基于主成份分析法的速食食品特征性指标分类.docVIP

基于主成份分析法的速食食品特征性指标分类 　　摘要：目前，现代化的生活节奏加快，人们的饮食方式也发生了改变，速食食品在白领与学生之间大受欢迎，然而人们对速食食品的营养成分缺乏了解。本文选取十种速食食品作为代表，运用主成份分析的方法，对样本的十种营养成分进行分类分析。分析结果表明：速食食品的特征性指标主要有热量，脂肪，蛋白质，碳水化合物，膳食纤维，烟酸，维生素A，钠；热量、脂肪和烟酸是同一类指标，膳食纤维是一类，第三类指标与维生素A有明显反比关系，钠为第四类；该结论基本上是正确合理的，为食品厂商提供了一个更具备竞争力的速食食品加工方向，也为人们如何选取更营养健康的速食食品提供了简便的方法。 　　关键词：速食食品 营养成分 主成份分析 特征性指标 　　中图分类号：R123.1 文献标识码：A 文章编号：1672-5336（2013）20-0072-03 　　由于速食食品具有方便、迅速、便宜、口味繁多和大众化等特点，很多在校学生及公司白领都钟爱此类食物，然而速食食品的缺点同样明显，那就是高热量、高脂肪、缺乏营养和长期食用会导致膳食结构不合理等缺点。因此，对速食食品的营养成分进行分类分析势在必行。本文选取主成分分析法，对市场上常见的十种速食食品进行分析。 　　1 数据来源 　　本文采集的数据来自食物营养成分查询网站，来源相对可靠。由于速食食品的营养成分比较繁多，而且一些指标对总体分析的影响较小，所以这里选取了最主要的十种营养成分指标作为研究对象。原始数据见附表1。 　　2 主成份分析法（Principal Component Analysis， PCA） 　　主成份分析法也称主分量分析或矩阵数据分析，通过变量变换的方法把相关的变量变为若干不相关的综合指标变量[1]。 　　若某研究对象有两项指标ζ1和ζ2，从总体ζ（ζ1，ζ2）中抽取了N个样品，它们散布在椭圆平面内（见图1），指标ζ1与ζ2有相关性。η1和η2分别是椭圆的长轴和短轴，η1⊥η2，故η1与η2互不相关。其中η1是点ζ（ζ1，ζ2）在长轴上的投影坐标，η2是该点在短轴上的投影坐标。从图1可以看出点的N个观测值的波动大部分可以归结为η1轴上投影点的波动，而η2轴上投影点的波动较小。若η1作为一个综台指标，则η1可较好地反映出N个观测值的变化情况，η2的作用次要。综合指标η1称为主成份，找出主成份的工作称为主成份分析[2]。 　　可见，主成份分析即选择恰当的投影方向，将高维空间的点投影到低维空间上，且使低维空间上的投影尽可能多地保存原空间的信息，就是要使低维空间上投影的方差尽可能地大[3]。 　　3 主成份分析法的应用 　　3.1 原始数据的处理和标准化 　　打开SPSS软件，导入原始数据表格，选择“分析”——“降维”——“因子分析”，将十个变量导入，点击“描述”选项，在相关矩阵里面勾选“系数”，即可得到相关矩阵，数据见表1。 　　3.2 速食食品特征性指标主成份分析的计算结果 　　主成份分析的计算结果中，新变量所代表的方差（即对应的特征值）贡献率和由原变量变换为新变量的线性变换系数（即对应的特征向量）就成为我们进行综合分析的重点。在主成份分析中一般要求少数新变量的累积方差贡献率应大于70%[4]。下列表2和表3分别给出了各个主成份的解释的总方差和主成份的计算结果。 　　表2表明，前四个主成份积累方差贡献率达到83.479%，根据主成份分析法的一般原理，可取前四个具有明显代表性的主成份。原有的10个变量可用4个主成份表示，如表3所示。 　　3.3 结果分析 　　根据主成分分析的计算结果，前四个特征根的累积贡献率分别为37.184%，20.711%，13.872%，11.711%，总的累积贡献率83.479%，符合累积方差贡献率应大于70%的条件，因此选取前4个主成分来综合描述原来10项分组的指标。 　　在第一主成份中，热量、脂肪和烟酸所占权系数较大，呈正相关，属于同一类成分指标，因此将该主成分命名为脂热酸成分。脂肪对人体的作用有多个方面，其中一个作用就是供给人体热量。1g脂肪在人体内氧化分解成水和二氧化碳，并放出38KJ热量。烟酸也称作维生素B3，或维生素PP，是人体必需的13中维生素之一。烟酸在人体内转化成烟酰胺，烟酰胺是辅酶Ⅰ和辅酶Ⅱ的组成部分，参与体内脂质代谢，组织呼吸的氧化过程和糖类无氧分解的过程。脂肪氧化分解产生热量，烟酸参与脂肪的氧化分解过程，三者属于同一类指标，因此将该主成分命名为脂热酸成分。 　　脂热酸成分中，蛋白质和碳水化合物所占权系数也较大，呈负相关。这与速食食品具备的高热量、高脂肪和缺乏营养的事实相符合。蛋白质是生命的物质基础，没有蛋白质就没有生命活动的存在。碳水化合物是一切生物体维持生命活动所需能量的主要来源。一方面