葡萄酒的评价_大学生数学建模大赛国家二等奖论文

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