第２６卷第５期 长沙大学学报 ＶＯＩ．２６ ＮＯ．５ ２ ０ １ ２年９月 ＪＯＵＲＮＡＬ ＯＦ ＣＨＡＮＧＳＨＡ ＵＮｌＶＥＲＳＩＴＹ Ｓｅｐ．２ ０ １ ２ ＳＰＳＳ软件在葡萄与葡萄酒理化指标的 相关性分析中的应用 何少芳，李梦祝 （湖南农业大学理学院，湖南长沙４１０１２８） 摘要：利用ＳＰＳＳ软件对酿酒葡萄样品与葡萄酒样品的理化指标进行相关性分析，根据分析结果得出酿酒葡萄与葡萄 酒的理化指标之间的内在联系。 关键词：酿酒葡萄；葡萄酒；主成分分析；典型相关分析 中图分类号：Ｏ２１３ 文献标识码：Ａ 文章编号：１００８—４６８ｌ（２０１２）０５—００ｌ１—０４ 葡萄酒是用新鲜的葡萄或葡萄汁经发酵酿成的酒精饮 １．２数据处理方法 料，通常分为红葡萄酒和白葡萄酒两种．在日常生活中，我们 根据酿酒葡萄与葡萄酒样品的各理化指标数据，利用 会从葡萄酒的外观、香气、口感等方面来评价酒质量的好坏， ＳＰＳＳ１０．０软件进行统计分析与数据处理． 而酒的这些特质很大程度上是酿酒葡萄的各项理化指标的 数据结果的主成分分析：采用统计分析软件ＳＰＳＳ１０．０的 外在体现，如花色苷等物质的含量体现了葡萄酒的外观，总 Ｄａｔａ Ｒｅｄｕｃｔｉｏｎ中的Ｆａｃｔｏｒ分析； 糖、各类酸、单宁等共同决定了葡萄酒的口感，芳香物质决定 数据结果的典型相关分析：通过调用统计分析软件的 了葡萄酒的香气…．然而由于其他因素的存在，葡萄酒的理 “Ｃａｎｏｎｉｃａｌ ｃｏｒｒｅｌａｔｉｏｎ．ｓｐｓ”宏包进行分析． 化指标并不完全等同于酿酒葡萄的理化指标．为了了解酿酒 葡萄与葡萄酒的理化指标之间的内在联系，我们对某一年份 ２输出结果与分析 酿酒葡萄和葡萄酒样品的理化指标数据进行分析，考虑到酿 ２．１主成分分析 酒葡萄的理化指标和葡萄酒的理化指标为两组多因素变量， 主成分分析是将多项指标重新组合成一组新的互相无 我们利用ＳＰＳＳ软件对其进行典型相关分析．由于酿酒葡萄 关的几个综合指标，根据实际需要从中选取尽可能少的综合 和葡萄酒的理化指标中包含的参数比较多，可先用主成分分 指标，以达到尽可能多地反映原指标信息的分析方法 ．由 析法将原来多个理化指标减至少数的几个主要成份，各个主 于酿酒葡萄和葡萄酒样品的理化指标数据中包含的指标比 要成份中包括原来的几种理化指标，然后利用ＳＰＳＳ软件做 较多，因此我们用ＳＰＳＳ软件的主成分分析将原来多个理化 典型相关性分析，分析酿酒葡萄和葡萄酒的主成分这两组变 指标减至少数的几个主要成份．在ＳＰＳＳ软件中输入酿酒葡 量的典型变量之间的相关关系，从而得出酿酒葡萄与葡萄酒 萄与葡萄酒样品的理化指标数据，下面以红葡萄酒主成分分 的各理化指标之间的联系． 析输出结果摘要为例进行分析． １ 分析的数据和方法 表１相关矩阵表 Ｋａｉｓｅｒ—Ｍｅｙｅｒ—Ｏｌｋｉｎ Ｍｅａｓｕｒｅ ｏｆ Ｓａｍｐｌｉｎｇ Ａｄｅｑｕａｃｙ． ．６８４ １．１分析的数据 某一年份葡萄酒样品和酿酒葡萄样品的理化指标数据， 其中包括２７个酿酒红葡萄及葡萄酒样品，２８个酿酒白葡萄 及葡萄酒样品． 表２完全变量解释 收稿日期：２０１２一ｏ９一ｌ５ 作者简介：何少芳（１９８０一），女，湖南嘉禾人，湖南农业大学理学院讲师，硕士．研究方向：高等数学 １２ 长沙大学学报 ２０１２年９月 表３旋转后的因子（主成分）负荷矩阵 表ｌ显示系统输出的相关系数矩阵，经Ｂａ￣ｌｅｔｔ检验表 明：Ｂａｒｔｌｅｔｔ值＝４３１．１５７，Ｐ＜０．０００１，即相关矩阵不是一个单 位矩阵，故考虑进行因子分析，ＫＭＯ值＝０．６８４，意味着因子 分析结果能够接受．表２显示，使用主成分分析法得到三个 因子（主成分），累计贡献率为８７．２９４％，具有统计学上的意 义．在旋转后的因子负荷矩阵中，变量与某个因子的联系系 数的绝对值越大，则该因子与变量的关系越近．表３显示本 例红葡萄酒的理化指标变量总酚与第一因子的值为０．９７０， 与第二、第三因子的值分别为一０．１３８、０．０８０，可见其与第一 因子更近，与第二、三因子较远，应该将其放在第一主成分 中．在系统进行主成分分析的过程中，已将各因子（主成分） 的因子综合得分分别用变量名（如Ｒｗ１）存入原始数据库 中，这些值将用于对两组变量的典型相关分析． 酿酒红（白）葡萄和红（白）葡萄酒理化指标的主成分分 析结果见如表４—７． 表４红葡萄酒的理化指标主成分分析结果 第１０９期 ２．２典型相关分析 何少芳，李梦祝：ＳＰＳＳ软件在葡萄与葡萄酒理化指标的相关性分析中的应用 １３ 在统计分析软件ＳＰＳＳ１０．０中分别输入酿酒红（白）葡萄 与红（白）葡萄酒理化指标主成分因子综合得分数据，执行 命令 ｉｎｃｌｕｄｅ‘Ｃ：＼Ｐｒｏｇｒａｍ Ｆｉｌｅｓ＼ＳＰＳＳ＼Ｃａｎｏｎｉｃａｌ ｃｏｒｒｅｌａｔｉｏｎ．ｓｐｓ’． ＣＡＮＣＯＲＲ ＳＥＴＩ＝Ｒ１ Ｒ２ Ｒ３ Ｒ４ Ｒ５ Ｒ６ Ｒ７ Ｒ８ Ｒ９ ＲＩＯ／ 物质）与白葡萄酒的第一个主成分ＷＷＩ（色泽Ｌ、色泽ａ、色 泽ｂ、色泽Ｈ、色泽Ｃ）、酿酒白葡萄的第九个主成分Ｗ９（氨基 酸、苹果酸）与白葡萄酒的第三个主成分ＷＷ３（白藜芦醇）、 酿酒白葡萄的第五个主成分Ｗ５（总糖、果糖、出汁率）与白 葡萄酒的第一个主成分ｗｗ１（色泽Ｌ、色泽ａ、色泽ｂ、色泽 Ｈ、色泽Ｃ）也有较高的相关性，其他主成分之间的相关性 较弱． ＳＥＴ２＝ＲＷ１ ＲＷ２ ＲＷ３／．（红） ｉｎｃｌｕｄｅ‘Ｃ：＼Ｐｒｏｇｒａｍ Ｆｉｌｅｓ＼ＳＰＳＳ＼Ｃａｎｏｎｉｃａｌ ｃｏｒｒｅｌａｔｉｏｎ．ｓｐｓ’． ＣＡＮＣＯＲＲ ＳＥＴ１＝Ｗｌ Ｗ２ Ｗ３ Ｗ４ Ｗ５ Ｗ６ Ｗ７ Ｗ８ Ｗ９ 表ｌ０酿酒红葡萄和红葡萄酒的典型变量相关系数 Ｗ１０ Ｗｌ１／ ｌ ２ ３ ９５２ ８８０ ７２３ ＳＥＴ２＝ＷＷ１ ＷＷ２ ＷＷ３／．（白） 得到主要输出结果见表８—１３，下面对输出结果进行 分析． 表８是酿酒红葡萄和红葡萄酒主成分两组变量的各变 量间的两两相关矩阵，从表中呵看出酿酒红葡萄的第一个主 成分Ｒｌ（花色苷、自由基、总酚、单宁、葡萄总黄、顺芦醇）与 红葡萄酒的第一个主成分ＲＷ１（色花苷，单宁，总酚，酒总黄 酮，白藜芦醇，半抑制体、色泽Ｌ）具有较很高的相关性，酿酒 红葡萄的第三个主成分Ｒ３（还原糖、果糖、葡萄糖）与红葡萄 酒的第三个主成分ＲＷ３（色泽ｂ，色泽Ｈ）也具有较高的相关 性，其他主成分之间的相关性较弱． 表８红葡萄和红葡萄酒关系矩阵 表１ １ 酿酒红葡萄和红葡萄酒的显著性检验 表９是酿酒白葡萄和白葡萄酒主成分两组变量问各变 量之间的两两相关矩阵，观察表中变量间的相关系数可知， 酿酒白葡萄的第二个主成分Ｗ２（自由基、总酚、 宁、葡萄总 黄、黄酮醇、异鼠李素）与白葡萄酒的第二个主成分ＷＷ２（单 宁、总酚酒、总黄酮、半抑制体）具有很高的相关性，酿酒自葡 萄的第一个主成分Ｗ１（ＶＣ、还原糖、果糖、葡萄糖、可溶、干 『＿ｆ｛表１０、１１可知，在酿酒红葡萄和红葡萄酒的典型变量 相关系数中，第一、第二和第三典型相关系数分别为０．９５２、 ０．８８０和０．７２３，说明第一维度相关属于强相关；显著性检验 的结果也表明，在０．０５的显著性水平下，第一典型变量的相 关性非常显著． １４ 长沙大学学报 ２０１２年９月 表１４红葡萄酒的典型负载系数 变量组各典型变量对于因变量组所有观测变量的解释能 力 ．由图１可知，酿酒红葡萄的主成分变量被自身的三个 典型变量均揭示了１０％，红葡萄酒的主成分变量被自身的三 个典型变量均揭示了３３．３％；酿酒红葡萄的主成分变量被红 葡萄酒第一典型变量解释了９．１％，被第二典型变量解释了 ７．７％，被第三典型变量解释了５．２％，红葡萄酒的主成分变 量被酿酒红葡萄的第一典型变量解释了３０．２％，被第二典型 变量解释了２５．８％，被第三典型变量解释了１７．４％． 综合以上分析可以得出。由酿酒红葡萄和红葡萄酒主成 分变量组成的典型变量之间相关性很高，其中，酿酒红葡萄 的第一个主成分Ｒ１在本组的第一典型变量上发挥了解释作 用，红葡萄酒的第一个主成分ＲＷｌ在本组的第一个典型变 量上发挥了解释作用，而显著性检验的结果表明，第一典型 变量的相关性非常显著，因此Ｒ１与ＲＷＩ之间有很强的相关 关系，即酿酒红葡萄理化指标中的花色苷、自由基、总酚、单 宁、葡萄总黄、顺芦醇与红葡萄酒理化指标中的色花苷、单 Ｐｒｏｐｏｒｔｉｏｎ ｏｆ Ｖａｒｉａｎｃｅ ｏｆ Ｓｅｔ一１ Ｅｘｐｌａｉｎｅｄ ｂｙ Ｉｔｓ Ｏｗｎ Ｃａｎ．Ｖａｔ． 宁、总酚、酒总黄酮、白藜芦醇、半抑制体、色泽Ｌ有很强的相 Ｐｒｏｐ Ｖａｒ 关关系． ＣＶＩ—１ ．１００ 同理可以分析出由酿酒白葡萄和白葡萄酒主成分变量 ＣＶ１—２ ．１０ｏ 组成的典型变量之间相关性较高，其中，酿酒白葡萄的第一 ＣＶ１—３ ．１ｏｏ 个主成分Ｗ１、Ｗ５在本组的第一典型变量上发挥了解释作 Ｐｒｏｐｏｒｔｉｏｎ ｏｆＶａｒｉａｎｃｅ ｏｆ Ｓｅｔ～２ Ｅｘｐｌａｉｎｅｄ ｂｙＩｔｓ Ｏｗｎ Ｃａｎ．Ｖａｔ． 用，第一主成分Ｗ２、第九主成分Ｗ９在本组的第二典型变量 Ｐｒｏｐ Ｖａｒ 上发挥了解释作用，白葡萄酒的第一个主成分ｗｗ１在本组 ＣＶ２一１ ．３３３ 的第一个典型变量上发挥了解释作用，白葡萄酒的第二个主 ＣＶ２—２ ．３３３ 成分ＷＷ２在本组的第二个典型变量上发挥了解释作用，显 ＣＶ２—３ ．３３３ 著性检验的结果表明，第一典型变量的相关性非常显著，第 二典型变量的相关性显著，因此Ｗ１、Ｗ５与ＷＷ１之间有很 Ｐｒｏｐｏｒｔｉｏｎ ｏｆ Ｖａｒｉａｎｃｅ ｏｆ Ｓｅｔ—ｌ Ｅｘｐｌａｉｎｅｄ ｂｙ Ｏｐｐｏｓｉｔｅ Ｃａｎ．Ｖａｔ． 强的相关关系，Ｗ２、Ｗ９与ＷＷ２之间有较强相关关系，即酿 Ｐｒｏｐ Ｖａｒ 酒白葡萄理化指标中的ＶＣ、还原糖、果糖、葡萄糖、可溶、干 ＣＶ２一１ ．０９１ 物质、总糖、果糖、出汁率与白葡萄酒理化指标中的色泽Ｌ、 ＣＶ２—２ ．０７７ 色泽ａ、色泽ｂ、色泽Ｈ、色泽Ｃ有很强的相关关系，自由基、 ＣＶ２—３ ．０５２ 总酚、单宁、葡萄总黄、黄酮醇、异鼠李素、氨基酸、苹果酸与 Ｐｒｏｐｏｒｔｉｏｎ ｏｆ Ｖａｒｉａｎｃｅ ｏｆ Ｓｅｔ－２ Ｅｘｐｉａｉｎ￣ｄ ｂｙ Ｏｐｐｏｓｉｔｅ Ｃａｎ．Ｖａｒ． 单宁、总酚、酒总黄酮、半抑制体有较强相关关系． Ｐｒｏｐ Ｖａｒ ３小结 ＣＶｌ一１ ．３０２ ＣＶｌ一２ ．２５８ 本文利用ＳＰＳＳ软件对某一年份葡萄酒样品和酿酒葡萄 ＣＶｌ一３ ．１７４ 样品的理化指标数据（包括２７个酿酒红葡萄及葡萄酒样品， ２８个酿酒白葡萄及葡萄酒样品）进行主成分分析及典型相 图１ 酿酒红葡萄和红葡萄酒的冗余分析图 关分析，得出酿酒葡萄与葡萄酒的理化指标之间的联系：酿 酒红葡萄理化指标中的花色苷、自由基、总酚、单宁、葡萄总 典型负载系数是典型变量与本组观测变量之间的两两 黄、顺芦醇与红葡萄酒理化指标中的色花苷、单宁、总酚、酒 简单相关系数，可以从一定程度上反映典型变量与同属本组 总黄酮、白藜芦醇、半抑制体、色泽Ｌ （Ｄ６５）有很强的相关 的观测变量进行简单回归时测量散点与回归线之间拟合程 关系；酿酒白葡萄理化指标中的ＶＣ、还原糖、果糖、葡萄糖、 度 Ｊ，从表１２—１５可以看出，酿酒红葡萄的第一个主成分 可溶、干物质、总糖、果糖、出汁率与白葡萄酒理化指标中的 Ｒ１与本组的第一个典型变量呈很强的负相关性，且Ｒｌ与红 色泽Ｌ （１）６５）、色泽ａ （Ｄ６５）、色泽ｂ￥（Ｄ６５）、色泽Ｈ 葡萄酒的第一个典型变量呈很强的负相关性；红葡萄酒的第 （Ｄ６５）、色泽Ｃ（Ｉ）６５）有很强的相关关系；自由基、总酚、单 一个主成分ＲＷ１与本组的第一个典型变量呈很强的负相关 宁、葡萄总黄、黄酮醇、异鼠李素、氨基酸、苹果酸与单宁、总 性，且ＲＷ１与酿酒红葡萄的第一个典型变量呈很强的负相 酚、酒总黄酮、半抑制体有较强相关关系． 关性．由两组变量的第一典型变量之间的强相关性可知，Ｒ１ 与ＲＷ１之间有很强的相关性． 参考文献： 冗余分析包括组内代表比例和交叉解释比例，是典型相 ［１］李运，李记明，姜忠军．统计分析在葡萄酒质量评价中的应用 关分析中很重要的部分．组内代表比例指本组所有观测变量 ［Ｊ］．２００９，（４）：７９—８３． 的总标准方差中由本组形成的各个典型变量所分别代表的 ［２］黄润龙．数据统计分析——ｓＰｓｓ原理及应用［Ｍ］．北京：高等教 比例；交叉解释比例是指一组当中形成的典型变量对另一组 育出版社，２０１０． 观测变量的解释比例，是一种组间交叉共享比例，反映了自 ［３］高惠璇．应用多元统计分析［Ｍ］．北京：北京大学出版社，２００５． （责任编校：睛川）