濃香型白酒酒質(zhì)與其微量成分的關(guān)系

陳引蘭，尹　婷，陳　琴

(湖北師范學院 數(shù)學與統(tǒng)計學院，湖北 黃石　435002)

濃香型白酒酒質(zhì)與其微量成分的關(guān)系

陳引蘭，尹婷，陳琴

(湖北師范學院 數(shù)學與統(tǒng)計學院，湖北 黃石435002)

摘要：選取32種濃香型白酒作為樣本，對其微量成分進行分析，運用SAS統(tǒng)計軟件建立了濃香型白酒酒質(zhì)與其微量成分的Logistic回歸模型，并對模型進行統(tǒng)計分析，充分說明各微量成分對濃香型白酒酒質(zhì)所產(chǎn)生的具體影響。

關(guān)鍵詞：濃香型白酒;微量成分;SAS軟件;Logistic回歸模型

中圖分類號：O212.4

文獻標識碼：A

文章編號：1009-2714(2015)04- 0013- 03

doi:10.3969/j.issn.1009-2714.2015.04.003

收稿日期：2015—09—15

基金項目：2012年度第二批國家級大學生創(chuàng)新創(chuàng)業(yè)訓練計劃項目(201210513012).

作者簡介：陳引蘭(1974—)，女，副教授，碩士，研究方向為代數(shù)學.

0引言

白酒作為現(xiàn)階段社會交往中用量最大的酒種，其酒質(zhì)和香型越來越受到人們的關(guān)注。而白酒的主要成分是乙醇和水，它們約占總量的98%以上，有的甚至達到99.9%(如伏特加)，其余含量不到2%的微量成分，通常有醇類、有機酸類、酯類、酚類及其它族化合物等。白酒中的這些微量成分含量雖然極少，但是必不可少的，對白酒品質(zhì)有著極大的影響，決定了不同白酒的不同呈香呈味特征，從而有不同的香型風格的白酒。按照香型劃分，常見的有：清香型、醬香型、濃香型、芝麻香型、米香型等等。

白酒中的微量成分極其復雜[1]，與白酒酒質(zhì)有重要關(guān)聯(lián)。目前，有許多研究人員對此做過定性分析[2~8],可歸納為：清香型、醬香型、濃香型、芝麻香型分別以乙酸乙酯、乳酸乙酯、己酸乙酯、3-甲硫基丙醇為其主要的特征成分，而米香型白酒以R-苯乙醇、乳酸乙酯和乙酸乙酯為其特征成分。而對白酒的微量成分做定量的數(shù)學研究卻不多，且局限于微量成分的量比關(guān)系[8-11]，并沒有給出白酒特征成分與酒質(zhì)的具體數(shù)量關(guān)系，研究微量成分對白酒酒質(zhì)影響的定量數(shù)學模型的更是空缺。本文正是源于此因，選取32種濃香型白酒作為樣本，運用SAS統(tǒng)計軟件建立了濃香型白酒酒質(zhì)與其微量成分的Logistic回歸模型，并對模型進行統(tǒng)計分析，充分說明各微量成分對濃香型白酒酒質(zhì)所產(chǎn)生的具體影響。

1Logistic回歸模型建立與分析

兩分類反應變量的Logistic回歸模型應用非常廣泛。例如，保險公司要確定哪些客戶是風險客戶。為此，我們可以選取若干自變量(也叫解釋變量)，來描述這些顧客的風險程度，然后決定這些自變量與風險度y因變量(也叫響應變量)是否有關(guān)。當選擇響應變量為二值隨即變量時，如果客戶出險率高，則y=1；如果客戶不出險，則y=0.一般的，當響應變量y為二值變量時，y的分布可歸結(jié)為一個值π=Ρr(y=1)，我們將π與自變量x(可以是多個)的一個線性組合聯(lián)系起來。π(x)在[0，1] 之間變化，而解釋變量的線性組合可以取值于 (-∞，+∞)間任何值。由于概率π(x)∈[0,1]，則

也可以用 π( xα)表示:

其中 βi(i=0,1,2,…,m)為未知參數(shù)，可以從觀測數(shù)據(jù)用極大似然估計方法給出，稱為斜率參數(shù)。

濃香型白酒的主要香味成分有乙酸乙酯、丁酸乙酯、己酸乙酯和乳酸乙酯，而主體香味成分是己酸乙酯(見文[4])。而己酸乙酯較高的相對百分含量決定了這類香型白酒的主要風味特征。我們選取32種濃香型白酒樣本，運用SAS統(tǒng)計軟件建立了其Logistic回歸模型。設(shè)解釋變量x1,x2,x3,x4分別為濃香型白酒中的微量成分乙酸乙酯、丁酸乙酯、己酸乙酯和乳酸乙酯，響應變量y取二值隨機變量，為白酒的品質(zhì)等級，y=0 時，為次等；y=1 時，為優(yōu)等。樣本的微量成分數(shù)據(jù)來源于文獻[2,4-6,8,10]，而樣本品質(zhì)等級的確定源于中國第五屆白酒評比結(jié)果。

運用SAS統(tǒng)計軟件對32個樣本數(shù)據(jù)按照以上的變量數(shù)據(jù)建立Logistic回歸模型，程序如下：

Title "濃香型白酒品質(zhì)的評價"

data model1;

i model1;

input x1-x4 y;

cards;

1181.5 211.1 872.7 642.5 0

……

788.1 232.4 1753.3 839.2 1

;

proc logistic;

model y=x1-x4/selection=stepwise;

run;

基本輸出結(jié)果：

AnalysisofMaximumLikelihoodEstimatesStandardParameterDFEstimateErrorChi-SquarePr>ChiSqIntercept17.09502.53347.84300.0051x31-0.003810.001358.01710.0046

對模型的輸出結(jié)果作如下分析：

1)用向后逐步回歸法得到回歸模型如下：

(1)

輸出結(jié)果中只剩變量x3，表示微量成分己酸乙酯為濃香型白酒的主要香味成分，其 p值為0.0046，小于顯著性水平0.05，表示能通過檢驗，所以有充分理由拒絕變量x3的回歸系數(shù)為0的原假設(shè)，且自變量 x3的回歸系數(shù)顯著，其余3個變量的回歸系數(shù)為0，所以濃香型白酒酒質(zhì)與己酸乙酯有顯著關(guān)系，而與乙酸乙酯、丁酸乙酯和乳酸乙酯無顯著關(guān)系。

2)由于x3的系數(shù)-0.00381<0，所以當白酒中己酸乙酯的含量增加時，濃香型白酒的酒質(zhì)會更好。綜合可知：濃香型白酒以酯類香氣為，其酒質(zhì)與己酸乙酯有顯著關(guān)系，與乙酸乙酯、丁酸乙酯和乳酸乙酯無顯著關(guān)系；且己酸乙酯的含量增加酒質(zhì)更好。

參考文獻：

[1]謝秀敏.白酒的微量成分基本組成、復雜程度及在酒中的地位和作用[J]. 釀酒科技，2001，(5)：91~92．

[2]郭文杰，盧建春．古井貢酒特征香味成分的研究[J]．釀酒科技，2001，(5)：83~85．

[3]徐成勇，郭波，周蓮，等．白酒香味成分研究進展[J]．釀酒科技，2002，(3)：38~40．

[4]周成?。樗嵋阴ピ诘投葷庀阈桶拙浦械闹匾饔肹J]．釀酒科技，2004，126(6)：50~52．

[5]吳天祥，劉春朝．貴州 12 種代表性白酒特征性香氣成分的研究[J]．釀酒科技，2005，(9)：31~35．

[6]盧中明，張宿義，吳衛(wèi)宇．氣相色譜內(nèi)標法測定濃香型白酒己酸乙酯含量的不確定度評定[J]．釀酒，2009，36(5)：53~55．

[7]孫潔，孫麗臻，李好轉(zhuǎn).芝麻香型白酒特征組分氣相色譜分析方法探討[J]. 釀酒科技,2011,( 2),63~64.

[8]吳三多.五大香型白酒的相互關(guān)系與微量成分淺析[J]. 釀酒科技,2001,4：82~85.

[9]王元太. 清香型白酒的主要微量成分及其量比關(guān)系對感官質(zhì)量的影響[J]. 釀酒科技,2004,3：27~29.

[10]宋波. 白酒中各種成分對酒質(zhì)的影響[J]. 釀酒科技,2011,12：65~67.

[11]范金城，梅長林. 數(shù)據(jù)分析[M]. 北京：科學出版社,2002.

The relations of the quality of

luzhou-flavor liquor with their trace components

CHEN Yin-lan, YIN Ting, CHEN Qin

(College of Mathematics and Statistics, Hubei Normal University,Huangshi435002,China)

Abstract:In this paper, 32 kinds of Luzhou-flavor liquor were selected as samples, the impaction of trace ingredients on the quality of liquor is analyzed . The Logistic regression model of luzhou-flavor liquor with aroma components is established by using SAS statistical software. The statistical analysis of the model shows how the aroma components of luzhou-flavor liquor affects.

Key words:Luzhou-flavor liquor; trace components;SAS software;logistic regression model