列检验验证他们是否满足一定的关系。即证明上述的多元回归方程的准确性。
通过上述检验，我们可以认为酿酒葡萄和葡萄酒的理化指标对葡萄酒质量的影响满足改多元方程，即
y?67.864-3.296x1-0.302x2-0.128x3?0.625x4?0.143x5-4.172x6?0.101x7
-0.031x8?0.149x9
所以各指标对质量的影响程度就可以通过该方程式反应出来。 4.4.4论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量
要论证能否用葡萄和葡萄酒的理化指标来评价葡萄酒的质量，即可以用指标影响程度方程做出的预估计葡萄酒质量的排名和真实品酒员品评出来的葡萄酒的排名相比较，要是在一定的误差范围内可以接受，则可以用葡萄和葡萄酒的理化指标来评价葡萄酒的质量，反之，则不可以。 名次 1
白葡萄酒的检验排名 估计排名 估计质量 实际排名 实际质量 酒样品16 80.51172 酒样品9 81.43086 21
2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
酒样品7 酒样品27 酒样品24 酒样品18 酒样品13 酒样品12 酒样品15 酒样品10 酒样品3 酒样品4 酒样品19 酒样品1 酒样品2 酒样品25 酒样品26 酒样品22 酒样品17 酒样品20 酒样品6 酒样品28 酒样品11 酒样品5 酒样品8 酒样品23 酒样品21 酒样品9 酒样品14 73.50289 71.59076 70.93877 69.7457 68.03441 67.45737 65.07884 64.43649 63.09089 62.49077 61.99874 61.46495 61.1271 60.90798 59.72695 59.67705 59.47715 59.43173 58.33684 57.42696 56.07975 55.62961 55.61421 55.58604 54.64679 40.03959 35.2816 酒样品25 酒样品5 酒样品21 酒样品10 酒样品28 酒样品15 酒样品17 酒样品22 酒样品1 酒样品23 酒样品19 酒样品4 酒样品3 酒样品14 酒样品18 酒样品6 酒样品27 酒样品26 酒样品24 酒样品20 酒样品2 酒样品7 酒样品13 酒样品12 酒样品11 酒样品8 酒样品16 80.53199 80.47476 80.0025 79.8 79.6 79.13515 79.05975 78.66788 77.9 77.4 76.91034 76.9 76.79369 76.70153 76.7 76.45336 76.40372 76.32879 76.1 75.89258 75.8 74.2 73.9 73.5834 72.33714 72.3 67.3 显然，二者差别很大。所以虽然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，但是并不是一味的正相关或者负相关。正如酒精的含量，在一定的程度上酒精越多，葡萄酒的质量越高，但是达到一定程度，随着酒精含量的增加，花色苷，单宁，酚的含量会明显减少，影响了酒的色，香，味，使得评酒员对酒的外观分析，香气分析均产生了一定的影响，于是葡萄酒和酿酒葡萄检测的理化指标与品酒员的品评会产生误差，所以不能用葡萄和葡萄酒的理化指标来评价葡萄酒的质量。
五、模型评价
5.1聚类分析模型：
优点：
22
1、聚类分析是先将最相似的两个变量聚为一小类，再去与最相似的变量或小类合并，每类的变量相似但类与类之间差异性很大，这样能清晰描述数据，合理分类。 2、聚类分析运用范围极广，涉及很多领域，方便简洁，用在此处对酿酒葡萄的分级恰当简便。
缺点：
聚类分析是以完备的数据文件为基础的，一般要求各个观测变量的量纲一致，在本题的聚类分析中数据多，而且各指标的单位、数量级均不一样，且差别很大，需要进行繁杂的量纲一致处理。 5.2典型相关性分析模型：
此模型借用主成分分析降维的思想，分别对两组理化指标提取主成分，使得两组变量提取的主成分之间的相关程度达到最大，思路清晰直观，运用SAS软件，简化了繁琐的计算过程。
模型仍然存在一些缺点。在主成分提取的过程中，一些酿酒葡萄的理化指标如出汁率(%)、百粒质量/g等被弱化了，本文并未对这些指标的影响作出科学的判断，存在一定的分析误差。葡萄酒酿是一个复杂的化学物理过程，指标之间必然存在着各种联系，本文对葡萄与葡萄酒的理化指标的分析具有较高的参考意义，但仍远远不够。需要对模型补充改进，来进一步分析理化指标之间的相互联系。 5.3多元线性回归模型：
模型构建出了自变量对因变量的影响程度，其系数可以近似地代表各因素的影响程度，直观，清晰的看出各因素的重要性及影响程度。
与此同时，模型仍有以下几点不足： 1.自变量对因变量必须有显著的影响，并呈密切的线性相关，否则将会被自动剔除，影响小的因素不能够表示出来。
2.弱化了芳香物质对葡萄酒的感官评价，模型的质量评定存在缺陷。建立更完善的葡萄酒质量评价体系，需要综合、全面考虑理化指标、感官指标对质量评定的影响。
六、参考文献
[1] 李金昌，苏为华，《统计学》，北京：机械工业出版社，2009年
[2] 李华，刘曙东，王华，张予林,葡萄酒感官评价结果的统计分析方法研究，中国食品学报，第6卷第2期：126~131页，2006年
[3] 毛本清，用SPSS做聚类分析，http://www.docin.com/p-125322225.html，访问时间（2012年9月9号）
[4] 何晓群，《多元统计分析》（第三版），北京：中国人名大学出版社，2004年 [5] 陈颖秋,黄永俊等 红葡萄酒花色苷的研究 云南农业 , Yunnan Agriculture,, 2011年09期
23
[6] 桂祖发，葡萄酒品质与单宁，食品工业 , The Food Industry, 2000年04期 [7] 刘文，葡萄白藜芦醇研究现状 《烟台果树》 2012年第01期
[8] 甄会英王颉，李长文，张伟，袁丽，巨峰葡萄酒酿造过程中高级醇生成的研究 《酿酒科技》 2005年10期
七、附录
附录1：
第一组品酒员对红、白葡萄酒酒样的评价总分及平均分
红葡萄酒 酒样1 酒样2 酒样3 酒样4 酒样5 酒样6 酒样7 酒样8 酒样9 酒样10
品酒品酒品酒品酒品酒品酒品酒品酒品酒品酒平均员1 员2 员3 员4 员5 员6 员7 员8 员9 员10 分 51 71 80 52 74 72 63 64 77 67 66 81 85 64 74 69 70 76 78 82 49 86 89 65 72 71 76 65 76 83 54 74 76 66 62 61 64 65 82 68 77 91 69 58 84 82 59 76 85 75 61 80 89 82 63 69 84 72 90 73 72 83 73 76 68 69 72 69 76 75 61 79 83 63 84 64 59 85 92 68 74 85 84 83 81 81 84 75 80 76 62 73 76 77 71 84 84 76 79 75 62.7 80.3 80.4 68.6 73.3 72.2 71.5 72.3 81.5 74.2 24
酒样11 酒样12 酒样13 酒样14 酒样15 酒样16 酒样17 酒样18 酒样19 酒样20 酒样21 酒样22 酒样23 酒样24 酒样25 酒样26 酒样27 73 54 69 70 69 72 70 63 76 78 73 73 83 70 60 73 70 60 42 84 77 50 80 79 65 84 84 90 83 85 85 78 80 77 72 40 79 70 50 80 91 49 84 76 96 72 86 90 81 71 63 63 55 59 70 58 71 68 55 66 68 71 68 80 68 62 61 64 63 53 73 80 51 69 97 52 68 82 69 93 95 90 70 78 80 71 60 77 59 50 71 82 57 87 79 60 72 93 84 67 71 76 70 47 77 76 56 80 69 62 80 76 79 75 81 70 64 72 73 66 61 76 76 60 74 80 58 78 76 73 77 91 75 62 76 67 90 58 75 76 67 78 81 70 82 86 86 79 84 78 81 79 85 73 69 77 76 76 74 76 68 81 81 74 80 78 70 67 77 75 70.1 53.9 74.6 73 58.7 74.9 79.3 59.9 78.6 78.6 77.1 77.2 85.6 78 69.2 73.8 73 白葡萄酒 酒样1 酒样2
品酒品酒品酒品酒品酒品酒品酒品酒品酒品酒平均员1 员2 员3 员4 员5 员6 员7 员8 员9 员10 分 85 78 80 47 88 86 61 54 76 79 93 91 25
83 85 80 68 95 73 79 81 82 74.2