基于主成份研究法速食食品特征性指标分类.docxVIP

基于主成份研究法速食食品特征性指标分 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⑴。 若某研究对象有两项指标￡1和Z2,从总体M (Z1, E2)中抽取了 N个样品，它们散布在椭圆平面内(见图1), 指标乙1与乙2有相关性。n1和n2分别是椭圆的长轴和 短轴，T11丄T1 2,故T11与T12互不相关。其中Hl是点Z (?1, ?2)在长轴上的投影坐标，n 2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nl轴上投影点的波动，而T1 2轴上投影点的波动 较小。若H1作为一个综台指标，则FI1可较好地反映出N 个观测值的变化情况，H2的作用次要。综合指标nl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] o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。lg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