SPSS 软件在食品工艺研究中的应用

SPSS 软件在食品工艺研究中的应用【摘要】SPSS for windows 是功能强大的统计分析软件，它能对工艺研究中的正交试验设计进行全面、准确的统计分析，帮助试验得出最佳优化条件。

本文通过SPSS 软件针对有关食品工艺研究文献中的正交试验数据进行全面的统计分析，得到与文献中几乎完全一致的最佳工艺条件。

【关键词】SPSS ；正交设计；数据处理引言随着计算机应用的不断发展，对利用计算机进行数据分析和统计运算已成为人们科研工作的重要手段。

SPSS(Statistical Package forthe Social Science)——社会科学用软件包是世界上著名的统计分析软件之一，它集数据整理、分析功能为一身，用户可以根据实际需要选择合适的功能模块，而且大多数操作是通过“菜单”、“快捷图标”、“对话框”来完成，易于使用[1]。

SPSS 的基本功能包括数据管理、统计分析、图标分析、输出管理等等。

SPSS 统计分析过程包括描述性统计、均数比较、一般线性模型、相关分析、多元回归分析、对数线性模型、聚类分析、数据简化、生存分析、时间序列分析、多重响应等几大类，每类中又分好几个统计过程，而且每个过程中又允许用户选择不同的方法及参数[2]。

SPSS 软件对正交实验的数据处理，只需输入参数和结果，便可得到统计分析表等，避免了大量的烦琐计算，并可根据数理统计知识，对结果分析得出更可靠的结论[3]。

利用SPSS Conjoint 的正交设计功能进行试验，操作方便、快捷，可根据预设好的水平因素表直接生成相应的正交表，再用一般线性模型的Univariate 过程进行数据分析，结果可根据需要输出因素变量表、方差分析表、单因素统计量表等[4]。

本文通过SPSS 软件对食品工艺研究中的正交试验数据进行处理和分析，并与引用文献中的最终优化结论进行比较，在两个实例中具体演示操作过程。

例 1多元回归分析在食品科学研究中，影响因变量y的自变量往往是多个。

如影响食品产品质量的因素包括加工温度、灭菌压力、灭菌时间和pH 值等。

因而有必要进一步讨论1个因变量与多个自变量间的回归以及相关问题。

多元回归分析的基本任务是根据各自变量与因变量的实际观察值建立因变量与各自变量之间的回归方程，以揭示因变量与各自变量之间的具体联系形式，其目的在于用所建立的回归方程进行预测和控制。

多元回归分析计算复杂，用SPSS软件可以将其计算过程“傻瓜化”。

如在某品牌桃肉果汁加工过程中非酶褐变原因的研究中，测定了该饮料中的无色花青苷（x1）、花青苷（x2）、美拉德反应（x3）、抗坏血酸含量（x4）和非酶褐变色度值（y），结果如表3 所示，现对y 和x1、x2、x3和x4之间的关系进行回归分析。

1.1操作步骤Step1：将表3数据输入SPSS数据编辑窗口后，依次选中“Analyze→Regression→Linear”，如图4所示，即可打开【Linear Regression】对话框，如图5所示。

Step2：将左边“y”选入右边“dependent”（依变量）内，“x1”、“x2”、“x3”、“x4”选入右边“Independent”（因变量）内，在“Method”中选中“Stepwise（逐步回归法）”（此处也可选中Enter，Forward和Backward等回归方法，但计算结果不同），如图5 所示。

Step3：按【statistic⋯】按钮后如图6所示，勾选“Estimates”（估计值）、“Confidence intervals（置信区间）”、“Model fit”（回归模式适合度检验）、“Rsquared change（相关系数的平方）”并且勾选残差下的“Durbin-Watson”，然后按【Continue】按钮回到【Linear Regression】对话框，按【OK】结束。

2.2输出结果及分析表4是模型综述表。

表中列出了每一步的相关系数（R）、相关系数的平方（R Square）、调整的相关系数的平方（Adjusted R Square）、估计的标准误差（Std．Error of the Estimate）、变化统计量（Change Statistics），包括相关系数的平方（R square Change）、F 值（FChange）、第一自由度（df1）、第二自由度（df2）和F值的显著性概率（Sig．F Change）等。

表下的脚注显示了每一步用做预测的项目（包括自变量和常数项）。

表5为系数分析表。

表中列出了每一步常数项和各个自变量对应的非标准化系数（UnstandardizedCoefficients），包括常数项和变量系数的取值（B）及其标准误差（Std Error）、标准化系数（StandardizedCoefficients）（Beta值）、t值和显著性水平（Sig．）以及自变量待定系数取值与常数项的95％置信区间（95％Confidence Interval for B）。

综合以上信息可得，用逐步回归方法求得的多元回归方程式为：y＝－79.641x1＋207.215x2＋1.491x4＋5.484模型的相关系数为0.939例 2以鹅腿、鹅翅、鹅胸、鹅脖、鹅头、鹅心、鹅胗等为原料，研究了酱香鹅的加工工艺通过正交实验考察了木瓜蛋白酶浓度、氯化钙浓度和复合磷酸盐浓度三个嫩化配方指标对酱香鹅感官评分的影响。

每个指标有三个水平。

2．1排出因素与水平具体的因素水平见表1。

表 1 因素水平表2．2 用SPSS生成相应的正交表根据以上因素水平表，利用SPSS 直接生成相应的正交表，操作如下：(1)启动SPSS16.0 for windows 软件，依次选择菜单“Data”→“OrthogonalDesign”→“Generate”。

Tab.1 Factor and Level Design(2)在弹出的“GenerateOrthogonal Design”子窗口中的“Factor Name”框中依次输入A、B、C四个因素，并点击“Add”按钮加入。

(3)依次选中变量A、B、C 并点击“Define Value”按钮进行变量定义，在弹出的“Generate Design:Define Value”子窗口中“Value”列的前三行依次输入“1”、“2”、“3”三个水平，点击“Continue”按钮继续，直到A、B、C 三个因素的水平全部定义完毕为止。

(4)点选“Replace Working Data File”单选框，点击“OK”按钮即可生成正交表，“A”、“B”、“C”三列分别代表三个因素；“Status”列就是待考察的评价指标；“card”列就是实验序列号，见表2。

表 2 试验正交表Tab.2 Orthogonal table2．3 完成数据的输入文献的正交试验结果，见表3。

表 3 正交实验结果根据以上的结果，将感官评分的数据对应地填入“Status”列的单元格中。

2．4正交试验结果的处理与分析用SPSS提供的一般线性模型的Univariate 过程，对实验数据进行方差分析。

具体操作如下：(1)依次选择菜单“Analyze”→“General Liner Model”→“Univariate” (2)在弹出的“Univariate”在窗口中的“Dependent List”框选择“status”，在“Fixed Factor”框选择“A”、“B”、“C”。

(3) 点击“ Model ”按钮，在弹出的“Univariate:Model”子窗口中点选“custom”，并依次将“A”、“B”、“C”加入，点击“continue”Tab.3 The results of orthogonal experiment 按钮结束。

(4)可根据需要在“Univariate”子窗口中点击“ options ”按钮进入“Univariate:options”子窗口，并依次将“A”、“B”、“C”加入“Display Means for”框中，点击“continue”按钮退出。

最后点击“OK”按钮输出结果。

见表4、表5 和表6。

表4 因素变量表Tab.4 Between-Subjects Factors表5 方差分析表Tab.5 Tests of Between-Subjects Effectsa.R Squared = .995 (Adjusted R Squared = .978) 表6 单因素统计量表Tab.6 Estimated Marginal Means1.Papain2.Calcium chloride3.Phosphate compound2．5关于输出结果的说明通过以上操作SPSS可以输出3个表，即因素变量表，方差分析表和单因素统计量表。

因素变量表给出了3个因素变量名，各因素的水平及观测量个数。

方差分析表给出了方差来源(source)、离差平方和(type III sum ofsquares)、自由度(df)、均方(mean square)、F值及显著值(sig)。

由方差分析表可知“Corrected Model”的显著值为0.016<0.05，说明本次的实验设计是有意义的。

而因素A的显著值为0.007<0.01；因素B的显著值为0.036<0.05；因素C的显著值为0.112>0.05，所以只有因素C不显著，因素A、因素B都有显著意义，且影响次序为：A>B>C。

由单因素统计量表可知，因素A选水平3，因素B选水平2，因素C由于不显著，原则上可以任取，但文献选择了水平3(从因素C的统计量表可见水平3最高)，另外单因素统计量表也给出了各因素对应水平的95%可信限的范围。

所以通过以上的设计与处理得出嫩化的最佳配方是A3B2C3，即木瓜蛋白酶的浓度0.04%，氯化钙的浓度3%，复合磷酸盐的浓度0.4%。

这与文献[5]的结果完全一致，但通过上述方法可轻松地创建所需的正交表，数据处理方便、快捷，结果准确、易懂。

例 3鱼腥草的护色保脆技术及其方便食品的加工工艺根据单因素实验，选取硬化剂浓度、硬化时间、杀菌温度、杀菌时间四个因素，采用L9(34)的正交设计，研究了四个因素对鱼腥草产品综合品质的影响。

3．1 排出因素与水平具体的因素水平见表7。

表7 因素与水平设计Tab.7 Fact and Level Design3．2 用SPSS生成相应的正交表，见表8。

根据文献完成数据STATUS的输入并用SPSS进行数据处理，见表9、表10和表11。

表8 正交实验结果Tab.8 The results of orthogonal experimen表9 因素变量表Tab.9 Between-Subjects Factors表10 方差分析表Tab.10 Tests of Between-Subjects Effectsa. R Squared = 1.000 (Adjusted R Squared = .)表11 单因素统计量表Tab.11 Estimated Marginal Means1.Calcium chloride concentration2.Hardening time3.Sterilization temperature4.Sterilization time3．3输出结果的分析由方差分析表的“MeanSquare”可知，对鱼腥草的综合品质影响的因素的优先次序是：C>A>B>D。