一组白葡萄酒
第二组白葡萄酒
方差置信空间
[0.0415,0.0582]
[0.0364,0.0511]
[0.0432,0.0602]
[0.0394,0.0549]
两组红葡萄酒方差比较:选择备择假设为第一组的方差/第二组的方差<1,即假设就为第一组的方差/第二组的方差>=1
图17两组红葡萄方差比较
结果:第一组的方差/第二组的方差>=1,所以第二组的方差较小
而且在样本数量相同的情况下,第二组的置信空间较宽,所以置信水平较高。
两组白葡萄方差比较:选择备择假设为第一组的方差/第二组的方差<1,即假设就为第一组的方差/第二组的方差>=1
图18两组白葡萄方差比较
结果:第一组的方差/第二组的方差>=1,所以第二组的方差较小
在样本数量相同的情况下,虽然第一组的置信空间宽度比第二组的大,但是方差却比第一组大得多,所以第二组更可信。
5.2问题二模型的建立与求解
数据处理:附件2中有些项目如蛋白质,VC含量,花色苷等测试了几次,所以需要对这些项目的数据进行求平均值的操作。附件3中主要是芳香物质的有关数据,数据量比较庞大,因此我们将不同样品的全部芳香物质数据进行求和,得到新的一组数据。由EXCEL对数据进行处理得到影响酿酒葡萄等级划分的相关数据。然后将处理的数据使用SAS软件中的INSIGHT模块做主成分分析,得到影响酿酒葡萄等级划分的主要指标,再用WARD系统聚类分析法对酿酒葡萄进行等级划分。
主成分分析,也称主分量分析,是对数据降维的一种方法,将给定的一组相关变量通过线性变化转换成另一组不相关的变量,即用一组互不相关的综合指标来代替原有指标。
聚类分析,实际上就是要建立一种分类方法,它将样品或变量按照其性质上的亲疏、相似程度进行分类。
5.2.1酿酒红葡萄等级划分
将30种对酿酒红葡萄的有关指标分别编号为
EMBED Equation.DSMT4 …
;将葡萄酒质量编号为
,芳香物质编号为
;然后使用SAS软件的INSIGHT模块对酿酒红葡萄进行主成分分析,得出结果如下:
图19相关系数矩阵的特征值
可以看出,与酿酒红葡萄的等级划分之间相关关系较为显著的因素有(
) (1)
共17个,因此我们最终保留这17个指标来划分酿酒红葡萄等级。
WARD系统聚类分析方法可以将27个不同样品的红葡萄按照其性质上的亲疏、相似程度进行分类。所以接下来我们用WARD系统聚类分析的方法(程序见附录10)根据主成分分析所得到的17个指标将27个不同样品的酿酒红葡萄分成5个类别(所得结果见图20,21):
图20 WARD法的谱系聚类图
图21聚类过程
从图22可以看出,
统计量很大,说明聚类的效果好。
的值总是在0和1之间,而且
的值总是随着分类个数NCL的减少而变小,根据
值的变化,可以确定27个样品分成5类之前最为合适。
因此根据所得分析结果,我们将27种红葡萄样品划分成5个等级,同聚一类的样品之间有着密切的相关性,由图20可以将红葡萄样品分成以下5个等级:
表1 酿酒红葡萄好坏等级划分
等级
葡萄种类
第一类
第二类
第三类
第四类
第五类
红葡萄
1 2 3 9 23
11
6 7 12 15 18
5 10 17 20 24 25 26
4 8 13 14 16 9 21 22 27
5.2.2白葡萄的等级划分
将30种对酿酒白葡萄的有关指标分别编号为
EMBED Equation.DSMT4 …
将葡萄酒质量编号
,芳香物质编号为
;然后使用SAS软件的INSIGHT模块对酿酒白葡萄进行主成分分析,得出结果如下:
图22相关系数矩阵的特征值
可以看出,与酿酒白葡萄的等级划分之间相关关系较为显著的因素有(
) (2)
共12个,因此我们最终保留这12个指标来划分酿酒红葡萄等级。
WARD系统聚类分析方法可以将28个不同样品的白葡萄按照其性质上的亲疏、相似程度进行分类。所以接下来我们用WARD系统聚类分析的方法(程序见附录11)根据主成分分析得到的12个指标将28个不同样品的白葡萄分成5个类别(所得结果见图23,24):
图23 WARD法的谱系聚类图
图24聚类过程
从图24可以看出,
统计量很大,说明聚类的效果好。
的值总是在0和1之间,而且
的值总是随着分类个数NCL的减少而变小,根据
值的变化,可以确定28个样品分成4类之前最为合适。
因此根据所得分析结果,我们将28种白葡萄样品划分成4个等级,同聚一类的样品之间有着密切的相关性,由图23可以将白葡萄样品分成以下4个等级:
表2 酿酒白葡萄好坏等级划分
等级
葡萄种类
第一类
第二类
第三类
第四类
白葡萄
6 18 15 7 24 13 27
12 14
2 8 11 16 3 9 19 23 25 26 28
21 1 4 10 17 22 5 20
5.3问题三模型的建立与求解
为了从总体上把握两组指标之间的相关关系,用SAS做典型相关分析,即分别在两组变量中提取有代表性的两个综合变量X和Y,利用这两个综合变量之间的相关关系来反映两组指标之间的整体相关性。由于变量X太多、而且把所有指标放进去做典型相关分析时得出的典型相关系数为1,所以要把某些与Y变量的相关系数较小的X变量剔除。然后用剩下的X变量与Y再进行典型相关分析,得出酿酒葡萄与葡萄酒的理化指标之间的相关性很大,即很有关联。
(1)、
表示红葡萄一级指标,
表示红葡萄酒的一级指标;
首先通过SAS软件对所有的红葡萄一级指标和红葡萄酒一级指标进行典型性相关分析(程序见12),得到结果如下图所示(图25,26,27)
图25典型相关系数
从图25可以看出,如果将所有的指标考虑进去,可以得知红葡萄一级指标和红葡萄酒一级指标之间的典型相关系数为1,非常大,不合乎常理,于是我们需要对相关指标进行剔除处理。
INCLUDEPICTURE "../Application%20Data/Tencent/Users/455742444/QQ/WinTemp/RichOle/@Z%7bIQ7041)%7dFSWVA4_O%5dYSC.jpg" \* MERGEFORMAT
图26相关系数阵
图26中给出了相关系数阵,由该图我们可以找出红葡萄和红葡萄酒之间的所有理化指标的相关系数,由此可以得出红葡萄和红葡萄酒之间相关性较大的指标,将不要的指标剔除,不予考虑。
图27典型相关结构
图27给出了各组原始变量和典型变量两两之间的相关系数矩阵。
从相关系数判断,可以得出,
(3)
(4)
(5)
(6)
因此通过典型性相关分析,我们保留
EMBED Equation.DSMT4
EMBED Equation.DSMT4
EMBED Equation.DSMT4
EMBED Equation.DSMT4
EMBED Equation.DSMT4
EMBED Equation.DSMT4
EMBED Equation.DSMT4
EMBED Equation.DSMT4
EMBED Equation.DSMT4
EMBED Equation.DSMT4
EMBED Equation.DSMT4 这12个红葡萄理化指标和红葡萄酒的理化指标之间的联系进行分析。
下面通过SAS软件给出12个红葡萄理化指标和红葡萄酒理化指标的典型性相关分析(程序见13)结果如下图(见图28,29)。
图28典型相关系数
图29标准化变量的典型变量的系数
从图28可以看出在仅考虑红葡萄12个理化指标的情况下,典型相关系数不再是1,比较符合实际情况。图29指出了来自红葡萄指标的第一典型变量RGPC1为:
(7)
来自红葡萄酒的第一典型指标变量RWPC1为:
(8)
关于第二典型变量有:
(9)
(10)
(2)、
表示白葡萄一级指标,
表示白葡萄酒的一级指标;
首先通过SAS软件对所有的白葡萄一级指标和白葡萄酒一级指标进行典型性相关分析(程序见附录14),得到结果如下图所示(图30,31,32):
图30典型相关系数
从图30可以看出,如果将所有的指标考虑进去,可以得知白葡萄一级指标和白葡萄酒一级指标之间的典型相关系数为1,非常大,不合乎常理,于是我们需要对相关指标进行剔除处理。
INCLUDEPICTURE "../Application%20Data/Tencent/Users/455742444/QQ/WinTemp/RichOle/1V%25TAQ7O9%5d1%7d%5bZ_35(%5d9COU.jpg" \* MERGEFORMAT
图31相关系数阵
而图31中给出了相关系数阵,由该图我们可以找出白葡萄和白葡萄酒之间的所有理化指标的相关系数,由此可以得出白葡萄和白葡萄酒之间相关性较大的指标,将不要的指标剔除,不予考虑。
图32典型相关结构
图32给出了各组原始变量和典型变量两两之间的相关系数矩阵。从相关系数判断,可以得出,白葡萄理化指标除了特定因素外其它各变量与典型变量之间的相关性都比较低, 因此通过典型性相关分析,我们保留:
(
) (11)
这14个白葡萄理化指标和白葡萄酒的理化指标之间的联系进行分析。
下面通过SAS软件给出12个红葡萄理化指标和红葡萄酒理化指标的典型性相关分析(程序见附录15)结果如下图(见图33、34)。
图33典型相关系数
图34标准化变量的典型变量的系数
从图33可以看出在仅考虑白葡萄14个理化指标的情况下,典型相关系数不再是1,比较符合实际情况。图34指出了来自红葡萄指标的第一典型变量WGPC1为:
(12)
来自红葡萄酒的第一典型指标变量WWPC1为:
(13)
关于第二典型变量有:
(14)
(15)
5.4问题四模型的建立与求解
我们根据问题三经过典型相关性分析得到的葡萄理化指标来讨论酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响,建立多元线性回归模型,并通过MATLAB对所得的模型进行残差分析和数据拟合,通过数据拟合图来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,然后用残差图进行检验。
(1)、考虑红葡萄和红葡萄酒的理化指标对红葡萄酒质量的影响。
首先通过MATLAB工具对红葡萄12个理化指标数据,红葡萄酒9个理化指标的数据和红葡萄酒质量的相关数据进行回归分析检验(程序和结果见附录16)。
根据结果可以得到红葡萄理化指标,红葡萄酒理化指标及红葡萄酒质量之间的回归模型为:
EMBED Equation.DSMT4
EMBED Equation.DSMT4 (16) 用MATLAB将红葡萄酒实际质量数据和模型所得到的数据进行数据拟合(程序见附录17)所得拟合图如图35所示:
图35红葡萄酒质量实际与模型数据拟合图
从图37可以看出,红葡萄酒质量实际数据与模型数据拟合度较高,所以可知,用葡萄和葡萄酒的理化指标来评价葡萄酒的质量是可行的,所建多元线性回归模型成立。
下面用残差图(图36)来检验模型,从图中可以看出,存在两个差异点,可忽略不计,说明所建的多元线性回归模型是比较合理,完善的。
图36残差分析图
(2)、考虑白葡萄和白葡萄酒的理化指标对白葡萄酒质量的影响。
首先通过MATLAB工具对白葡萄14理化指标数据,白葡萄酒9个理化指标的数据和白葡萄酒质量的相关数据进行回归分析与检验(程序和结果见附录18)。
根据结果可以得到红葡萄理化指标,红葡萄酒理化指标及红葡萄酒质量之间的回归模型为:
EMBED Equation.DSMT4
EMBED Equation.DSMT4 (17)
用MATLAB将白葡萄酒实际质量数据和模型所得到的数据进行数据拟合,得到的拟合图如图39(程序见附录19):
图37葡萄酒质量实际数据和模型数据拟合图
从图37看出,红葡萄酒质量实际数据与模型数据拟合度较高,所以可知,用葡萄和葡萄酒的理化指标来评价葡萄酒的质量是可行的,所建多元线性回归模型成立。
下面用残差图(图38)来检验模型,从图中可以看出,存在三个差异点,可忽略不计,说明所建的多元线性回归模型是比较合理,完善的。
图38残差分析图
(3)由于葡萄和葡萄酒中都含有芳香物质,而葡萄酒质量的评定指标中有香气分析,因此接着我们继续考虑芳香物质和香气之间的关系,进一步论证芳香物质与葡萄酒质量之间的联系。
用SAS软件先对酿酒红葡萄评分中的香气分析进行归一化处理,接着与芳香物质含量总和进行相关分析(程序见附录20),得到结果如下图所示(见图39,40)
INCLUDEPICTURE "../../../Program%20Files/Tencent/QQ/Users/923555203/Application%20Data/Tencent/Users/455742444/QQ/WinTemp/RichOle/CQ61KV2%7dT1K%609CE~L1FL$YR.jpg" \* MERGEFORMAT 图39
图40
结果分析:由图39可以看出,香气分析的三个指标与芳香物质含量总和的线性关系不明显;由图40可以得到,香气分析的三个指标与芳香物质含量总和的相关性不明显。说明芳香物质不影响红葡萄酒质量,可以用红葡萄和红葡萄酒的理化指标来评价葡萄酒的质量。
用SAS软件先对酿酒白葡萄评分中的香气分析进行归一化处理,接着与芳香物质含量总和进行相关分析(程序见附录21),得到结果如下图所示(见图41,42)
INCLUDEPICTURE "../../../Program%20Files/Tencent/QQ/Users/923555203/Application%20Data/Tencent/Users/455742444/QQ/WinTemp/RichOle/5%7dPWSCTKS6CF7U4%5b%600H%25F3V.jpg" \* MERGEFORMAT
图41
图42
结果分析:由图41可以看出,香气分析的三个指标与芳香物质含量总和的线性关系不明显;由图42可以得到,香气分析的三个指标与芳香物质含量总和的相关性不明显。说明芳香物质不影响白葡萄酒质量,可以用白葡萄和白葡萄酒的理化指标来评价葡萄酒的质量。
6、 模型评价
求解问题一时运用了数据的归一化方法,从而避免因每个分数的最高分不一致而直接使用数据造成较大误差的现象,接着还对归一化后的数据进行正态性检验,如果服从正态分布就作参数检验,否则就做非参数检验,如不先进行正态性检验而随便作参数检验或者非参数检验,这样会产生很大误差,所以我们就先作正态性检验,大大减少了人为误差。
求解问题二时运用了主成分分析,将这么多的理化指标缩减为与酿酒葡萄好坏有较大关系的理化指标,从而更加准确地对酿酒葡萄进行分级;另外还用了WARD法系统聚类分析,画出谱系聚类图,能够更好地看出酿酒葡萄的分类级别。
求解问题三时运用了典型相关分析的思想来解决酿酒葡萄与葡萄酒的理化指标之间的联系,典型相关分析利用综合变量对之间的相关关系来反映两组指标之间的整体相关性的多元统计分析方法,所以更能反映酿酒葡萄与葡萄酒的理化指标之间的联系。
在求解问题一时,数据的归一化过程是把十组品酒员的评分加起来后再求平均值,可能会造成很大的误差;
在求解问题三、问题四时,没有对二级指标进行分析,可能会对酿酒葡萄与葡萄酒的理化指标之间的联系产生一定的影响。
7、 参考文献
[1] 汪远征 徐静雅,SAS软件与统计应用教程,北京,机械工业出版社,2007
[2] 张志涌 杨祖樱,MATLAB教程,北京,北京航空航天大学出版社,2006
[3] 新浪博客,判断酿酒葡萄品质的五大指标性物质,http://blog.sina.com.cn/s/blog_4fa6a0d701000fy2.html,2007
[4] 豆丁网,第5章SAS非参数检验,http://www.docin.com/p-302417364.html,2012年9月8日
[5] 道客巴巴,8 SAS中聚类分析[统计学经典],http://www.doc88.com/p-696270977521.html,2012年9月8日
[6]百度文库, SAS讲义 第三十七讲典型相关性分析,http://wenku.baidu.com/view/8298e664783e0912a2162ab4.html,2012年9月9日
[7]姜启源,谢金星,叶俊,数学模型(第三版),高等教育出版社,2003年8月第3版
8、 附录
附录1(SAS软件):对原始数据的归一化处理过程
data a;
set aa;
c1=a1-b1;
c2=a2-b2;
c3=a3-b3;
c4=a4-b4;
c5=a5-b5;
c6=a6-b6;c7=a7-b7;c8=a8-b8;
c9=a9-b9;c10=a10-b10;
keep c1 c2 c3 c4 c5 c6 c7 c8 c9 c10;
run;
data q w e r t y u i o p;
set qw;
select (F1);
when ('1') output q;
when ('2') output w;
when ('3') output e;
when ('4') output r;
when ('5') output t;
when ('6') output y;
when ('7') output u;
when ('8') output i;
when ('9') output o;
when ('10') output p;
otherwise put F1='wrong';
end;
run;
data qq;
set q;
C1=c1+c2+c3+c4+c5+c6+c7+c8+c9+c10;
C1=C1/50;
keep C1;
run;
data ww;
set w;
C2=c1+c2+c3+c4+c5+c6+c7+c8+c9+c10;
C2=C2/100;
keep C2;
run;
data ee;
set e;
C3=c1+c2+c3+c4+c5+c6+c7+c8+c9+c10;
C3=C3/60;
keep C3;
run;
data rr;
set r;
C4=c1+c2+c3+c4+c5+c6+c7+c8+c9+c10;
C4=C4/80;
keep C4;
run;
data tt;
set t;
C5=c1+c2+c3+c4+c5+c6+c7+c8+c9+c10;
C5=C5/160;
keep C5;
run;
data yy;
set y;
C6=c1+c2+c3+c4+c5+c6+c7+c8+c9+c10;
C6=C6/60;
keep C6;
run;
data uu;
set u;
C7=c1+c2+c3+c4+c5+c6+c7+c8+c9+c10;
C7=C7/80;
keep C7;
run;
data ii;
set i;
C8=c1+c2+c3+c4+c5+c6+c7+c8+c9+c10;
C8=C8/80;
keep C8;
run;
data oo;
set o;
C9=c1+c2+c3+c4+c5+c6+c7+c8+c9+c10;
C9=C9/220;
keep C9;
run;
data pp;
set p;
C10=c1+c2+c3+c4+c5+c6+c7+c8+c9+c10;
C10=C10/110;
keep C10;
run;
附录2(SAS软件):对原始数据进行正态性检验
proc univariate
data=AS normal;
var c1;
histogram c1;
probplot c1;
run;
附录3(SAS软件):对原始数据进行配对两样本的非参数检验
proc univariate DATA=ASD;
Var c1;
RUN;
附录4(SAS软件):对处理后的数据(红葡萄酒得分)进行归一化处理
data q w e r t y u i o p;
set cc;
select (F1);
when ('1') output q;
when ('2') output w;
when ('3') output e;
when ('4') output r;
when ('5') output t;
when ('6') output y;
when ('7') output u;
when ('8') output i;
when ('9') output o;
when ('10') output p;
otherwise put F1='wrong';
end;
run;
data qq;
set q;
A1=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10;
B1=b1+b2+b3+b4+b5+b6+b7+b8+b9+b10;
A1=A1/50;
B1=B1/50;
keep A1 B1;
run;
data ww;
set w;
A1=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10;
B1=b1+b2+b3+b4+b5+b6+b7+b8+b9+b10;
A2=A2/100;
B2=B2/100;
keep A2 B2;
run;
data ee;
set e;
A3=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10;
B3=b1+b2+b3+b4+b5+b6+b7+b8+b9+b10;
A3=A3/60;
B3=B3/60;
keep A3 B3;
run;
data rr;
set r;
A4=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10;
B4=b1+b2+b3+b4+b5+b6+b7+b8+b9+b10;
A4=A4/80;
B4=B4/80;
keep A4 B4;
run;
data tt;
set t;
A5=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10;
B5=b1+b2+b3+b4+b5+b6+b7+b8+b9+b10;
A5=A5/160;
B5=B5/160;
keep A5 B5;
run;
data yy;
set y;
A6=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10;
B6=b1+b2+b3+b4+b5+b6+b7+b8+b9+b10;
A6=A6/60;
B6=B6/60;
keep A6 B6;
run;
data uu;
set u;
A7=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10;
B7=b1+b2+b3+b4+b5+b6+b7+b8+b9+b10;
A7=A7/80;
B7=B7/80;
keep A7 B7;
run;
data ii;
set i;
A8=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10;
B8=b1+b2+b3+b4+b5+b6+b7+b8+b9+b10;
A8=A8/80;
B8=B8/80;
keep A8 B8;
run;
data oo;
set o;
A9=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10;
B9=b1+b2+b3+b4+b5+b6+b7+b8+b9+b10;
A9=A9/220;
B9=B9/220;
keep A9 B9;
run;
data pp;
set p;
A10=a1+a2+a3+a4+a5+a6+a7+a8+a9+a10;
B10=b1+b2+b3+b4+b5+b6+b7+b8+b9+b10;
A10=A10/110;
B10=B10/110;
keep A10 B10;
run;
data b;
set as;
c1=a1-b1;
keep c1;
run;
附录5(SAS软件):对处理后的数据(红葡萄酒得分)进行正态性检验
proc univariate
data=b normal;
var c1;
histogram c1;
probplot c1;
run;
附录6(SAS软件):对处理后的数据(红葡萄酒得分)进行非参数检验
proc univariate DATA=b;
Var c1;
RUN;
附录7(SAS软件):对处理后的数据(白葡萄酒得分)进行归一化处理
data q w e r t y u i o p;
set dd;
select (num);
when ('1') output q;
when ('2') output w;
when ('3') output e;
when ('4') output r;
when ('5') output t;
when ('6') output y;
when ('7') output u;
when ('8') output i;
when ('9') output o;
when ('10') output p;
otherwise put F1='wrong';
end;
run;
data qq;
set q;
E1=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10;
F1=f1+f2+f3+f4+f5+f6+f7+f8+f9+f10;
E1=E1/50;
F1=F1/50;
keep E1 F1;
run;
data ww;
set w;
E1=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10;
F1=f1+f2+f3+f4+f5+f6+f7+f8+f9+f10;
E2=E2/100;
F2=F2/100;
keep E2 F2;
run;
data ee;
set e;
E3=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10;
F3=f1+f2+f3+f4+f5+f6+f7+f8+f9+f10;
E3=E3/60;
F3=F3/60;
keep E3 F3;
run;
data rr;
set r;
E4=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10;
F4=f1+f2+f3+f4+f5+f6+f7+f8+f9+f10;
E4=E4/80;
F4=F4/80;
keep E4 F4;
run;
data tt;
set t;
E5=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10;
F5=f1+f2+f3+f4+f5+f6+f7+f8+f9+f10;
E5=E5/160;
F5=F5/160;
keep E5 F5;
run;
data yy;
set y;
E6=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10;
F6=f1+f2+f3+f4+f5+f6+f7+f8+f9+f10;
E6=E6/60;
F6=F6/60;
keep E6 F6;
run;
data uu;
set u;
E7=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10;
F7=f1+f2+f3+f4+f5+f6+f7+f8+f9+f10;
E7=E7/80;
F7=F7/80;
keep E7 F7;
run;
data ii;
set i;
E8=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10;
F8=f1+f2+f3+f4+f5+f6+f7+f8+f9+f10;
E8=E8/80;
F8=F8/80;
keep E8 F8;
run;
data oo;
set o;
E9=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10;
F9=f1+f2+f3+f4+f5+f6+f7+f8+f9+f10;
E9=E9/220;
F9=F9/220;
keep E9 F9;
run;
data pp;
set p;
E10=e1+e2+e3+e4+e5+e6+e7+e8+e9+e10;
F10=f1+f2+f3+f4+f5+f6+f7+f8+f9+f10;
E10=E10/110;
F10=F10/110;
keep E10 F10;
run;
data d;
set asd;
d1=e1-f1;
keep d1;
run;
附录8(SAS软件):对处理后的数据(白葡萄酒得分)进行正态性检验
proc univariate
data=d normal;
var d1;
histogram d1;
probplot d1;
run;
附录9(SAS软件):对处理后的数据(白葡萄酒得分)进行非参数检验
proc univariate DATA=d;
Var d1;
RUN;
附录10(SAS软件):对酿酒红葡萄进行聚类分析
data d641;
input group $ x1-x16;
cards;
1
0.251
33.753
1119.853
3.195
208.175
226.5
3.56
5.86
38.66
25.918
4.51
0.11
0.78
0.26
24.2
163.53
2
0.062
30.904
762.525
4.889
205
228.8
3.95
5.19
44.05
25.986
3.83
0.163
0.65
-1.25
30
164.633
3
0.315
19.303
266.64
4.764
256.19
257.6
3.91
7.16
35.99
28.997
5.6
0.17
1.09
-0.62
29.5
263.082
4
0.097
15.534
72.905
3.412
189.722
203.3
3.29
7.11
28.61
23.721
3.26
0.174
1.84
-0.37
26.5
240.82
5
0.041
31.536
143.513
0.637
209.663
212.9
3.64
6.65
32
24.084
2.99
0.27
0.88
-0.33
27.25
261.423
6
0.075
36.774
115.943
2.203
244.385
246.1
3.29
9.31
26.43
27.376
2.64
0.193
1.81
-0.16
26.35
275.576
7
0.131
25.591
433.751
0.623
209.861
211.4
3.18
8.14
25.98
26.438
4.78
0.141
2.05
-0.38
26.35
210.063
8
0.181
50.434
1305.595
5.949
198.849
226.5
2.92
6.47
34.99
25.62
6.41
0.26
0.8
-0.51
26.05
282.391
9
0.512
16.869
424.108
4.907
193.69
203.4
3.74
5.88
34.58
23.761
5.31
0.13
1.44
-0.38
30.3
485.414
10
0.25
10.427
459.569
12.307
167.202
181.2
3.65
6.67
27.16
19.676
4.59
0.2
2.17
-1.12
27
334.163
11
0.076
14.26
91.468
26.851
209.563
210.2
3.53
5.5
38.24
24.527
3.41
0.102
12.15
3.87
25.1
280.86
12
0.065
21.08
132.216
0.696
247.659
261.1
3.43
8.54
30.58
27.614
2.4
0.243
2.04
0.01
24.15
5701.266
13
0.015
28.076
99.881
10.863
197.857
203.4
3.86
4.34
23.75
23.353
4.67
0.16
1.04
-1.57
27.35
2329.156
14
0.06
41.577
991.046
6.313
191.508
193.9
3.39
5.4
35.9
24.06
4.6
0.255
1.19
-0.57
27.7
234.484
15
0.068
25.743
157.997
0.211
179.107
214.9
3.19
8.57
25.09
25.012
2.9
0.213
1.98
-0.01
22.9
395.22
16
0.083
13.648
529.969
4.556
204.008
205.6
3.3
4.92
41.76
22.346
3.79
0.135
1.33
-0.34
27.6
186.767
17
0.056
17.174
129.581
0.711
212.738
238.2
3.43
8.66
27.51
26.276
2.8
0.33
1.18
-0.25
28.8
180.018
18
0.112
27.077
158.87
0.416
226.032
226.6
3.27
8.03
28.21
26.338
2.6
0.16
2.87
0.21
24.65
348.361
19
0.072
30.408
202.962
3.821
205.794
214.9
3.57
6.81
31.54
23.441
6.32
0.162
0.8
-1.51
28.6
273.508
20
0.024
12.439
89.77
1.545
193.194
209.1
3.81
5.17
40.48
22.933
3.15
0.232
1.96
-0.43
30.35
321.525
21
0.05
18.123
194.262
7.847
205.794
216.9
3.56
6.78
31.99
26.948
4.74
0.108
1.21
0
28.3
3135.274
22
0.074
21.824
417.665
4.289
224.147
234.7
3.65
5.97
39.36
25.674
3.32
0.147
1.52
-0.07
28.05
368.863
23
0.097
16.406
427.028
9.968
207.679
208.8
3.39
6.91
30.23
23.383
3.84
0.233
1.38
-0.42
30.8
201.048
24
0.033
15.066
144.729
2.935
201.825
203.3
3.61
7.27
27.98
25.815
2.99
0.247
0.9
-0.29
28.15
171.075
25
0.064
14.28
140.946
2.129
150.337
194.6
3.38
8.53
22.81
18.515
4.1
0.22
1.52
-0.92
25.85
201.207
26
0.416
32.026
82.359
2.086
173.353
195.7
3.68
4.58
42.74
19.758
3.35
0.23
1.09
-0.83
27.05
870.654
27
0.091
23.035
592.199
1.569
196.667
206.9
3.37
6.97
29.67
23.329
3.51
0.2
2.33
-1.23
27.9
724.818
;
proc print data=d641;
run;
proc cluster data=d641 method=ward std pseudo ccc
outtree=b641;
var x1-x12;
id group;
proc tree data=b641 horizontal graphics n=5 out=c641;
copy group x1-x16;
title '使用WARD法画的谱系聚类图';
run;
title '使用WARD法';
附录11(SAS软件):对酿酒白葡萄进行聚类分析
data d641;
input group $ x1-x12;
cards;
1
496.457
3.277
179.703
5.336
2.557
0.155
0.3977
8.23
24.3
20.519
72.7
323.077
2
538.451
3.263
79.239
5.09
1.334
3.038
1.6627
4.67
45.03
21.85
69.4
228.079
3
467.239
7.140
43.218
6.972
3.809
1.357
1.6333
3.82
56.2
24.144
74.4
227.114
4
496.201
3.940
25.34
5.248
1.548
0.530
1.3188
6
34.87
24.465
72.4
350.4
5
467.203
7.047
137.636
6.323
2.379
1.162
3.1705
7.2
30.47
25.097
69.2
268.6
6
499.08
4.777
143.493
10.541
6.36
1.727
8.0864
7.81
25.15
23.572
78.5
866.702
7
560.343
4.237
75.887
10.267
6.824
1.235
4.7952
7.42
23.5
23.907
68.4
410.535
8
493.739
4.137
189.667
5.134
2.838
0.137
5.6080
4.25
41.17
21.36
78.8
263.647
9
482.855
6.010
44.976
5.814
2.785
0.087
0.7518
4.07
56.22
25.231
64.6
315.552
10
515.756
3.637
192.731
7.728
3.487
0.246
1.1776
6.68
32.88
22.84
70.8
598.218
11
557.441
3.723
218.452
7.854
4.404
0.822
1.8589
3.31
56.98
21.558
71.8
213.531
12
457.649
2.270
148.364
8.483
4.314
0.752
8.4308
4.46
47.39
23.329
71.7
1863.655
13
459.397
3.207
118.628
11.774
7.044
0.095
0.2103
6.31
29.67
18.295
77.1
226.349
14
524.857
2.513
530.556
5.324
2.393
0.095
1.3006
5.91
34
24.617
77.3
1658.135
15
546.446
3.387
91.796
8.871
5.19
4.023
11.8734
7.84
22.03
22.403
71
157.949
16
464.819
3.187
144.825
5.007
3.135
1.572
5.3140
3.74
51.39
21.536
71.5
421.631
17
416.876
4.017
134.629
6.575
2.323
1.026
6.0135
4.97
39.1
21.506
75.2
176.959
18
581.913
4.020
133.056
11.957
6.261
1.820
2.7771
8.17
22.8
22.021
82.8
135.611
19
455.675
5.180
27.517
4.725
2.152
1.782
0.8535
3.41
59.32
23.078
69.2
1003.979
20
479.934
6.987
150.273
5.251
2.341
0.157
6.1633
8.48
26.03
23.772
75.8
242.164
21
585.359
3.797
1167.648
4.367
0.744
0.845
0.7158
6.88
30.73
22.218
69.6
254.674
22
402.156
3.933
63.447
6.409
2.71
0.969
8.9296
5.42
38.55
23.707
68.6
342.219
23
505.339
3.600
839.45
5.127
2.508
1.650
12.4106
4.86
45.71
25.204
68.5
491.729
24
629.801
3.357
90.611
10.755
7.923
0.483
3.2138
6.6
35
24.536
66.6
144.498
25
516.862
4.337
205.61
7.666
2.625
0.850
8.6195
4.98
45
26.534
74.7
347.801
26
496.835
2.300
14.674
5.816
2.816
1.426
4.3089
5.29
42.83
26.487
56
358.528
27
642.373
6.470
870.194
16.965
9.526
1.155
50.4966
4.05
52.59
24.477
64.1
208.251
28
450.458
5.690
74.477
6.567
3.885
2.921
5.7323
6
37.76
25.301
65.5
358.055
;
proc print data=d641;
run;
proc cluster data=d641 method=ward std pseudo ccc
outtree=b641;
var x1-x12;
id group;
proc tree data=b641 horizontal graphics n=5 out=c641;
copy group x1-x12;
title '使用WARD法画的谱系聚类图';
run;
title '使用WARD法';
附录12(SAS软件):对酿酒红葡萄与红葡萄酒的理化指标进行典型相关分析
data fg;
input X1-X28 Y1-Y9;
cards;
2027.96
553.106
0.251
408.028
22.1
33.753
1119.853
0.4301
23.604
22.019
9.48
3.195
17.6780
208.175
237.668
226.5
3.56
5.86
38.66
25.918
182.93
123.6
4.51
78.4
0.11
24.07
0.78
0.26
973.878
11.03
9.983
8.02
2.4382
0.358
2.480
16.100
3.880
2128.82
626.478
0.062
224.367
15.45
30.904
762.525
0.4644
26.875
23.361
13.806
4.889
27.4550
205
229.136
228.8
3.95
5.19
44.05
25.986
81.62
98.3
3.83
77.5
0.163
26.07
0.65
-1.25
517.581
11.078
9.56
13.3
3.6484
0.46
14.260
45.770
24.060
8397.28
585.046
0.315
157.939
12.09
19.303
266.64
0.409
21.685
20.373
10.794
4.764
164.9927
256.19
273.758
257.6
3.91
7.16
35.99
28.997
83.13
105.4
5.6
71.8
0.17
25.5
1.09
-0.62
398.77
13.259
8.549
7.368
5.2456
0.396
16.390
48.040
27.560
2144.68
529.823
0.097
79.685
9.55
15.534
72.905
0.2655
10.698
8.638
4.482
3.412
26.9679
189.722
237.766
203.3
3.29
7.11
28.61
23.721
137.97
174.7
3.26
53
0.174
25.98
1.84
-0.37
183.519
6.477
5.982
4.306
2.9337
0.177
42.300
59.530
26.750
1844.00
585.613
0.041
120.606
14.7
31.536
143.513
0.3961
17.618
14.486
10.275
0.637
6.6502
209.663
195.460
212.9
3.64
6.65
32
24.084
515.46
254.2
2.99
65.6
0.27
26.33
0.88
-0.33
280.19
5.849
6.034
3.644
4.9969
0.207
34.460
60.160
24.050
3434.17
536.643
0.075
46.186
5.04
36.774
115.943
0.275
10.671
15.173
6.838
2.203
7.7272
244.385
223.817
246.1
3.29
9.31
26.43
27.376
202.24
172
2.64
71.9
0.193
25.16
1.81
-0.16
117.026
7.354
5.858
4.445
4.4311
0.211
56.950
54.430
23.570
2391.16
487.172
0.131
60.767
14.1
25.591
433.751
0.1756
9.214
5.619
3.468
0.623
9.8648
209.861
303.950
211.4
3.18
8.14
25.98
26.438
63.61
168.8
4.78
71.5
0.141
25.61
2.05
-0.38
90.825
4.014
3.858
2.765
1.8205
0.112
59.000
48.820
32.070
1950.76
558.546
0.181
241.397
21.77
50.434
1305.595
0.4148
15.241
22.489
8.483
5.949
115.5546
198.849
196.990
226.5
2.92
6.47
34.99
25.62
213.09
181.1
6.41
59.6
0.26
26.85
0.8
-0.51
918.688
12.028
10.137
7.748
1.0158
0.346
8.600
38.860
14.680
2262.72
700.828
0.512
240.843
18.45
16.869
424.108
0.6658
30.114
24.362
20.49
4.907
58.5407
193.69
194.925
203.4
3.74
5.88
34.58
23.761
186.62
138.1
5.31
78
0.13
23.81
1.44
-0.38
387.765
12.933
11.313
9.905
3.8599
0.386
14.170
46.090
24.190
1364.14
545.305
0.25
44.203
4.99
10.427
459.569
0.3255
9.476
16.688
4.631
12.307
28.7475
167.202
161.421
181.2
3.65
6.67
27.16
19.676
255.44
200.8
4.59
71.7
0.2
27.1
2.17
-1.12
138.714
5.567
4.343
3.145
3.2459
0.136
57.090
58.060
8.000
2355.69
542.662
0.076
7.787
19.8
14.26
91.468
0.279
6.075
4.543
2.517
26.851
25.5751
209.563
237.891
210.2
3.53
5.5
38.24
24.527
177.83
118.8
3.41
58.4
0.102
28.03
12.15
3.87
11.838
4.588
4.023
2.103
0.3816
0.105
88.790
12.140
19.540
2556.79
493.460
0.065
32.343
12.54
21.08
132.216
0.1973
12.059
7.169
3.897
0.696
2.4802
247.659
262.155
261.1
3.43
8.54
30.58
27.614
191.95
187.7
2.4
63.3
0.243
26.57
2.04
0.01
84.079
6.458
4.817
2.986
2.1628
0.141
53.680
50.450
30.590
1416.11
606.204
0.015
65.324
6.28
28.076
99.881
0.4406
14.385
9.822
7.33
10.863
40.7586
197.857
212.237
203.4
3.86
4.34
23.75
23.353
159.97
148
4.67
68.1
0.16
27.53
1.04
-1.57
200.08
6.385
4.93
3.957
1.3388
0.166
41.590
58.730
19.600
1237.81
599.829
0.06
140.257
11.48
41.577
991.046
0.3597
14.657
13.941
7.809
6.313
134.6375
191.508
255.335
193.9
3.39
5.4
35.9
24.06
209.11
136.3
4.6
66.2
0.255
25.41
1.19
-0.57
251.57
6.073
5.013
3.068
2.1659
0.163
24.220
56.170
35.300
2177.91
524.613
0.068
52.792
11.92
25.743
157.997
0.2189
11.901
25.417
5.511
0.211
9.7179
179.107
208.933
214.9
3.19
8.57
25.09
25.012
159.31
174.5
2.9
67.7
0.213
25.53
1.98
-0.01
122.592
3.985
4.064
1.836
0.8886
0.068
52.950
57.870
19.090
1553.50
583.374
0.083
60.66
18.69
13.648
529.969
0.2367
11.214
10.086
9.157
4.556
8.1900
204.008
189.275
205.6
3.3
4.92
41.76
22.346
119.17
109.3
3.79
71.8
0.135
26.11
1.33
-0.34
171.502
4.832
4.044
2.668
1.1620
0.117
50.470
59.450
18.200
1713.65
548.833
0.056
59.424
11.87
17.174
129.581
0.3585
15.336
15.73
8.701
0.711
43.8121
212.738
271.504
238.2
3.43
8.66
27.51
26.276
446.64
264.1
2.8
71.5
0.33
25.4
1.18
-0.25
234.42
9.17
6.168
4.912
1.6504
0.31
41.210
56.030
25.120
2398.38
513.817
0.112
40.228
9.71
27.077
158.87
0.2256
7.381
5.388
5.245
0.416
6.5161
226.032
265.773
226.6
3.27
8.03
28.21
26.338
196.01
208.4
2.6
63.1
0.16
25.52
2.87
0.21
71.902
4.447
4.353
3.531
1.7396
0.138
58.180
54.720
22.550
2463.60
544.462
0.072
115.704
9.96
30.408
202.962
0.3796
17.426
13.7
9.454
3.821
31.2649
205.794
220.333
214.9
3.57
6.81
31.54
23.441
173.09
168.8
6.32
67.4
0.162
27.19
0.8
-1.51
198.614
5.981
5.157
3.875
9.0269
0.167
47.700
64.930
20.670
2273.63
559.332
0.024
23.523
4.87
12.439
89.77
0.2819
12.677
8.115
8.155
1.545
9.6262
193.194
227.338
209.1
3.81
5.17
40.48
22.933
307.14
334.3
3.15
59.5
0.232
27.09
1.96
-0.43
74.377
5.864
4.858
4.044
0.9641
0.158
78.480
26.390
15.870
6346.83
563.794
0.05
89.282
20.82
18.123
194.262
0.3793
16.192
13.613
7.515
7.847
47.2196
205.794
259.110
216.9
3.56
6.78
31.99
26.948
147.66
106.1
4.74
60.4
0.108
25.18
1.21
0
313.784
10.09
8.941
4.44
8.7937
0.358
21.500
52.800
35.210
2566.61
488.712
0.074
74.027
14.99
21.824
417.665
0.2837
16.442
12.155
7.846
4.289
13.8003
224.147
226.399
234.7
3.65
5.97
39.36
25.674
106.61
115.8
3.32
57.4
0.147
25.94
1.52
-0.07
251.017
7.105
6.199
5.827
4.4666
0.231
40.550
54.050
26.200
2380.81
543.574
0.097
172.626
9.67
16.406
427.028
0.5725
29.704
24.257
24.295
9.968
44.7476
207.679
212.564
208.8
3.39
6.91
30.23
23.383
278.75
219.1
3.84
77.5
0.233
26.65
1.38
-0.42
413.94
10.888
12.529
12.144
12.6821
0.566
14.600
46.860
25.070
1638.83
525.820
0.033
144.881
14.66
15.066
144.729
0.283
8.751
14.417
8.206
2.935
14.3803
201.825
244.512
203.3
3.61
7.27
27.98
25.815
517.45
237.4
2.99
76.7
0.247
25.97
0.9
-0.29
270.108
5.747
5.394
3.731
6.8689
0.165
42.840
59.060
17.680
1409.70
537.084
0.064
49.643
5.51
14.28
140.946
0.3509
11.502
9.324
5.373
2.129
30.2112
150.337
156.038
194.6
3.38
8.53
22.81
18.515
288.69
251.3
4.1
58.5
0.22
27.1
1.52
-0.92
158.569
5.406
4.425
3.022
2.5789
0.165
50.240
63.780
11.530
851.17
587.293
0.416
58.469
9.37
32.026
82.359
0.3172
7.348
3.778
3.383
2.086
13.9166
173.353
197.377
195.7
3.68
4.58
42.74
19.758
793.47
245.5
3.35
68.3
0.23
28
1.09
-0.83
151.481
3.615
3.889
2.154
2.7369
0.076
33.500
62.050
29.180
1116.61
528.331
0.091
34.19
8.88
23.035
592.199
0.2649
8.897
10.31
4.711
1.569
15.9809
196.667
213.216
206.9
3.37
6.97
29.67
23.329
282.09
148.7
3.51
59.5
0.2
28.79
2.33
-1.23
138.455
5.961
4.734
3.284
4.7758
0.151
63.140
48.730
15.980
;
run;
proc cancorr data=fg all
vprefix=RGPCI vname='Red Graph Physical and Chemical Indicators'
wprefix=RWPCI wname='Red Wine Physical and Chemical Indicators';
var X1-X28;
with Y1-Y9;
run;
附录13(SAS软件):对剔除典型相关系数较小的酿酒红葡萄与红葡萄酒的理化指标进行典型相关分析
data fit;
input X1-X12 Y1-Y9;
cards;
2027.96
553.106
0.251
33.753
9.48
3.195
237.668
226.5
3.56
0.11
0.78
0.26
973.878
11.03
9.983
8.02
2.4382
0.358
2.480
16.100
3.880
2128.82
626.478
0.062
30.904
13.806
4.889
229.136
228.8
3.95
0.163
0.65
-1.25
517.581
11.078
9.56
13.3
3.6484
0.46
14.260
45.770
24.060
8397.28
585.046
0.315
19.303
10.794
4.764
273.758
257.6
3.91
0.17
1.09
-0.62
398.77
13.259
8.549
7.368
5.2456
0.396
16.390
48.040
27.560
2144.68
529.823
0.097
15.534
4.482
3.412
237.766
203.3
3.29
0.174
1.84
-0.37
183.519
6.477
5.982
4.306
2.9337
0.177
42.300
59.530
26.750
1844.00
585.613
0.041
31.536
10.275
0.637
195.460
212.9
3.64
0.27
0.88
-0.33
280.19
5.849
6.034
3.644
4.9969
0.207
34.460
60.160
24.050
3434.17
536.643
0.075
36.774
6.838
2.203
223.817
246.1
3.29
0.193
1.81
-0.16
117.026
7.354
5.858
4.445
4.4311
0.211
56.950
54.430
23.570
2391.16
487.172
0.131
25.591
3.468
0.623
303.950
211.4
3.18
0.141
2.05
-0.38
90.825
4.014
3.858
2.765
1.8205
0.112
59.000
48.820
32.070
1950.76
558.546
0.181
50.434
8.483
5.949
196.990
226.5
2.92
0.26
0.8
-0.51
918.688
12.028
10.137
7.748
1.0158
0.346
8.600
38.860
14.680
2262.72
700.828
0.512
16.869
20.49
4.907
194.925
203.4
3.74
0.13
1.44
-0.38
387.765
12.933
11.313
9.905
3.8599
0.386
14.170
46.090
24.190
1364.14
545.305
0.25
10.427
4.631
12.307
161.421
181.2
3.65
0.2
2.17
-1.12
138.714
5.567
4.343
3.145
3.2459
0.136
57.090
58.060
8.000
2355.69
542.662
0.076
14.26
2.517
26.851
237.891
210.2
3.53
0.102
12.15
3.87
11.838
4.588
4.023
2.103
0.3816
0.105
88.790
12.140
19.540
2556.79
493.460
0.065
21.08
3.897
0.696
262.155
261.1
3.43
0.243
2.04
0.01
84.079
6.458
4.817
2.986
2.1628
0.141
53.680
50.450
30.590
1416.11
606.204
0.015
28.076
7.33
10.863
212.237
203.4
3.86
0.16
1.04
-1.57
200.08
6.385
4.93
3.957
1.3388
0.166
41.590
58.730
19.600
1237.81
599.829
0.06
41.577
7.809
6.313
255.335
193.9
3.39
0.255
1.19
-0.57
251.57
6.073
5.013
3.068
2.1659
0.163
24.220
56.170
35.300
2177.91
524.613
0.068
25.743
5.511
0.211
208.933
214.9
3.19
0.213
1.98
-0.01
122.592
3.985
4.064
1.836
0.8886
0.068
52.950
57.870
19.090
1553.50
583.374
0.083
13.648
9.157
4.556
189.275
205.6
3.3
0.135
1.33
-0.34
171.502
4.832
4.044
2.668
1.1620
0.117
50.470
59.450
18.200
1713.65
548.833
0.056
17.174
8.701
0.711
271.504
238.2
3.43
0.33
1.18
-0.25
234.42
9.17
6.168
4.912
1.6504
0.31
41.210
56.030
25.120
2398.38
513.817
0.112
27.077
5.245
0.416
265.773
226.6
3.27
0.16
2.87
0.21
71.902
4.447
4.353
3.531
1.7396
0.138
58.180
54.720
22.550
2463.60
544.462
0.072
30.408
9.454
3.821
220.333
214.9
3.57
0.162
0.8
-1.51
198.614
5.981
5.157
3.875
9.0269
0.167
47.700
64.930
20.670
2273.63
559.332
0.024
12.439
8.155
1.545
227.338
209.1
3.81
0.232
1.96
-0.43
74.377
5.864
4.858
4.044
0.9641
0.158
78.480
26.390
15.870
6346.83
563.794
0.05
18.123
7.515
7.847
259.110
216.9
3.56
0.108
1.21
0
313.784
10.09
8.941
4.44
8.7937
0.358
21.500
52.800
35.210
2566.61
488.712
0.074
21.824
7.846
4.289
226.399
234.7
3.65
0.147
1.52
-0.07
251.017
7.105
6.199
5.827
4.4666
0.231
40.550
54.050
26.200
2380.81
543.574
0.097
16.406
24.295
9.968
212.564
208.8
3.39
0.233
1.38
-0.42
413.94
10.888
12.529
12.144
12.6821
0.566
14.600
46.860
25.070
1638.83
525.820
0.033
15.066
8.206
2.935
244.512
203.3
3.61
0.247
0.9
-0.29
270.108
5.747
5.394
3.731
6.8689
0.165
42.840
59.060
17.680
1409.70
537.084
0.064
14.28
5.373
2.129
156.038
194.6
3.38
0.22
1.52
-0.92
158.569
5.406
4.425
3.022
2.5789
0.165
50.240
63.780
11.530
851.17
587.293
0.416
32.026
3.383
2.086
197.377
195.7
3.68
0.23
1.09
-0.83
151.481
3.615
3.889
2.154
2.7369
0.076
33.500
62.050
29.180
1116.61
528.331
0.091
23.035
4.711
1.569
213.216
206.9
3.37
0.2
2.33
-1.23
138.455
5.961
4.734
3.284
4.7758
0.151
63.140
48.730
15.980
;
run;
proc cancorr data=fit all
vprefix=RGPCI vname='Red Graph Physical and Chemical Indicators'
wprefix=RWPCI wname='Red Wine Physical and Chemical Indicators';
var X1-X12;
with Y1-Y9;
run;
附录14(SAS软件):对酿酒白葡萄与白葡萄酒的理化指标进行典型相关分析
data hh;
input X1-X28 Y1-Y8;
cards;
1279.30
496.457
0.787
0.819
3.277
51.344
179.703
0.3267
5.336
2.947
2.557
0.155
0.3977
175.04
186.849
199.9
3.34
8.23
24.3
20.519
275.06
224.3
4.14
72.7
0.241
36.2
-2.11
11.18
1.62
1.264
0.105
0.309
0.0348
102.11
-0.51
2.11
1870.93
538.451
0.057
0.404
3.263
10.278
79.239
0.3061
5.09
2.239
1.334
3.038
1.6627
207.778
222.278
210.3
3.72
4.67
45.03
21.85
95.94
172.53
3.96
69.4
0.192
37.18
2
14.31
1.233
1.104
0.51
0.2154
0.0331
101.85
-0.59
3.16
5022.14
467.239
0.171
2.79
7.140
12.571
43.218
0.2837
6.972
2.99
3.809
1.357
1.6333
180.595
232.429
214.9
3.82
3.82
56.2
24.144
213.22
164.23
3.74
74.4
0.253
37.49
-0.83
13.11
2.009
1.82
3.669
0.3484
0.0474
101.79
-0.48
2.94
2085.76
496.201
0.576
2.032
3.940
32.551
25.34
0.3685
5.248
3.148
1.548
0.530
1.3188
206.885
212.442
209.1
3.67
6
34.87
24.465
110.99
116
3.64
72.4
0.124
43.72
-4.32
18.41
2.017
1.485
1.132
0.1119
0.0526
101.7
-0.87
4.05
2658.04
467.203
0.11
0.388
7.047
14.298
137.636
0.2462
6.323
2.626
2.379
1.162
3.1705
202.917
256.020
219.6
3.67
7.2
30.47
25.097
112.78
143.5
4.15
69.2
0.264
42.41
-3.69
19.47
1.595
1.537
1.414
0.3127
0.0406
101.82
-1.15
4.37
1847.12
499.08
0.255
0.834
4.777
14.828
143.493
0.3369
10.541
4.502
6.36
1.727
8.0864
186.448
220.124
196.4
3.64
7.81
25.15
23.572
296.71
171.9
4.99
78.5
0.203
39.26
-5.44
13.07
1.289
1.176
0.079
0.1757
0.042
102.07
-0.58
2.64
1721.58
560.343
0.214
2.477
4.237
17.31
75.887
0.3709
10.267
4.729
6.824
1.235
4.7952
161.746
242.200
174.4
3.19
7.42
23.5
23.907
234.9
178.27
2.86
68.4
0.17
40.99
-4.6
14.23
1.374
1.202
3.931
0.3711
0.0522
101.86
-0.26
2.26
1273.22
493.739
0.031
2.864
4.137
58.731
189.667
0.1045
5.134
1.672
2.838
0.137
5.6080
157.778
196.156
174.8
3.8
4.25
41.17
21.36
285.06
235.53
3.75
78.8
0.2
35.8
-0.37
8.91
1.513
0.472
0.577
0.5844
0.0392
102.1
-0.68
2.61
1927.42
482.855
0.05
3.685
6.010
32.31
44.976
0.3787
5.814
4.434
2.785
0.087
0.7518
209.464
220.415
228.9
3.7
4.07
56.22
25.231
138.23
127.5
3.85
64.6
0.163
38.34
-1.79
13.58
1.844
1.287
0.1
0.1993
0.04
101.73
-0.79
3.88
2095.61
515.756
0.088
0.844
3.637
31.876
192.731
0.3421
7.728
6.781
3.487
0.246
1.1776
217.996
243.081
219.4
3.59
6.68
32.88
22.84
125.62
285.43
3.66
70.8
0.256
39.57
-3.19
12.72
2.058
1.325
1.563
0.0324
0.064
102.05
-0.49
2.27
1566.97
557.441
0.032
0.407
3.723
38.583
218.452
0.232
7.854
3.312
4.404
0.822
1.8589
167.202
174.030
188.8
3.93
3.31
56.98
21.558
316.51
184.5
3.26
71.8
0.173
41.7
-1.07
14.58
1.415
1.276
2.257
0.1074
0.0243
101.93
-0.51
2.61
1724.16
457.649
0.125
0.409
2.270
18.473
148.364
0.449
8.483
3.212
4.314
0.752
8.4308
209.365
250.510
211.4
3.83
4.46
47.39
23.329
285.82
202.5
2.41
71.7
0.229
37.97
-4.11
10.23
2.307
1.998
1.492
0.4335
0.0817
101.92
-0.6
3.04
664.96
459.397
0.55
2.509
3.207
26.517
118.628
0.4094
11.774
2.129
7.044
0.095
0.2103
153.909
177.755
187.1
3.58
6.31
29.67
18.295
286.1
271
3.4
77.1
0.373
37.15
-3.91
9.71
1.515
1.356
2.036
0.5871
0.047
102.21
-0.55
2.11
1542.17
524.857
0.165
0.404
2.513
31.823
530.556
0.4177
5.324
2.388
2.393
0.095
1.3006
177.222
253.400
201.1
3.39
5.91
34
24.617
145.27
134.67
3.5
77.3
0.157
40.47
-3.32
17.11
1.32
1.32
2.544
1.2058
0.0491
102.05
-0.63
2.68
2669.22
546.446
0.042
1.629
3.387
8.381
91.796
0.354
8.871
2.751
5.19
4.023
11.8734
169.98
212.712
172.7
3.67
7.84
22.03
22.403
498.78
340.77
3.59
71
0.272
37.59
2.07
9.71
2.53
1.807
0.942
0.3542
0.0738
101.99
-0.45
2.71
991.92
464.819
0.265
4.103
3.187
52.684
144.825
0.0976
5.007
2.228
3.135
1.572
5.3140
170.675
216.733
192
3.23
3.74
51.39
21.536
259.11
198.2
5.15
71.5
0.245
31.16
6.43
1.82
1.279
1.307
1.923
0.5635
0.0315
101.81
-0.75
3.79
1167.29
416.876
0.904
2.089
4.017
20.576
134.629
0.2599
6.575
2.247
2.323
1.026
6.0135
192.401
182.553
194.2
3.67
4.97
39.1
21.506
111.53
114.03
6.27
75.2
0.12
43.6
-0.75
14.9
1.549
1.269
0.5
0.135
0.1321
101.89
-0.76
3.25
1289.93
581.913
0.185
0.812
4.020
25.726
133.056
0.2113
11.957
5.783
6.261
1.820
2.7771
183.968
198.668
186.3
3.5
8.17
22.8
22.021
286.24
148.97
3.35
82.8
0.148
39.88
-1.69
13.29
1.33
1.343
2.878
0.4211
0.0385
102.12
-0.42
1.84
817.81
455.675
0.034
2.072
5.180
30.299
27.517
0.2004
4.725
2.217
2.152
1.782
0.8535
199.147
210.105
202.2
3.88
3.41
59.32
23.078
165.06
137.43
3.06
69.2
0.213
30
8.43
5.36
1.963
1.343
0.408
0.0825
0.0373
101.69
-0.56
3.59
2045.24
479.934
0.085
0.829
6.987
29.427
150.273
0.335
5.251
3.141
2.341
0.157
6.1633
219.782
235.097
220.7
3.48
8.48
26.03
23.772
205.54
146.23
5.19
75.8
0.225
39.28
-1.44
15.91
2.676
1.315
0.901
0.4259
0.0544
102.01
-0.65
2.77
1554.02
585.359
0.684
0.819
3.797
24.02
1167.648
0.2526
4.367
1.952
0.744
0.845
0.7158
209.266
228.364
211.4
3.6
6.88
30.73
22.218
92.88
145.5
3.66
69.6
0.163
39.47
-6.07
19.54
1.204
1.029
0.541
0.3599
0.0464
101.97
-0.55
3.62
1457.67
402.156
0.552
1.651
3.933
36.455
63.447
0.366
6.409
6.463
2.71
0.969
8.9296
167.202
225.523
209.1
3.99
5.42
38.55
23.707
73.36
88.2
4.74
68.6
0.121
35.08
6.81
10.2
1.897
1.38
0.089
1.2596
0.0498
101.76
-0.94
4.19
1522.52
505.339
0.066
1.244
3.600
20.153
839.45
0.36
5.127
3.389
2.508
1.650
12.4106
199.345
253.514
221.8
3.71
4.86
45.71
25.204
186.74
143.43
5.39
68.5
0.142
41.7
-1.7
17.96
1.33
1.114
0.1
0.1524
0.0382
101.39
-0.91
4.98
3068.34
629.801
0.152
0.372
3.357
14.116
90.611
0.4066
10.755
8.506
7.923
0.483
3.2138
229.306
227.250
231.1
3.72
6.6
35
24.536
200.52
226.2
2.64
66.6
0.298
39.38
-2.36
11.9
4.473
3.434
3.305
0.2662
0.1434
101.66
-0.45
3.78
2350.79
516.862
0.11
0.67
4.337
34.458
205.61
0.2125
7.666
2.757
2.625
0.850
8.6195
222.956
255.290
224.1
3.8
4.98
45
26.534
141.94
148.67
2.92
74.7
0.219
34.84
5.87
10.04
1.505
1.459
2.334
0.2594
0.0306
101.3
-0.42
4.32
2073.33
496.835
0.191
1.657
2.300
18.291
14.674
0.2998
5.816
5.517
2.816
1.426
4.3089
224.841
259.877
226.4
3.83
5.29
42.83
26.487
104.91
127.87
3.85
56
0.155
40.31
-1.85
15.18
1.569
1.258
0.865
0.7478
0.0441
101.01
-1.21
7.08
2475.21
642.373
0.22
0.42
6.470
19.817
870.194
0.385
16.965
6.251
9.526
1.155
50.4966
190.615
224.944
212.6
3.66
4.05
52.59
24.477
166.08
177.3
2.66
64.1
0.229
40.61
0.98
12.91
3.375
2.539
7.655
0.1539
0.1031
101.62
-0.59
4.42
3785.57
450.458
0.117
2.057
5.690
46.158
74.477
0.3654
6.567
4.583
3.885
2.921
5.7323
220.079
239.325
226.6
3.59
6
37.76
25.301
108.76
114.37
3.57
65.5
0.146
42.5
-5.31
20.26
2.029
1.544
0.423
0.0838
0.0541
100.89
-0.61
5.71
;
run;
proc cancorr data=hh all
vprefix=WGPCI vname='White Graph Physical and Chemical Indicators'
wprefix=WWPCI wname='White Wine Physical and Chemical Indicators';
var X1-X28;
with Y1-Y8;
run;
附录15(SAS软件):对剔除典型相关系数较小的酿酒白葡萄与白葡萄酒的理化指标进行典型相关分析
data JK;
input X1-X14 Y1-Y8;
cards;
1279.30
496.457
0.787
3.277
51.344
179.703
0.3267
2.947
0.3977
8.23
24.3
4.14
72.7
36.2
1.62
1.264
0.105
0.309
0.0348
102.11
-0.51
2.11
1870.93
538.451
0.057
3.263
10.278
79.239
0.3061
2.239
1.6627
4.67
45.03
3.96
69.4
37.18
1.233
1.104
0.51
0.2154
0.0331
101.85
-0.59
3.16
5022.14
467.239
0.171
7.140
12.571
43.218
0.2837
2.99
1.6333
3.82
56.2
3.74
74.4
37.49
2.009
1.82
3.669
0.3484
0.0474
101.79
-0.48
2.94
2085.76
496.201
0.576
3.940
32.551
25.34
0.3685
3.148
1.3188
6
34.87
3.64
72.4
43.72
2.017
1.485
1.132
0.1119
0.0526
101.7
-0.87
4.05
2658.04
467.203
0.11
7.047
14.298
137.636
0.2462
2.626
3.1705
7.2
30.47
4.15
69.2
42.41
1.595
1.537
1.414
0.3127
0.0406
101.82
-1.15
4.37
1847.12
499.08
0.255
4.777
14.828
143.493
0.3369
4.502
8.0864
7.81
25.15
4.99
78.5
39.26
1.289
1.176
0.079
0.1757
0.042
102.07
-0.58
2.64
1721.58
560.343
0.214
4.237
17.31
75.887
0.3709
4.729
4.7952
7.42
23.5
2.86
68.4
40.99
1.374
1.202
3.931
0.3711
0.0522
101.86
-0.26
2.26
1273.22
493.739
0.031
4.137
58.731
189.667
0.1045
1.672
5.6080
4.25
41.17
3.75
78.8
35.8
1.513
0.472
0.577
0.5844
0.0392
102.1
-0.68
2.61
1927.42
482.855
0.05
6.010
32.31
44.976
0.3787
4.434
0.7518
4.07
56.22
3.85
64.6
38.34
1.844
1.287
0.1
0.1993
0.04
101.73
-0.79
3.88
2095.61
515.756
0.088
3.637
31.876
192.731
0.3421
6.781
1.1776
6.68
32.88
3.66
70.8
39.57
2.058
1.325
1.563
0.0324
0.064
102.05
-0.49
2.27
1566.97
557.441
0.032
3.723
38.583
218.452
0.232
3.312
1.8589
3.31
56.98
3.26
71.8
41.7
1.415
1.276
2.257
0.1074
0.0243
101.93
-0.51
2.61
1724.16
457.649
0.125
2.270
18.473
148.364
0.449
3.212
8.4308
4.46
47.39
2.41
71.7
37.97
2.307
1.998
1.492
0.4335
0.0817
101.92
-0.6
3.04
664.96
459.397
0.55
3.207
26.517
118.628
0.4094
2.129
0.2103
6.31
29.67
3.4
77.1
37.15
1.515
1.356
2.036
0.5871
0.047
102.21
-0.55
2.11
1542.17
524.857
0.165
2.513
31.823
530.556
0.4177
2.388
1.3006
5.91
34
3.5
77.3
40.47
1.32
1.32
2.544
1.2058
0.0491
102.05
-0.63
2.68
2669.22
546.446
0.042
3.387
8.381
91.796
0.354
2.751
11.8734
7.84
22.03
3.59
71
37.59
2.53
1.807
0.942
0.3542
0.0738
101.99
-0.45
2.71
991.92
464.819
0.265
3.187
52.684
144.825
0.0976
2.228
5.3140
3.74
51.39
5.15
71.5
31.16
1.279
1.307
1.923
0.5635
0.0315
101.81
-0.75
3.79
1167.29
416.876
0.904
4.017
20.576
134.629
0.2599
2.247
6.0135
4.97
39.1
6.27
75.2
43.6
1.549
1.269
0.5
0.135
0.1321
101.89
-0.76
3.25
1289.93
581.913
0.185
4.020
25.726
133.056
0.2113
5.783
2.7771
8.17
22.8
3.35
82.8
39.88
1.33
1.343
2.878
0.4211
0.0385
102.12
-0.42
1.84
817.81
455.675
0.034
5.180
30.299
27.517
0.2004
2.217
0.8535
3.41
59.32
3.06
69.2
30
1.963
1.343
0.408
0.0825
0.0373
101.69
-0.56
3.59
2045.24
479.934
0.085
6.987
29.427
150.273
0.335
3.141
6.1633
8.48
26.03
5.19
75.8
39.28
2.676
1.315
0.901
0.4259
0.0544
102.01
-0.65
2.77
1554.02
585.359
0.684
3.797
24.02
1167.648
0.2526
1.952
0.7158
6.88
30.73
3.66
69.6
39.47
1.204
1.029
0.541
0.3599
0.0464
101.97
-0.55
3.62
1457.67
402.156
0.552
3.933
36.455
63.447
0.366
6.463
8.9296
5.42
38.55
4.74
68.6
35.08
1.897
1.38
0.089
1.2596
0.0498
101.76
-0.94
4.19
1522.52
505.339
0.066
3.600
20.153
839.45
0.36
3.389
12.4106
4.86
45.71
5.39
68.5
41.7
1.33
1.114
0.1
0.1524
0.0382
101.39
-0.91
4.98
3068.34
629.801
0.152
3.357
14.116
90.611
0.4066
8.506
3.2138
6.6
35
2.64
66.6
39.38
4.473
3.434
3.305
0.2662
0.1434
101.66
-0.45
3.78
2350.79
516.862
0.11
4.337
34.458
205.61
0.2125
2.757
8.6195
4.98
45
2.92
74.7
34.84
1.505
1.459
2.334
0.2594
0.0306
101.3
-0.42
4.32
2073.33
496.835
0.191
2.300
18.291
14.674
0.2998
5.517
4.3089
5.29
42.83
3.85
56
40.31
1.569
1.258
0.865
0.7478
0.0441
101.01
-1.21
7.08
2475.21
642.373
0.22
6.470
19.817
870.194
0.385
6.251
50.4966
4.05
52.59
2.66
64.1
40.61
3.375
2.539
7.655
0.1539
0.1031
101.62
-0.59
4.42
3785.57
450.458
0.117
5.690
46.158
74.477
0.3654
4.583
5.7323
6
37.76
3.57
65.5
42.5
2.029
1.544
0.423
0.0838
0.0541
100.89
-0.61
5.71
;
run;
proc cancorr data=JK all
vprefix=WGPCI vname='White Graph Physical and Chemical Indicators'
wprefix=WWPCI wname='White Wine Physical and Chemical Indicators';
var X1-X14;
with Y1-Y8;
run;
附录16(MATLAB软件):把问题三剔除典型相关系数较小的酿酒红葡萄与红葡萄酒的理化指标作为自变量,葡萄酒质量作为因变量,进行回归分析
format long g
a=importdata('matlab2.mat');
X1=a(:,2);X2=a(:,3);X3=a(:,4);X4=a(:,5);X5=a(:,6);X6=a(:,7);X7=a(:,8);
X8=a(:,9);X9=a(:,10);X10=a(:,11);X11=a(:,12);X12=a(:,13);X13=a(:,14);X14=a(:,15);
X15=a(:,16);X16=a(:,17);X17=a(:,18);X18=a(:,19);X19=a(:,20);X20=a(:,21);X21=a(:,22);
Z=a(:,23);
S=[ones(27,1),X1,X2,X3,X4,X5,X6,X7,X8,X9,X10,X11,X12,X13,X14,X15,X16,X17,X18,X19,X20,X21];
[b,bint,r,rint,stats]=regress(Z,S)
rcoplot(r,rint)
所得结果:
b =
72.4932027832127
-0.000539530827695496
0.00149589734166168
-0.408764429827517
-0.121505045709118
0.345034863465195
-0.285198124027648
-0.0261266641001592
-0.0650625183229834
4.04514873698927
10.5063872435317
-0.232377450151384
-0.140671658100128
0.00370783485373037
1.58171511268908
-1.78308203483295
0.0633495991052286
0.557136460179277
-3.26849259285223
0.0157444479249778
-0.125708616295801
0.313427622598827
bint =
-10.0542998501077 155.040705416533
-0.00205937974089405 0.000980318085503063
-0.0775126610679313 0.0805044557512547
-15.0562416074779 14.2387127478228
-0.3808109858512 0.137800894432963
-0.458069978883557 1.14813970581395
-0.838720890253544 0.268324642198248
-0.0916410200885722 0.0393876918882538
-0.224623214233192 0.0944981775872248
-6.93499936414325 15.0252968381218
-19.1344895685627 40.1472640556261
-3.32368676007146 2.85893185976869
-5.08161977702257 4.80027646082232
-0.0307888858338514 0.0382045555413122
-1.18535453199178 4.34878475736994
-5.55641907560829 1.99025500594239
-1.94840291003268 2.07510210824314
-0.507526300163844 1.6217992205224
-61.7455290635685 55.2085438778641
-0.324402865845823 0.355891761695779
-0.429468169060572 0.17805093646897
-0.104787902257175 0.73164314745483
r = 0.140788689795798
-0.492154458278975
0.187599821088227
1.94889355203888
-0.621073422471781
-0.576975883089176
-2.18790069594159
0.0158608737316683
-0.668648862734372
-0.250870799474455
-0.0990177700518942
-1.18702138180015
-0.264931246565411
0.298002239219542
0.22621002307659
0.492519089993095
0.837371876094068
1.16606747690906
0.944632169312328
0.876660996857538
-0.144926158705331
0.904183421242209
0.212520284006871
-1.24936983452241
-1.56847560263257
0.668995648505586
0.391059954396695
rint =
-1.0417078066156 1.32328518620719
-1.8435542175374 0.85924530097945
-1.0868985797854 1.46209822196186
-1.48719353209981 5.38498063617757
-3.9213987086129 2.67925186366934
-2.75765680276274 1.60370503658439
-3.56843243718103 -0.807368954702153
-1.29801125240897 1.3297329998723
-1.21334075998747 -0.123956965481275
-3.42676483101302 2.92502323206411
-0.633881282905569 0.43584574280178
-3.15967504277672 0.78563227917642
-2.40280456265913 1.87294206952831
-1.12458210313286 1.72058658157194
-3.8207393365655 4.27315938271868
-0.772174351550767 1.75721253153696
-1.01084109250502 2.68558484469316
-2.48531242773626 4.81744738155439
-2.40862019169072 4.29788453031538
-0.348959123511328 2.1022811172264
-2.10925496878925 1.81940265137858
-0.442956756502698 2.25132359898712
-0.582895597374546 1.00793616538829
-3.48712940299575 0.988389733950922
-4.53877514116422 1.40182393589907
-1.39413254316943 2.7321238401806
-2.95516423447596 3.73728414326935
stats=0.948449061528917 4.38054498760667 0.0540194389301716
4.24196252750011
附录17(MATLAB软件):对附录16得到的回归模型进行作图
a=importdata('matlab2.mat');
X1=a(:,2);X2=a(:,3);X3=a(:,4);X4=a(:,5);X5=a(:,6);X6=a(:,7);X7=a(:,8);
X8=a(:,9);X9=a(:,10);X10=a(:,11);X11=a(:,12);X12=a(:,13);X13=a(:,14);X14=a(:,15);
X15=a(:,16);X16=a(:,17);X17=a(:,18);X18=a(:,19);X19=a(:,20);X20=a(:,21);X21=a(:,22);
Y=a(:,23);
Z=72.4932-0.0005*X1+0.0015*X2-0.4088*X3-0.1215*X4+0.3450*X5-0.2852*X6-0.0261*X7-0.0651*X8+4.0451*X9+10.5064*X10-0.2324*X11-0.1407*X12+0.0037*X13+1.5817*X14-1.7831*X15+0.0633*X16+0.5571*X17-3.2685*X18+0.0157*X19-0.1257*X20+0.3134*X21;
plot(a(:,1),Y,'b',a(:,1),Z,'k')
附录18(MATLAB软件):把问题三剔除典型相关系数较小的酿酒白葡萄与白葡萄酒的理化指标作为自变量,葡萄酒质量作为因变量,进行回归分析
format long g
a=importdata('matlab6.mat');
X1=a(:,2);X2=a(:,3);X3=a(:,4);X4=a(:,5);X5=a(:,6);X6=a(:,7);X7=a(:,8);
X8=a(:,9);X9=a(:,10);X10=a(:,11);X11=a(:,12);X12=a(:,13);X13=a(:,14);X14=a(:,15);
X15=a(:,16);X16=a(:,17);X17=a(:,18);X18=a(:,19);X19=a(:,20);X20=a(:,21);X21=a(:,22);X22=a(:,23);
Z=a(:,24);
S=[ones(28,1),X1,X2,X3,X4,X5,X6,X7,X8,X9,X10,X11,X12,X13,X14,X15,X16,X17,X18,X19,X20,X21,X22];
[b,bint,r,rint,stats]=regress(Z,S)
rcoplot(r,rint)
所得结果:
b =
2868.63157993123
0.000924258622057293
0.0386953945725097
4.36548523353955
1.858871576239
-0.0153452635592372
0.00523724673415441
8.76463319124823
0.294321579614854
0.0478095857679777
0.782165322545337
0.0327776372923697
-2.27544754514298
0.00752736360571174
-0.61419509984344
-3.91502005062655
-0.149997348694806
-1.83332084506698
1.17750552116467
120.920438460502
-27.3360028288649
-26.6869608431037
-9.31847308028806
bint =
-2074.63723043179 7811.90039029425
-0.00297953307686918 0.00482805032098377
-0.0660719279598308 0.14346271710485
-7.94041849974025 16.6713889668194
-0.907695445948808 4.6254385984268
-0.276989998262242 0.246299471143768
-0.00791810667004745 0.0183926001383563
-43.1602229202926 60.6894893027891
-1.36762962872551 1.95627278795521
-0.349525013032497 0.445144184568452
-7.0134091308734 8.57773977596408
-1.05763718899063 1.12319246357537
-6.06564020453761 1.51474511425164
-0.749518668347681 0.764573395559104
-2.25506630431885 1.02667610463197
-14.6030129854781 6.77297288422498
-13.102729162755 12.8027344653653
-4.92710559587152 1.26046390573757
-10.0013491980346 12.356360240364
-111.230589124757 353.071466045761
-75.2947477745137 20.6227421167839
-72.553420565505 19.1794988792975
-26.6415526129437 8.00460645236758
r =
-1.19810263063174
0.350804707790516
-1.26275661303201
0.499354582796173
0.682858538623549
-1.99823818607427
-2.34092105798739
-2.14938407811337
0.797747177354893
3.41456500394433
0.946929992656877
-2.77466069625365
0.630833980084901
1.59974315965285
2.51754149319662
-0.685589694041553
1.04679391525453
-0.530837435029028
0.0639055982249204
-0.206879002577807
-0.141494464576354
1.10356181305602
-1.46798787298206
-1.11173236490606
3.19835977457399
-0.683009817246756
0.282814196929692
-0.584220020700499
rint =
-3.84444709081777 1.44824182955429
-6.95596911963389 7.65757853521492
-3.00648882335249 0.480975597288468
-5.14643765897583 6.14514682456818
-1.48363570949464 2.84935278674174
-6.89438864858047 2.89791227643192
-6.11113063566259 1.42928851968781
-4.2119265700942 -0.0868415861325431
-4.51607280585198 6.11156716056176
1.86935776550326 4.9597722423854
-1.8775277453749 3.77138773068865
-6.48841180837223 0.939090415864938
-5.55197972232886 6.81364768249867
-2.63351661844433 5.83300293775002
-2.32192315394855 7.35700614034178
-3.99696391731942 2.62578452923632
0.465134613601872 1.62845321690718
-6.05809199516675 4.99641712510869
-5.55818271461295 5.68599391106279
-3.05923781653338 2.64547981137777
-1.81827157786333 1.53528264871062
-0.882570811314524 3.08969443742656
-3.86468521854606 0.92870947258193
-2.98818129810066 0.764716568288543
-2.74514280709942 9.14186235624739
-3.51304551446494 2.14702587997143
-1.24174470435605 1.80737309821543
-4.71210087267737 3.54366083127637
stats =
0.757669111816168 0.710588430155483 0.73956936332479
13.1576498328793
附录19(MATLAB软件):对附录18得到的回归模型进行作图
a=importdata('matlab6.mat');
X1=a(:,2);X2=a(:,3);X3=a(:,4);X4=a(:,5);X5=a(:,6);X6=a(:,7);X7=a(:,8);
X8=a(:,9);X9=a(:,10);X10=a(:,11);X11=a(:,12);X12=a(:,13);X13=a(:,14);X14=a(:,15);
X15=a(:,16);X16=a(:,17);X17=a(:,18);X18=a(:,19);X19=a(:,20);X20=a(:,21);X21=a(:,22);X22=a(:,23);
Y=a(:,24);
Z=2868.6316+0.0009*X1+0.0387*X2+4.3655*X3+1.8589*X4-0.0153*X5+0.0052*X6+8.7646*X7+0.2943*X8+0.0478*X9+0.7822*X10+0.0328*X11-2.2754*X12+0.0075*X13-0.6142*X14-3.915*X15-0.1500*X16-1.8333*X17+1.1775*X18+120.9204*X19-27.336*X20-26.687*X21-9.3185*X22;
plot(a(:,1),Y,'b',a(:,1),Z,'k')
附录20(SAS软件):先对红葡萄评分中香气分析得分归一化,再与芳香物质含量总和进行相关分析
data x y z;
set dh;
select(num);
when ('1') output x;
when ('2') output y;
when ('3') output z;
otherwise put num='wrong';
end;
run;
data xx;
set x;
scores1=100*scores/6;
keep scores1;
run;
data yy;
set y;
scores2=100*scores/8;
keep scores2;
run;
data zz;
set z;
scores3=100*scores/16;
keep scores3;
run;
data fgh;
merge xx yy zz;
run;
附录21(SAS软件):先对白葡萄评分中香气分析得分归一化,再与芳香物质含量总和进行相关分析
data x y z;
set vb;
select(num);
when ('1') output x;
when ('2') output y;
when ('3') output z;
otherwise put num='wrong';
end;
run;
data xx;
set x;
scores1=100*scores/6;
keep scores1;
run;
data yy;
set y;
scores2=100*scores/8;
keep scores2;
run;
data zz;
set z;
scores3=100*scores/16;
keep scores3;
run;
data fgh;
merge xx yy zz;
run;
附表1:红葡萄评分归一化后数据
第一组
第二组
第一组
第二组
第一组
第二组
第一组
第二组
第一组
第二组
0.46
0.62
0.06
0.06
0.716667
0.6
0.675
0.6875
0.7625
0.675
0.58
0.62
0.06
0.06
0.75
0.75
0.8125
0.7
0.8125
0.75
0.68
0.68
0.08
0.06
0.783333
0.7
0.775
0.775
0.825
0.7625
0.8
0.7
0.08
0.06
0.566667
0.7
0.5875
0.7625
0.7
0.7625
0.86
0.72
0.08
0.06
0.75
0.683333
0.7375
0.675
0.7875
0.7125
0.78
0.7
0.08
0.04
0.75
0.65
0.75
0.625
0.7625
0.7
0.8
0.7
0.06
0.02
0.7
0.616667
0.7125
0.65
0.725
0.7
0.54
0.68
0.06
0.06
0.783333
0.666667
0.8
0.625
0.85
0.65
0.62
0.72
0.08
0.06
0.916667
0.833333
0.9125
0.8625
0.9
0.85
0.8
0.76
0.08
0.06
0.783333
0.733333
0.775
0.6
0.7875
0.7375
0.8
0.72
0.02
0.02
0.733333
0.633333
0.8
0.7375
0.7875
0.6875
0.22
0.7
0.02
0.04
0.45
0.616667
0.525
0.6125
0.5625
0.7
0.52
0.74
0.08
0.06
0.766667
0.8
0.725
0.6875
0.8
0.75
0.74
0.66
0.08
0.06
0.666667
0.7
0.6
0.725
0.725
0.7375
0.78
0.72
0.08
0.06
0.4
0.516667
0.5
0.7
0.5625
0.6375
0.62
0.64
0.08
0.06
0.783333
0.633333
0.75
0.6375
0.7875
0.7375
0.78
0.68
0.08
0.06
0.8
0.8
0.7375
0.7875
0.8
0.7625
0.38
0.72
0.06
0.02
0.483333
0.55
0.6375
0.6
0.625
0.6625
0.78
0.7
0.08
0.06
0.766667
0.733333
0.8
0.7375
0.8125
0.7625
0.74
0.72
0.06
0.04
0.866667
0.816667
0.9125
0.85
0.875
0.825
0.7
0.64
0.08
0.06
0.733333
0.616667
0.8
0.7375
0.7625
0.7375
0.78
0.68
0.08
0.04
0.75
0.716667
0.8375
0.775
0.8
0.725
0.64
0.72
0.08
0.06
0.883333
0.766667
0.925
0.8375
0.9125
0.8625
0.82
0.7
0.08
0.06
0.75
0.7
0.825
0.725
0.7875
0.75
0.8
0.74
0.08
0.06
0.733333
0.716667
0.6625
0.65
0.75
0.725
0.72
0.74
0.08
0.06
0.783333
0.75
0.75
0.7
0.8
0.75
0.74
0.74
0.08
0.04
0.7
0.683333
0.7
0.675
0.7375
0.75
0.483333
0.633333
0.5625
0.7125
0.65
0.75
0.536364
0.618182
0.7
0.763636
0.783333
0.683333
0.85
0.75
0.8375
0.75
0.836364
0.754545
0.872727
0.827273
0.783333
0.733333
0.775
0.7625
0.8375
0.7625
0.786364
0.740909
0.854545
0.809091
0.566667
0.65
0.675
0.6625
0.7
0.7125
0.659091
0.686364
0.763636
0.8
0.666667
0.683333
0.6125
0.7
0.6625
0.7625
0.672727
0.713636
0.781818
0.809091
0.6
0.65
0.6625
0.65
0.75
0.7
0.686364
0.645455
0.781818
0.781818
0.716667
0.616667
0.6875
0.675
0.7625
0.7125
0.7
0.659091
0.809091
0.763636
0.616667
0.616667
0.725
0.6125
0.725
0.6875
0.645455
0.631818
0.763636
0.763636
0.783333
0.7
0.8
0.7625
0.8
0.75
0.754545
0.727273
0.881818
0.854545
0.683333
0.633333
0.7125
0.6375
0.7375
0.7125
0.7
0.645455
0.8
0.763636
0.65
0.566667
0.7125
0.575
0.7375
0.675
0.645455
0.563636
0.763636
0.736364
0.466667
0.666667
0.5625
0.75
0.625
0.7125
0.577273
0.7
0.718182
0.790909
0.716667
0.666667
0.7375
0.625
0.7625
0.6875
0.727273
0.631818
0.809091
0.781818
0.666667
0.633333
0.725
0.7
0.7375
0.7125
0.740909
0.713636
0.790909
0.845455
0.483333
0.633333
0.4875
0.6375
0.625
0.6875
0.563636
0.645455
0.690909
0.745455
0.7
0.666667
0.7625
0.6875
0.75
0.725
0.713636
0.686364
0.827273
0.8
0.783333
0.7
0.825
0.7625
0.8
0.7875
0.781818
0.7
0.836364
0.818182
0.55
0.633333
0.625
0.6625
0.675
0.7375
0.618182
0.686364
0.718182
0.8
0.7
0.65
0.8125
0.6625
0.8125
0.75
0.740909
0.713636
0.836364
0.790909
0.733333
0.7
0.8
0.7625
0.775
0.75
0.754545
0.768182
0.836364
0.845455
0.7
0.666667
0.7875
0.725
0.75
0.7625
0.768182
0.713636
0.836364
0.818182
0.766667
0.65
0.775
0.7
0.725
0.7125
0.713636
0.727273
0.818182
0.809091
0.8
0.733333
0.875
0.8
0.875
0.725
0.822727
0.686364
0.909091
0.809091
0.716667
0.65
0.7875
0.7125
0.7375
0.7375
0.754545
0.686364
0.827273
0.8
0.683333
0.65
0.6125
0.6
0.7
0.7
0.645455
0.631818
0.754545
0.781818
0.683333
0.683333
0.675
0.6875
0.7125
0.7375
0.672727
0.659091
0.809091
0.8
0.733333
0.7
0.75
0.65
0.7625
0.7375
0.727273
0.727273
0.818182
0.8
附表2白葡萄评分归一化后数据
第一组
第二组
第一组
第二组
第一组
第二组
第一组
第二组
第一组
第二组
0.76
0.7
0.08
0.08
0.833333
0.766667
0.875
0.7625
0.8375
0.8
0.66
0.7
0.04
0.08
0.8
0.716667
0.8125
0.775
0.7875
0.7625
0.74
0.62
0.08
0.08
0.7
0.733333
0.8
0.75
0.78125
0.7875
0.8
0.68
0.06
0.08
0.783333
0.75
0.7875
0.7
0.8125
0.75
0.4
0.68
0.04
0.08
0.783333
0.85
0.8
0.875
0.8
0.85
0.64
0.68
0.02
0.08
0.633333
0.766667
0.6875
0.7875
0.7125
0.8
0.72
0.66
0.08
0.08
0.816667
0.766667
0.8125
0.7875
0.825
0.775
0.6
0.68
0.04
0.08
0.666667
0.733333
0.725
0.7
0.7375
0.75
0.82
0.72
0.08
0.08
0.716667
0.833333
0.8125
0.8875
0.7875
0.8875
0.44
0.66
0.02
0.08
0.85
0.816667
0.8875
0.9
0.85
0.8375
0.72
0.66
0.04
0.08
0.75
0.683333
0.75
0.7125
0.7625
0.7375
0.42
0.64
0.02
0.08
0.7
0.733333
0.65
0.7875
0.725
0.78125
0.44
0.7
0.04
0.08
0.616667
0.7
0.675
0.775
0.7
0.775
0.6
0.72
0.02
0.08
0.733333
0.75
0.7875
0.8125
0.8
0.775
0.6
0.66
0.02
0.08
0.75
0.816667
0.825
0.8625
0.7875
0.8125
0.5
0.6
0.04
0.04
0.75
0.6
0.775
0.6125
0.7625
0.6625
0.78
0.7
0.04
0.08
0.816667
0.766667
0.8875
0.8
0.85
0.825
0.78
0.72
0.02
0.08
0.783333
0.716667
0.7625
0.75
0.775
0.7625
0.58
0.66
0.06
0.08
0.683333
0.8
0.7875
0.7625
0.7625
0.7875
0.76
0.7
0.08
0.08
0.783333
0.733333
0.825
0.7625
0.825
0.8125
0.52
0.68
0.04
0.08
0.833333
0.733333
0.875
0.8
0.85
0.8125
0.68
0.7
0.06
0.08
0.816667
0.85
0.8375
0.8875
0.85
0.8375
0.62
0.7
0.06
0.08
0.75
0.766667
0.825
0.8
0.775
0.7625
0.72
0.66
0.06
0.08
0.65
0.666667
0.725
0.7625
0.7625
0.7375
0.88
0.68
0.06
0.08
0.816667
0.783333
0.8875
0.8375
0.85
0.8
0.82
0.7
0.08
0.08
0.85
0.733333
0.9125
0.7
0.8375
0.75
0.46
0.7
0.02
0.08
0.616667
0.75
0.6375
0.8375
0.7
0.7875
0.86
0.72
0.06
0.08
0.8
0.733333
0.85
0.8375
0.8375
0.8125
0.783333
0.8
0.8375
0.7875
0.8125
0.825
0.809091
0.781818
0.881818
0.854545
0.633333
0.783333
0.725
0.7125
0.7375
0.75
0.672727
0.754545
0.827273
0.836364
0.75
0.733333
0.775
0.725
0.775
0.8125
0.795455
0.768182
0.872727
0.845455
0.766667
0.783333
0.7875
0.7875
0.825
0.825
0.768182
0.795455
0.854545
0.845455
0.633333
0.766667
0.7375
0.825
0.7125
0.825
0.7
0.809091
0.809091
0.872727
0.583333
0.75
0.7125
0.775
0.6875
0.7875
0.672727
0.754545
0.781818
0.836364
0.75
0.733333
0.8
0.775
0.775
0.7625
0.754545
0.713636
0.854545
0.781818
0.65
0.75
0.7125
0.6875
0.7125
0.725
0.686364
0.7
0.8
0.827273
0.583333
0.783333
0.675
0.7875
0.7375
0.7625
0.631818
0.754545
0.790909
0.854545
0.683333
0.783333
0.7625
0.8375
0.7625
0.8125
0.7
0.809091
0.836364
0.863636
0.716667
0.7
0.6625
0.7
0.7125
0.775
0.727273
0.7
0.790909
0.845455
0.55
0.616667
0.6
0.6625
0.7
0.725
0.604545
0.7
0.745455
0.781818
0.65
0.733333
0.7
0.7
0.675
0.8
0.672727
0.754545
0.772727
0.8
0.683333
0.766667
0.725
0.775
0.7625
0.8
0.686364
0.768182
0.8
0.854545
0.666667
0.783333
0.725
0.7625
0.725
0.8125
0.7
0.768182
0.790909
0.845455
0.716667
0.7
0.7625
0.725
0.7625
0.7625
0.727273
0.7
0.845455
0.790909
0.7
0.8
0.7375
0.825
0.7375
0.825
0.740909
0.822727
0.854545
0.881818
0.7
0.783333
0.7125
0.8125
0.75
0.7625
0.7
0.795455
0.809091
0.836364
0.7
0.733333
0.7625
0.7875
0.7875
0.8125
0.686364
0.768182
0.781818
0.827273
0.75
0.733333
0.7625
0.8
0.7625
0.8
0.754545
0.740909
0.818182
0.827273
0.7
0.783333
0.775
0.85
0.8
0.7875
0.754545
0.795455
0.836364
0.863636
0.533333
0.766667
0.6125
0.7125
0.675
0.8125
0.590909
0.768182
0.754545
0.836364
0.75
0.75
0.825
0.825
0.8
0.7875
0.727273
0.740909
0.836364
0.872727
0.583333
0.75
0.775
0.8125
0.7375
0.7875
0.713636
0.781818
0.809091
0.836364
0.583333
0.766667
0.7375
0.775
0.75
0.8125
0.686364
0.809091
0.8
0.872727
0.733333
0.666667
0.85
0.7375
0.825
0.7625
0.727273
0.727273
0.854545
0.836364
0.533333
0.716667
0.6375
0.7625
0.6875
0.825
0.645455
0.727273
0.754545
0.845455
0.7
0.8
0.8
0.8125
0.8375
0.8125
0.768182
0.781818
0.854545
0.863636
5
_1408744200.unknown
_1408744746.unknown
_1408744804.unknown
_1408744921.unknown
_1408769304.unknown
_1408769451.unknown
_1408769618.unknown
_1408753619.unknown
_1408753646.unknown
_1408754071.unknown
_1408753630.unknown
_1408744922.unknown
_1408744840.unknown
_1408744919.unknown
_1408744920.unknown
_1408744918.unknown
_1408744820.unknown
_1408744775.unknown
_1408744786.unknown
_1408744761.unknown
_1408744245.unknown
_1408744338.unknown
_1408744678.unknown
_1408744697.unknown
_1408744361.unknown
_1408744370.unknown
_1408744663.unknown
_1408744366.unknown
_1408744356.unknown
_1408744327.unknown
_1408744333.unknown
_1408744322.unknown
_1408744232.unknown
_1408744239.unknown
_1408744224.unknown
_1408733086.unknown
_1408743801.unknown
_1408744071.unknown
_1408744150.unknown
_1408744184.unknown
_1408744191.unknown
_1408744160.unknown
_1408744135.unknown
_1408744053.unknown
_1408744054.unknown
_1408744051.unknown
_1408744052.unknown
_1408743822.unknown
_1408735715.unknown
_1408736393.unknown
_1408740139.unknown
_1408743776.unknown
_1408740149.unknown
_1408740153.unknown
_1408740124.unknown
_1408740131.unknown
_1408736398.unknown
_1408735865.unknown
_1408736388.unknown
_1408736382.unknown
_1408735864.unknown
_1408733466.unknown
_1408735178.unknown
_1408735628.unknown
_1408735596.unknown
_1408734970.unknown
_1408733445.unknown
_1408733455.unknown
_1408733410.unknown
_1408733046.unknown
_1408733071.unknown
_1408733081.unknown
_1408733066.unknown
_1408733026.unknown
_1408733033.unknown
_1408733021.unknown
_1408732989.unknown