投稿白葡萄-副本要点.doc

基于统计学原理的白葡萄酒评价体系的研究 王淇樑，尹莉，窦芃，孙中波 （东北师范大学人文学院 数学系，长春 130117） 摘要：对白葡萄酒质量的评价结果，利用SPSS软件进行F、T-检验，表明两组评酒员的评价无显著差异.利用主成分分析法及层次分析法，得出对应的权重和相关系数相互验证. 运用excel折线图分析酿酒葡萄与葡萄酒理化指标间的联系.结合多元线性回归模型确定酿酒葡萄和葡萄酒理化指标之间的关系，给出白葡萄酒的评价体系. 关键字： F-检验；T-检验；主成分分析法；多元线性回归分析 中图分类号：O213 文献标识码：A 文章编号： 1.问题分析与基本假设 1.1 问题分析 对于质的评价考虑评价.考虑到级别标准的模糊性，级别之间没有严格的界定，如果仅仅通过单因子评价，即将各因子依次与给出的分级标准进行比较，给出每个因子的级别，从中选取最劣因子的级别作为该的级别评价，这样对于的评价有可能会出现以偏盖全的结果.因此需建立各影响因子的联系和相关性的评价模型，综合评价级别.如果总体标准差未知，而且样本容量，那么这时一切可能的样本平均数与总体平均数的离差统计量呈分布.检验是用分布理论来推论差异发生的概率，从而比较两个平均数的差异是否显著. 组别 N 均值 标准差 标准误差 平均得分 1 28 74 5.11047 0.98351 2 28 76.4222 3.17349 0.61074 表2—2 方差方程Levene检验 均值方程的 t 检验 F Sig t df Sig 均值差值 误差值 平均得分 方差相等 4.005 0.051 -2.092 52 0.041 -2.42222 1.15771 方差不相等 -2.092 43.456 0.042 -2.42222 1.15771 Levene检验结果判断是第一步，从上表可以看出Sig=0.0510.05，因此接受原假设，即两组评酒员的评价结果无显著性差异.根据F-检验的结果，进行独立样本T-检验.得出Sig=0.0410.05，应该拒绝原假设,即有显著的差异.所以无法确定其显著性. 在计算出两组品酒员的得分是否有显著差异后需要对其结果进行评价，这里可以通过分析两组结果的变异系数以得出其稳定性，从而直观的评价两组结果的稳定性与可信度.两组品酒员对白葡萄酒的评分结果与变异系数见表2—3.通过两组变异系数的比较，可以看出第二组评酒员的评价结果的方差变异系数更加平稳，因此第二组评价结果更为准确、可信. 表2—3 白葡萄酒方差变异系数 白葡萄酒 第一组变异系数 第二组变异系数 白葡萄酒 第一组变异系数 第二组变异系数 1 0.117113 0.065302 15 0.158449 0.093769 2 0.191102 0.092411 16 0.180293 0.134744 3 0.224011 0.157895 17 0.152378 0.077226 4 0.084215 0.084375 18 0.17116 0.071688 5 0.158377 0.062898 19 0.094346 0.066798 6 0.186489 0.063136 20 0.103149 0.092353 7 0.080753 0.087526 21 0.172015 0.101325 8 0.189775 0.077161 22 0.165855 0.092207 9 0.13212 0.128216 23 0.087052 0.044004 10 0.196278 0.105144 24 0.143812 0.081582 11 0.184076 0.131251 25 0.075492 0.12981 12 0.169992 0.163454 26 0.10502 0.136527 13 0.198297 0.092539 27 0.185442 0.07744 14 0.148437 0.051682 28 0.156482 0.095483 2.2 主成分分析法确定评价权重 从多元统计理论出发，运用分析法来确定权重该法的优点是考虑综合评价指标体系中各层因素的重要程度而使各指标权重趋于合理. 初始特征值 提取平方和载入 旋转平方和载入 合计 方差的 % 累积 % 合计 方差的 % 累积 % 合计 方差的 % 累积 % 1 2.095 52.376 52.376 2.095 52.376 52.376 2.068 51.707 51.707 2 1.040 26.006 78.382 1.040 26.006 78.382 1.067 26.675 78.382