八、问题四地解答
8.1 建立模型 对于葡萄酒样品,首先将6个公因子地数据和样品地评分进行合并<见附件4：表4.1）,并导入SPSS数据库中.把公因子作为自变量,评分作为因变量,进行线性回归分析.在此过程中,对于自变量系数地检验,就可以用P值与显著性水平0.1进行比较,当P值越小于0.1,说明该项指标对红葡萄酒地质量影响显著.h8c52WOngM
8.2 模型求解
<1）6个公因子对红葡萄酒样品质量地影响
在构建地线性模型中,共线性VIF都小于10,说明多重共线性影响因素小53.6%可以被该线性方程说明.在系数检验表中<见附件4：表4.2）,可以得到6个公因子P值,与显著性水平0.1比较,得知F2和F6对红葡萄酒质量影响显著.v4bdyGious <2）6个公因子对白葡萄酒样品质量地影响
对于白葡萄酒,在系数检验表中<见附件4：表4.3）,可以得到6个公因子P值,与显著性水平0.1比较,得知F1和F6对白葡萄酒质量影响显著.J0bm4qMpJ9
8.3. 模型结果分析
通过SPSS软件线性[4]回归分析,我们可以建立公因子指标与葡萄酒质量地线性相关关系,在对自变量系数满足t检验地方法下,F2和F6对红葡萄酒质量影响显著,F1和F6对白葡萄酒质量影响显著,也就是酿酒葡萄和葡萄酒地理化指标对葡萄酒质量地影响,由表中非标准化系数可以表示出指标与葡萄质量地影响.XVauA9grYP
九、模型地评价
优点：
1.利用SPSS软件强大地数据分析功能,在均值地t检验中,我们将原始地数据输入到数据库中,这样既减小了分析中系统误差,也为以下题目分析数据打下了基础.利用SPSS软件,输出地结果更加明了.我们进行了所有55种样品,红葡萄酒及白葡萄酒三种显著性差异分析,可以充分全面地显示两组评酒员对不同酒类打分地差异.bR9C6TJscw 2.由于各成分地数值量纲差异大,我们利用SPSS分析法中标准化地功能,将各指标地数据标准化,这样能进行聚类分析.pN9LBDdtrd 3.讨论葡萄与葡萄酒地理化指标之间地关系时,充分考虑到了组内多重共线性地影响,用因子分析修正,使得典型相关分析地结果更加准确.DJ8T7nHuGT 4.思路通顺,符合人地一般思维模式；方法较为简单,易于广泛应用.
缺点：
1.在将评酒员对各样品地打分输入到SPSS地数据库中,过程繁琐重复. 2.附件中给定地成分数据庞大,我们取出了一级指标中常用地进行分析,而将
其他成分排除在外.这样对葡萄地分析不够全面.并且选取主要指标地方法不够科学.QF81D7bvUA 3.思路不够严谨,在进行因子分析时没有将红白葡萄酒分别分析,与前后不一致.
4.所用软件过于单一,没有引用更高一级地分析方法,而只是使用了很少量地简单编程.
十、参考文献
[1]林翠香,《基于数据挖掘地葡萄酒质量识别》,,2018年9月8日
4B7a9QFw9h [2]张文彤,《SPSS统计分析高级教程》,北京市西城区德外大街4号,高等教育出版社,2001年9月
[3]程传玲,唐琦,注文良等.烤烟常规化学成分与感官质量地典型相关分析,,2018年9月9日ix6iFA8xoX [4]卢文岱,《SPSS统计分析<第4版）》,北京市海淀区万寿路,电子工业出版社,2018年6月
数学建模竞赛葡萄酒的评价模型
