酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响

钱圳冰，黄鸿基，冯 帆，周行洲２１００４６） （南京邮电大学，江苏 南京

［关键词］因子分析；理化指标；两变量相关分析ＤＯＩ １０  １３９３９／ ｊ  ｃｎｋｉ  ｚｇｓｃ  ２０１７  １８  ２０５ ［ ］

１ 引 言

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。本文研究分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响。

２算法模型分析

对于理化指标对葡萄酒质量的影响的分析，首先应对之前筛选出的酿酒葡萄和葡萄酒的理化指标作标准化处理。考虑到筛选后的理化指标数量仍然较多且彼此间都具有一定的相关性，可以利用因子分析对理化指标进行降维。

理化指标对葡萄酒质量的影响可以用多元线性回归方程来表示，将红、白葡萄降维后无相关性因子作为自变量，红、白葡萄酒质量作为因变量进行线性回归分析，得到酿酒葡萄和葡萄酒的理化指标与葡萄酒质量之间的多元线性回归方程。

３

建立因子分析模型对理化指标进行降维 我们以红葡萄为例，建立因子分析模型： １） １７ （ 对筛选出的个原始理化指标进行标准化处理１７ ｘｊ（ ｊ＝ １，进行因子分析的指标变量有 个，表示为２，…， １７）， ２７ ｉ ｊ共有 个评价对象，第个评价对象的第 个ａｉｊ， ｉ＝ １，２，…， ２７； ｊ＝ １，２，…， １７指标的取值为 。２） Ｒ （求解相关系数矩阵Ｒ＝（相关系数矩阵 １６×１６，有２７ ａｋｉ ａｋｊ · ｉ， ｊ＝ １，２，…， １７ ｋ＝ １ ２７－ １ ， ＝ １； ｉ ｊ其中， 为第个指标与第个指标的相关系数。３） （求解初等载荷矩阵Ｒ λ１≥ ≥ λ１７≥ ０，计算相关系数矩阵 的特征值 … 及ｕ１，…， ｕ１７，对应的特征向量 初等载荷矩阵Ｓ１ ＝ λ ｕ１， λ ｕ２，…， λ ｕ１７ ［槡 １ 槡２ 槡 １７ ］ ４） ｍ（ ｍ≤ ４） （ 选择 个主因子根据初等载荷矩阵，计算各个公共因子的贡献率，并选ｍ择个主因子。对提取的因子载荷矩阵进行旋转，得到矩 Ｓ２ ＝ Ｓ（ Ｔ（ Ｓ（ Ｓ１ ｍ Ｔ ｍ） ｍ）阵 １ 其中 １ 为 的前列，为正交矩阵） ，构造因子模型ｘｉ ＝ ＋ ＋… ＋ ｉ≤ １７ ５） （ 求解因子函数用回归方法求单个因子函数Ｆｊ＾ ＝ βｊ１ｘ１ ＋ βｊ２ｘ２ ＋… ＋ βｊ１７ｘ１７ ＋ εｊ， ｊ≤ ｍ β１１ βｍ１ …  ＝ Ｒ－ １ Ｓ２， Ｒ其中，   为相关系数矩阵， β１１７ βｍ … １７ Ｓ２ ＝ Ｓ（ Ｔ（ Ｓ（ ｍ） Ｓ１ ｍ Ｔ Ｓ１ ｍ） １ 其中 １ 为 的前 列，为正交矩阵） ， 为初等载荷矩阵。ＳＰＳＳ ５利用 软件进行因子分析求解，我们得到 个无相Ｘ１， Ｘ２， Ｘ３， Ｘ４， Ｘ５关性的主因子分别用 表示。对一个变量来说，载荷绝对值较大的因子与它的关系更加密切，也更能代表这个变量。按照这一观点，我们发Ｘ１ ＤＰＰＨ现，第一个公因子 更能代表 、总酚、酒总黄酮、Ｘ２单宁这几个变量因素；第二个公因子 更适合代表色泽ａ Ｘ３ 、苹果酸这几个变量因素；第三个公因子 较好地代表ｂ  Ｃ了色泽 、维生素含量、氨基酸总量这几个变量因素； Ｘ４第四个公因子则代表了多酚氧化酶活力变量因素；第五Ｘ５个公因子更能代表蛋白质、酒石酸、柠檬酸这几个变量因素。

４建立多元线性回归模型

５以红葡萄为例，我们将上述得到个无相关性的因子Ｘ１， Ｘ２， Ｘ３， Ｘ４， Ｘ５

作为自变量，红葡萄酒质量，即红葡萄酒第二组酒样品评分数据作为因变量，建立多元线性回归模型。

ＳＰＳＳ利用软件进行多元线性回归分析，如下表所示，表中的“系数”表格给出了所有模型的回归系数估计值。

Ｘ３， Ｘ４， Ｘ５ Ｐ ０  ０５，我们发现 的显著性 值大于 所以不能通过

Ｘ１， Ｘ２ Ｐ ０  ０５，显著性检验；常数项和 的显著性 值都远小于因而具有显著性意义。

因此，红酿酒葡萄和葡萄酒的理化指标与葡萄酒质量之间的多元线性回归方程可表示为：

Ｙ＝ ７０  ６４４＋ ２  ２８５Ｘ１ － １  ５７０Ｘ２

［摘要］文章研究的是葡萄酒的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和分析酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响。首先研究筛选了一组合理的葡萄酒样本进行了标准化处理。分析理化指标对葡萄酒５ ６质量的影响，研究对筛选出的理化指标作标准化处理，分别得到红葡萄提取出的个无相关性因子和白葡萄 个无相关性因子。

Ｙ Ｘ１其中，表示葡萄酒质量；第一个公因子 更能代表ＤＰＰＨ、总酚、酒总黄酮、单宁这几个变量因素；第二个公Ｘ２ ａ 因子 更适合代表色泽、苹果酸这几个变量因素。ＤＰＰＨ我们可以得出结论，红葡萄酒的质量与 、总酚、ａ 酒总黄酮、单宁、色泽、苹果酸这几个理化指标变量有关。同理，我们得到白葡萄酒的质量与酒石酸、白藜芦醇、氨基酸总量这几个理化指标变量有关。

５ 结 论

ＤＰＰＨ研究表明，红葡萄酒的质量与 、总酚、酒总黄ａ 酮、单宁、色泽、苹果酸这几个理化指标变量有关。白葡萄酒的质量与酒石酸、白藜芦醇、氨基酸总量这几个理化指标变量有关。

Ｐ１８３） （上接 １） ４）由模型 （ 和模型 （的回归结果可知：管理者素ＭＱ） １  ５３ ０  ０３， １％质 （ 的系数为 和 并且在 的水平上显著，说明核心企业管理者的素质越高，供应链融资关系强度和质量越高，即供应链融资体系的发展越好，这初步验证了１ ２假设 和假设。加入了偿债能力和盈利能力的交乘项之５％后，供应链融资关系强度和质量进一步增高，并且都在的水平显著为正，而核心企业的偿债能力和盈利能力最能够反应企业的资信状况，交乘项的结果系数说明核心企业盈利能力越强，同时管理者的素质越高，越容易获取供应链上下游企业的信任，从而供应链融资关系的强度和质量也就越好，进一步说，也就越有利于供应链金融这一整个中小企业１ ２融资体系的发展，这也有力地验证了假设 和假设 。４ ４稳健性检验２０１５）参考朱文贵 （ 的做法，笔者对一些变量进行了ＲＯＡ替换。使用总资产收益率 来替换净资产收益率对盈利８ ５能力进行衡量；管理者素质优良的年限从 年降低到 年；使用主营业务收入的自然对数替代公司总资产的自然对数来作为公司规模的衡量指标，同时，增加一些公司治理的控制变量：公司现金持有水平、独立董事占比等。分别以全样本和子样本为研究对象，重复上述的回归过程，得出的回归结 参考文献： １  ［］周世兵聚类分析中的最佳聚类数确定方法研究及应用Ｄ． ２０１１  ［］无锡：江南大学， ２  ［］李运，李记明，姜忠军统计分析在葡萄酒质量评价中的Ｊ ． ２００９（ ４）： ７９－ ８２ 应用 ［ ］酿酒科技，檶檶檶檶檶檶檶檶檶６１５３１１６６００４） ［基金项目］国家自然基金（项目编号： 。１９９６—）， ［作者简介］钱圳冰 （ 男，汉族，江苏省泰州人，南京邮电大学本科生。研究方向：计算机科学与技术；黄鸿基１９９５—）， （ 男，汉族，江苏南京人，南京邮电大学本科生。研究方５Ｇ １９９５—），向：通信和智能算法；冯帆 （ 男，汉族，江苏南京５Ｇ人，南京邮电大学本科生。研究方向：通信和智能算法；周行洲１９９５—）， （ 男，汉族，江苏南京人，南京邮电大学本科生。研究方５Ｇ向： 通信和智能算法。

果显示，本研究的主要结论均保持稳定。

５研究结论

２０１２— ２０１６ Ａ本文以 年的股发生供应链融资的上市公司为研究样本，着重研究了核心企业资信状况对供应链融资关系强度和质量的影响，结果证实核心企业资信状况越好，供应链金融关系契约强度越高，供应链金融关系质量越高，上下游企业合作频率越高。本文的稳健性检验表明上述结果具有稳定性。本文的研究结果丰富了有关供应链金融体系发展决定因素的文献，也为中小企业进行供应链融资模式的规范、核心企业资信状况的制定和调整提供了实践上的启示和依据。 参考文献： １  ［］牛似虎，方继华，苏明政基于供应链金融的中小企业绩Ｊ． ２０１７（ １）： ６４－ ６６ 效评价与实证 ［］统计与决策， ２  ［］韩民，高戌煦产融结合型银行供应链金融业务有效性研Ｊ ． ，２０１６究— ——基于昆仑银行的实证分析 ［］财经理论与实践５）： ２３－ ３０  （ ３ ［］田美玉，何文玉供应链金融融资模式下中小企业信用风Ｊ ． ，２０１６险评估— ——以汽车行业实证研究为例 ［ ］工业技术经济６）： １５４－ １６０  （