08 第八章 统计学分析.pptx

第1页：第七章 统计学分析

第七章 统计学分析。本章回答感官评定中需要解决的三个统计学问题：产品间在某个属性上是否有差异、数据差异的真正来源是什么、产品的感官属性之间有什么关系，并介绍t检验、方差分析、回归分析与主成分分析法。

第2页：统计学分析要解决的问题

背景知识

• 感官评定，尤其是描述型分析将会获得大量的数据。我们怎么处理这些茫茫大海一样的数据？
• 对产品差异性的判断是感官评定的基础。

需要解决的问题

1. 产品之间在某个属性上是否有差异？
2. 数据所展示的产品间的差异真正来源是哪？我获得数据是否可靠？
3. 产品的感官属性之间有什么关系？

第3页：t检验与方差分析

如何判断产品间在某个感官属性上是否有差异

t检验

处理数据库相对较小（n<30）和两个测试产品

方差分析

分析多个测试产品

第4页：两个样品12位受试者的评分数据

Sample A / Sample B 评分数据：下表列出12位受试者对两个样品的评分。

说明：源文件数字粘连，列的对应关系按原文表头顺序推定，建议对照原课件图片核对后再使用。

第5页：三个样品12位受试者的评分数据

Sample A / Sample B / Sample C 评分数据：下表列出12位受试者对三个样品的评分。

说明：源文件数字粘连，列的对应关系按原文表头顺序推定，建议对照原课件图片核对后再使用。

第6页：数据差异来源的判断

数据差异来源的判断

• 当获得的响应指向一个结果时，需要充分分析，这是随机事件还是一个有效结论。
• 方差分析和带重复实验的实验设计，可以帮助我们了解数据差异的来源是受试者的随机事件，还是产品之间内在的差异。

可信度

测试者能反复对类似的产品做出相似的响应

有效性

实验结果符合事实的程度

重复实验的必要性：通过重复实验可以分离受试者随机误差与产品间的真实差异。

第7页：带重复实验的评分数据

Sample A / Sample B / Sample C 的重复实验数据：本页以表格呈现12位受试者对三个样品各做3次重复的评分结果。

说明：源文件数字严重粘连，无法安全切分为受试者×样品×重复的行列结构，此处不强行还原为表格，数值请以原课件图片为准。

第8页：实例分析

实例分析

本节以一次描述型感官评定为例：8位受试者对4个产品进行了包括4次重复试验的感官分析，并以“甜的后味”属性的分析结果说明方差分析、Duncan 多重比较与交互作用的判读。

第9页：甜味后味的均值与Duncan多重比较

Mean Scores and Ranks for Sweet Aft：Expt 2、Expt 1、Prod Std、Pilot Std 四个产品的甜味后味均值与秩次，以及 Duncan 多重比较（DUNCAN）的分组结果。

说明：源文件数字与统计量粘连，未能安全还原为结构化表格，均值、差值与秩次请以原课件图片为准。

第10页：甜味后味的受试者均值与统计量

Mean Subject Scores for Sweet Aft：8位品评员（panel）对四个产品甜味后味的评分，并给出 mean、SD、N、F-prod、p-prod、F-inter、p-inter 等统计量。

说明：源文件数字与统计量粘连，无法安全切分为受试者×产品的行列数据，统计量请以原课件图片为准。

第11页：受试者秩次与实例分析的问题

Subject Ranks for Sweet Aft：8位品评员对四个产品甜味后味的秩次结果。

需要回答的问题

1. 该4个产品的甜的后味属性的差别是否显著？如果显著，请分别说明两两比较四个产品差异度是否显著。
2. 哪些受试者对该4个产品的甜的后味属性的区分能力较大？哪些受试者的区分能力较弱？请将8位受试者对该属性区分的贡献能力由强到弱进行排列。
3. 受试者对产品是否发生显著的交互作用？如果有发生显著的交互作用，具体是哪些受试者发生了交互作用，分别是属于什么类型的交互作用？

说明：本页秩次表数字粘连，未能安全还原为表格，秩次数值请以原课件图片为准。

第12页：感官属性之间关系的分析

如何判断该感官属性之间的关系

• 人对产品的感官响应受到多个因素的共同影响。
• 消费者购买产品的倾向也受多方面的因素的影响。
• 因此研究感官属性之间的关系与其作用，对产品的判断是十分重要的。
• 我们使用多元分析来研究产品感官属性之间的关系。
• 有多种的多元分析方法，常用的有二元线性回归、多元回归、主成分分析法等。

第13页：二元线性回归

二元线性回归：以一个自变量与一个因变量的线性关系拟合感官数据。

说明：本页为回归图，源文件仅提取到标题文字，图中散点与回归线请以原课件图片为准。

第14页：多元回归

多元回归：Y = a + bX1 + bX2 + … + bXk

例如：消费者对产品的偏好性与产品的某些感官指标及化学物质含量之间建立多元回归方程。

第15页：主成分分析法（PCA）

主成分分析法（PCA）：The principal components of factor 1。

主成分分析把多个相关的感官指标化为少数几个互不相关的主成分，用少数因子解释大部分变异信息。

第16页：课程结束致谢页

谢谢！

《食品感官评定》全套课件内容到此结束。