统计分析方法在食品质量评估中的应用

◎ 朴美憬，李宇欣，刘 佳

（中国人民大学，北京 100086）

食品涉及加工程序和组成成分，总体来说较为复杂，这决定了食品质量无法根据单一因素判断，而是要综合参考多种因素，加大了对食品质量进行准确评价的难度。食品质量评价要以特定标准作为参照，综合运用科学的质量分析方法，对食品的内外部特征进行详细分析，最终对食品质量进行评估。食品质量评价可分为主观和客观评价。其中，主观评价即评价主体通过观察、触摸、闻气味等方式对被测对象给出感官上的评价；客观评价即在仪器的作用下得出检测结果，然后通过分析归纳得出最终评价。为了做好民生保障工作，保护人民的生命健康安全不受伤害，我国于2015年新修订的《食品安全法》，对食品质量评价标准、监管方式以及问题处罚方式作出调整，以提升安全控制水平，增强食品安全[1]。

统计学出现于17 世纪中期，后逐渐快速发展起来。统计学属于社会科学，以统计学实践为基础，讨论的主要问题是通过何种方式对特定对象的总体数据进行收集、分析、归纳和总结，并以此帮助提高人们的认知，其运用范围广泛。统计分析需要以统计法以及分析对象作为体系的基石，基于定性、定量的联合影响开展分析。统计分析是基于实践的研究活动，包括分析对象的确定、分析计划的制定、数据收集和最后的数据分析，其以特定课题为中心。

1 统计分析法在食品质量评估方面的运用

1.1 主成分分析法

主成分分析法也被称为主成分回归分析法和主分量分析法，该方法具有稳定性，常用于评估、分析面粉食品、发酵食品等加工类食品的质量。主成分分析法的运用范围很广，除了上述领域外，其他资源也可以以主成分得分的不同为依据完成评估任务。随着科学技术的进步，主成分分析法也得到改进，在品质评价领域被经常用到。周妍等借助主成分分析法完成了对面条品质的评价，他们通过对面条的质量、口感、色泽等多个指标进行主成分分析，得到了能够全面评价面条品质的主成分指标，为面条生产企业提供了科学的品质评价方法；马龙和黄毅利用主成分分析法完成了对稻米品质、酱牛肉质构特性以及酱油质量的评价。

此外，主成分分析法也常被用来降低数据集的维度，保持数据集中对彼此方差贡献最大的特征。现阶段，它已被广泛应用于发酵食品、面粉食品等加工型特色食品的质量评估和筛选研究领域。主成分分析法是一种常用的多元统计分析方法，其可以将多个变量转化为少数几个主成分，从而简化数据分析。例如，傅丁等学者将主成分分析法运用大米评价上。他们通过对大米的外观、口感、储存稳定性等多个指标进行主成分分析，得到了能够全面评价大米品质的主成分指标，为大米生产企业提供了科学的品质评价方法。此外，还有相关研究选取了10 种市售面筋粉作为试验材料，对面筋粉的质量进行评价，并应用主成分分析方法对数据进行处理，建立了客观、全面、便捷的质量评价体系。主成分分析和感官评价的结果符合预期[2]，标志着主成分分析法可以防止人为授予权重的较大影响，科学客观地明确各指标的权重，为多物种、多指标的多元评估提供可行的客观途径[3]。

1.2 灰色关联度分析法

GSCM 分析法的全称是灰色关联度分析法，属于定量评价和综合描述目标性状方法，参考系列和比较系列之间相关性分析可以以GSCM 分析法中的相关度为参照，其数值越大则表示品种越优秀。我们要留意一个特殊情况，即倘若参考和比较系列的单位不一样，则要完成无量纲化再进行相关分析。

等权相关度和加权相关度都属于关联度范畴，在相同条件下计算各性状，可以得出等权相关度，因为后者反映出的品种优劣的各性状指标重要性有差别，所以其结果要通过对不同性状赋予不同权重系数得出。刘录祥开展分析的基础思路，即结合形状相似进行确认，以供试单株各性状上限指标为依据，评估结果更能反映出果实品质多个性状的实际表现，构造出比较株系的“理想单株”。王振江等分析了灰色关联度对13 个桑葚品种(5 项核心指标的综合评价结果表明，2号、3 号、8 号、6 号、9 号）的品质和理想品种的各项数据最接近，其中，8 号的VC、总多酚、总酸、固酸比以及糖酸比的含量相对较高，分析其各项数据，得出8 号和理想品种、最佳品种的要求差距最小，12号的品质较差。

由此可知，对于新品种的选育和推广，可以选择灰色关联法。在对其进行评价时，倘若部分指标存在相似性，可以选择灰色关联法分析进而得到最终结果。在此种方法的作用下，得到的各品种优劣结果更为真实、准确，这样可以避免使用回归、方差分析以及统计方法只以部分要素为参照的缺陷，让参照数据更加全面，得到的评价结果也更有参考价值、可信度更高[4]。

1.3 聚类分析法

CA 分析法的全称是聚类分析法，其以研究对象或指标的众多特性为依据，将研究对象按照属性进行分类，分为相对同质群体。其聚集依据参考的是样品品质质量特征的相似程度，相似度较高的样品先被聚集在一起，然后再以类型的综合性质为依据，将多个品种聚集起来，得到最终结果。

单因素分析无法对实际操作中多个样本对象进行全面描述，其分类要综合考虑各种因素，聚类分析的出现，完美弥补了上述缺陷。张海英等人以简化改进桃子的质量评价为目的，先借助聚类分析用5 个重要指标替换桃子的10 个质量指标，简化质量指标，最后再对其进行质量评价。其结果显示，聚类分析可对数据以及数据源的相似开展表述，结合特征标准开展聚类。比较聚类结果和其他研究者的研究结果，两者之间存在的差距很小。通过上述分析可知，聚类分析法既可以对庞大的数据进行处理，又可以对不同品种之间的相似程度进行评估，能够有效推动品种谱系研究的发展[5]。

1.4 层次分析法

AHP 分析法的全称为层次分析法，其是通过对定量和定性进行对比来达到分析目的。萨蒂在20 世纪70年代设计了综合评价法。层次分析法对不同评价指标权重的计算是通过测量不同评价因素对评价指标影响的重要性实现的。AHP 在国内外都被广泛使用，对质量评价研究有推动作用。

李年琴等人基于对企业社会责任内涵的分析，站在食品供应链角度设置了科学有效的评价指标，在食品核心企业社会责任管理体系中加入供应链责任，在层次分析法的帮助下对此问题进行了全面而深入的分析。为了确保分析结果的准确性和权威性，他们还邀请了相关专家学者来评价指标的重要性，最后对打分进行统计分析，求得算术平均值，得到9 个判断矩阵。因此，借助层次分析法赋予不同的权重，可以让食品制造经营企业重视食品安全和质量，明确重点内容，提高其社会责任意识，构建安全、绿色、高效的食品供应链体系，帮助企业又好又快的发展。根据万捷等人的分析结果，冷链加工工程、食品安全以及冷链加工过程工作是食品冷链加工过程质量管理内容的3 个重要组成部分，相关企业要以此为参照，科学控制食品冷链的生产加工过程，提高冷链生产加工质量，保障消费者的食品安全。基于TFN-AHP 方法的指引，万捷等人系统探讨了质量绩效，构建了相应的评价模型，通过分析评价结果，发现其和实际情况具有较高一致性，因此得到不少管理者的认可和支持。由此可知，评价指标体系是科学有效的，且可以提高加工过程的管理质量。

层次分析法通过对复杂的多目标问题进行层次化、系统化处理，使之前的问题更加科学合理，可以有效减少人为干扰和主观判断带来的误差。由此可知，新的定性和定量分析法在食品行业的运用，能够有效推动我国食品行业的发展和进步。

1.5 模糊综合评价法

FCE 法的全称是模糊综合评价法，属于主观评价方法。模糊综合评价法的模型以定性分析、数理量化的多层次综合判断为基础，同时考虑定性指标和定量指标。

在实践中，相关工作人员常采用总分法对食品的感官评价进行分析评价，且会存在很多不可预料的情况，对评价的客观真实性产生影响。因为无法用准确的分数对食品感官评价进行描述，所以食品感官评价更适合使用模糊综合评价法。食品感官评定具体应用有银耳红枣猪肉香肠工艺研究、火棘果汁发酵工艺、优化杭胎菊复合饮、黄桃酒发酵工艺等。模糊综合评价法在食品安全方面也有所运用，例如，通过模糊综合评价法构建“福喜过期肉事件”的预警模型，为食品安全提供网络舆情决策支持。依靠因素分析和统计模型的研究，可以让结果更加客观与系统，避免主观因素的干扰，充分发挥最大从属关系原理和模糊线性变换原理作用，并对相关因素进行综合分析，最终完成对被评价对象的综合评价。

1.6 因子分析法

因子分析法具有简单方便的指标体系和变量，评价指标之间又相互独立，可以消除因评价指标里重复信息导致评价重复性的效果。

因子分析法是一种常用的数据分析方法，其优点主要包括以下几个方面：简化数据结构，可以将大量的变量简化为少数几个因子，从而减少数据的复杂性，使数据结构更加清晰和易于理解；揭示变量之间的关系，可以揭示变量之间的潜在关系，从而更好地理解变量之间的相互作用和影响，为进一步研究提供基础；提高数据分析效率，减少数据的维度，从而提高数据分析的效率，节省时间和成本；降低误差，通过消除变量之间的共线性，降低数据分析中的误差，提高数据分析的准确性和可靠性；可以将大量的变量简化为少数几个因子，从而更容易解释数据分析的结果，使结果更加直观和易于理解。因此，因子分析法在数据分析中具有广泛的应用价值，可以帮助研究者更好地理解数据，揭示变量之间的关系，提高数据分析的效率和准确性。

2 结语

统计分析法的出现和运用对食品质量评估有积极作用，其通过提高评估结果的科学性和真实性，为智能感官分析等先进技术在食品方面的运用和发展创造良好条件。其中，主成分分析法适用于产品品质受多个因素影响且无法对其进行合理解释的情况；因子分析法适用于诸如农作物抗原性鉴定、烟草的资源优选等情境，即多个变量同时对一个变量产生影响时；聚类分析法适用于以烟草的加工方式、啤酒的酒精成分等为依据进行的分类，即以数据的特征为参照，对样品进行同质分类的情形。本文对多种统计分析法以及其应用范例进行深入分析，希望能推动食品品质评价中应用的发展。