劉 全 裴廣仁 姜忠軍 煙臺張?jiān)？ㄋ固鼐魄f有限公司

前言

葡萄酒是由新鮮葡萄或葡萄汁經(jīng)過酒精發(fā)酵而得到的一種含酒精飲料。葡萄酒的成分來源于葡萄原料、發(fā)酵和陳釀過程。葡萄酒中的糖、酸、礦物質(zhì)和酚類化合物等，組成了葡萄酒的酒體；而大量的揮發(fā)性物質(zhì)，包括醇、酯、醛、縮醛、萜烯、碳?xì)浠衔?、硫化物等，?gòu)成了葡萄酒的香氣。這些成分之間既存在著復(fù)雜的關(guān)系，又對感官質(zhì)量產(chǎn)生重要的影響[1]。

雖然現(xiàn)代儀器在葡萄酒成分分析方面得到了廣泛的應(yīng)用，但感官分析仍然是評價(jià)葡萄酒質(zhì)量的最有效方法。本文采用統(tǒng)計(jì)學(xué)方法，對來自中國不同產(chǎn)區(qū)的干紅葡萄酒的主要成分及感官質(zhì)量的關(guān)系進(jìn)行分析，旨在探討影響干紅葡萄酒質(zhì)量的主要因素，構(gòu)建相關(guān)因素與感官質(zhì)量之間的最優(yōu)化數(shù)學(xué)模型，為確定干紅葡萄酒合理的釀造工藝提供理論依據(jù)。

1 材料與方法

1.1 試驗(yàn)材料

來自中國不同產(chǎn)區(qū)、不同廠家、不同品種的干紅葡萄酒126種；測定葡萄酒的100種理化指標(biāo)，并對其進(jìn)行感官評價(jià)。

1.2 成分分析

分別測定葡萄酒的糖、酒、酸、干浸出物、有機(jī)酸、礦質(zhì)元素、酚類物質(zhì)、香氣成分共100種，測定方法見參考文獻(xiàn)[2]。

1.3 感官品嘗

感官品嘗由國家級評酒員共50人進(jìn)行，分別從外觀（10分）、香氣（30分）、滋味（40分）、典型性（20分）等方面進(jìn)行品評打分，將每個(gè)評酒員的得分平均后即為該樣品的最終得分。

1.4 數(shù)據(jù)分析與處理

利用SPSS11.0以及AMOS6.0軟件進(jìn)行相關(guān)分析、通徑分析、變異系數(shù)分析和多元線性回歸分析[3]。

2 結(jié)果與分析

2.1 干紅葡萄酒特征成分的確定

所謂特征成分是指葡萄酒中與感官質(zhì)量密切相關(guān)、并能反映產(chǎn)品特性的成分。將葡萄酒成分與感官質(zhì)量進(jìn)行相關(guān)分析，極顯著相關(guān)的指標(biāo)有12種；分析各成分與感官質(zhì)量之間的通徑系數(shù)，其中，有3種成分對感官質(zhì)量有直接的正向作用，有11種成分對感官質(zhì)量有直接的影響；將葡萄酒各成分進(jìn)行主成分分析，其中8個(gè)主成分累計(jì)貢獻(xiàn)率達(dá)80.96%，它包含了葡萄酒中的24種成分；對紅葡萄酒的成分進(jìn)行變異系數(shù)分析，變異系數(shù)大于50%的成分共有24種。

將上述4類分析確定的指標(biāo)，結(jié)合葡萄酒相關(guān)標(biāo)準(zhǔn)的指標(biāo)，確定出干紅葡萄酒特征成分共37種。它們分別是：酒度，總酚、單寧、揮發(fā)酸、pH值、干浸出物、甘油、酪醇、丁二酸二乙酯、1，4-丁內(nèi)酯、丁香醛、香草醛、乳酸乙酯、1-己醇、檸檬酸、咖啡酸、香草酸、兒茶素、2-苯乙醇、丁二酸單乙酯、鐵、鉀、鱗、鎂、錳、硅、對羥基苯甲酸、3-羥基-丁酸乙酯、酒石酸、蘋果酸、1-丁醇、原兒茶酸、2-甲基-1-丁醇、2-甲基-1-丙醇、己酸、蘆丁、乳酸。

2.2 多元線性回歸模型的構(gòu)建

2.2.1 以特征成分為變量的回歸方程

將感官評分作為因變量，所有特征性成分作為自變量，利用SPSS11.0進(jìn)行多元線性回歸分析，得到如下方程：

(方程各參數(shù)取值范圍:[0≤W≤100]，[453mg/L≤總酚≤1362 mg/L]，[0 mg/L≤(1-已醇)≤4.4 mg/L]，[2.9mg/L≤(2-甲基-1-丙醇)≤139.7mg/L]) [0.06g/L≤檸檬酸≤3.99g/L]，[0.61mg/L≤咖啡酸≤54.1mg/L]，[0mg/L≤香草酸≤11.23mg/L]，[7.39≤酒精度(%v/v)≤14.28]，[2.7mg/L≤(2-甲基-1-丁醇)≤86.6mg/L])

2.2.2 根據(jù)通徑系數(shù)選擇的指標(biāo)作為自變量的回歸方程

通徑分析可用于分析多個(gè)自變量與因變量之間的線性關(guān)系，是回歸分析的拓展，可以處理較為復(fù)雜的變量關(guān)系。

以通徑系數(shù)從大到小排序選出的24種指標(biāo)作為自變量進(jìn)行逐步回歸分析，得到的最終方程為：

(方程各參數(shù)取值范圍:[0≤W≤100]，[453mg/L≤總酚≤1362 mg/L]，[0 mg/L≤1-已醇≤4.4 mg/L]，[7.39≤酒精度≤14.28])

2.2.3 以顯著相關(guān)的成分為變量的回歸方程

以與感官質(zhì)量顯著相關(guān)和極顯著相關(guān)的成分為自變量進(jìn)行多元回歸分析，得到的方程為：

(方程各參數(shù)取值范圍:[0≤W≤100]，[453mg/L≤總酚≤1362 mg/L]，[0 mg/L≤1-已醇≤4.4 mg/L]，[0mg/L≤香草醛≤8.41mg/L]，[0.06g/L≤檸檬酸≤3.99g/L]，[1.1mg/L≤(1,4丁內(nèi)酯)≤45.99mg/L])

2.3 多元線性回歸模型的檢驗(yàn)

求出的回歸模型是否能反映變量之間的相互關(guān)系，模型能否應(yīng)用于實(shí)際，必須通過相關(guān)檢驗(yàn)。一般講，回歸模型要至少通過兩方面的檢驗(yàn)：經(jīng)濟(jì)意義檢驗(yàn)和統(tǒng)計(jì)檢驗(yàn)。

2.3.1 擬合驗(yàn)證(經(jīng)濟(jì)意義檢驗(yàn))

將上述三個(gè)回歸方程（方程1、2、3）所得到的感官預(yù)測值與實(shí)際值比較，分別見圖1、2、3。

圖1 以特征成分為自變量的預(yù)測值與實(shí)際值的比較(部分)Fig.1. The comparison of predicted value and actual value which take characteristics as their independent variable (part)

圖2 以通徑系數(shù)選擇值為自變量的預(yù)測值與實(shí)際值的比較(部分)Fig.2. The comparison of predicted value and actual value which take selected path coefficent as their independent variable (part)

圖3 以顯著相關(guān)的成分為自變量的預(yù)測值與實(shí)際值的比較(部分)Fig.3. The comparison of predicted value and actual value which take significant Correlation as their independent variable (part)

結(jié)果表明，各回歸方程預(yù)測值與實(shí)際感官評分值之間有較好的擬合度，預(yù)測值能夠比較準(zhǔn)確地反映實(shí)際感官得分及不同紅葡萄酒感官質(zhì)量之間的差異。

此外，盡管各方程的預(yù)測效果都較好，但是整個(gè)回歸方程依然只是反映了原有數(shù)據(jù)集的大部分信息，而非全部信息。而且，三個(gè)方程之間也存在一定的差異。

2.3.2 統(tǒng)計(jì)檢驗(yàn)

方程1、2、3的自變量均通過了F檢驗(yàn)和t檢驗(yàn),并達(dá)到顯著水平。對于檢驗(yàn)，各方程的檢驗(yàn)結(jié)果如表1，從中可以看出方程1和方程3均達(dá)到了顯著水平。

表1 三個(gè)方程的R2檢驗(yàn)Table 1. The checkout of R2 about the three regression equations

2.3.3 方差分析

將方程1、2、3計(jì)算得到的預(yù)測值與實(shí)際評分值進(jìn)行方差分析，結(jié)果(表2)可以看出，在α＝0.05的顯著水平上，各組間均沒有顯著性差異，表明各方程的計(jì)算得分與實(shí)際得分無顯著差異，其吻合度較高，證明各方程均有一定的有效性。

表2 方程1、2、3預(yù)測值與實(shí)際感官評分值的方差分析Table 2. The analysis of variance between predicted value and actual value depending on the three regression equations

?

2.3.4 殘差直方圖及逐步回歸殘差正態(tài)概率P-P圖

圖4 不同回歸方程的殘差直方圖及殘差正態(tài)概率P-P圖Fig.4. The charts of residuals histogram and residuals normal distribution probability P-P depending on the three regression equations

為了進(jìn)一步分析各模型的正態(tài)性，即殘差是否服從正態(tài)分布，分別做出不同方程的標(biāo)準(zhǔn)殘差頻數(shù)直方圖及逐步回歸殘差正態(tài)概率P-P圖（見圖4）。可見，各模型殘差基本服從正態(tài)分布，其中方程1與方程3要明顯優(yōu)于方程2。經(jīng)過綜合比較，以特征成分為自變量的回歸模型（即回歸方程1）能較好地預(yù)測干紅葡萄酒的感官質(zhì)量。

3 討論

從干紅葡萄酒感官得分與各成分之間的回歸模型可以看出：在一定范圍內(nèi)，總酚、酒度、香草酸、咖啡酸、1-己醇、2-甲基-1丙醇、2-甲基-1-丁醇含量越高，干紅葡萄酒的質(zhì)量越好。對于大多數(shù)干紅葡萄酒，由于酒度在11-13%，要使感官質(zhì)量達(dá)到90分以上的優(yōu)質(zhì)酒水平，各指標(biāo)值應(yīng)為：總酚≧1000mg/L，檸檬酸≤1g/L，咖啡酸≧40mg/L，香草酸≧8mg/L，1-已醇≧2mg/L，2-甲基-1-丙醇≧80mg/L，2-甲基-1-丁醇≧50mg/L。

因此，在干紅葡萄酒的生產(chǎn)過程中，我們可以通過一定的工藝措施，將各個(gè)指標(biāo)控制在上述范圍內(nèi)，以獲得品質(zhì)優(yōu)良的干紅葡萄酒；另外，通過測定上述指標(biāo)，也可以對干紅葡萄酒的感官質(zhì)量進(jìn)行預(yù)測和評價(jià)。統(tǒng)計(jì)學(xué)方法是一種重要的分析方法，它有助于從數(shù)量上認(rèn)識現(xiàn)象之間的相互依存關(guān)系，并對其變化進(jìn)行預(yù)測。但由于葡萄酒成分的復(fù)雜性，在運(yùn)用統(tǒng)計(jì)學(xué)方法時(shí)，必須結(jié)合定性分析，并要充分考慮各指標(biāo)的生物學(xué)意義及使用范圍。