閆鐵軍，陳思蒙，周紅審，許自成，龐 哲，劉文鋒，潘婷婷，邵惠芳

（1.湖北中煙工業(yè)有限責(zé)任公司，武漢 430040；2.河南農(nóng)業(yè)大學(xué)煙草學(xué)院，鄭州 450002）

卷煙感官質(zhì)量評(píng)價(jià)是煙草工業(yè)產(chǎn)品質(zhì)量控制的依據(jù)和基礎(chǔ)，卷煙感官舒適性是其中重要的評(píng)價(jià)內(nèi)容［1］。研究發(fā)現(xiàn)，消費(fèi)者在抽吸卷煙時(shí)，對(duì)產(chǎn)品感官舒適度的關(guān)注程度普遍較高，因此，維持并提高卷煙感官的舒適性是目前行業(yè)內(nèi)面臨的重要研究課題［2］。

卷煙感官舒適性具體體現(xiàn)在刺激性、干燥感和生津感3 個(gè)方面，其在很大程度上取決于煙葉的內(nèi)在化學(xué)成分是否協(xié)調(diào)，以及致香物質(zhì)是否代謝、積累完全［3］。化學(xué)成分與感官質(zhì)量之間存在著復(fù)雜的線性及非線性關(guān)系，學(xué)者們對(duì)其做了大量研究［4］，常見的方法有典型相關(guān)性分析［5］、聚類分析［6］等，其他方法，如主成分分析［7］可以對(duì)多個(gè)指標(biāo)進(jìn)行降維處理，得到數(shù)量較少、相關(guān)性較低的新變量，且新變量能夠有效解釋原始變量的信息；偏最小二乘回歸分析［8］可以有效解決試驗(yàn)樣本的數(shù)量限制和數(shù)據(jù)間具有共線性等問題；逐步回歸分析［9］可以通過逐個(gè)引進(jìn)變量，根據(jù)變量的顯著性及貢獻(xiàn)率對(duì)其進(jìn)行保留，建立擬合度最高的方程。朱保昆等［10］采用復(fù)相關(guān)系數(shù)方法分析并驗(yàn)證了烤煙主要內(nèi)在化學(xué)成分與感官舒適性間的相關(guān)程度。胡建軍等［11］基于廣義可加模型對(duì)化學(xué)成分與感官指標(biāo)間的非線性關(guān)系進(jìn)行了研究。張強(qiáng)等［12］運(yùn)用相似距離分析法對(duì)卷煙感官特征進(jìn)行分析，對(duì)擁有相似內(nèi)在品質(zhì)的不同卷煙間進(jìn)行了量化比較，消除其差異性。

截至目前，相關(guān)研究的分析指標(biāo)較少，并且分析方法多為單一分析方法，僅分析了化學(xué)成分與感官指標(biāo)間的相關(guān)性，少有預(yù)測(cè)模型［13］。當(dāng)遇到大量具有自相關(guān)性或多重共線性的樣本數(shù)據(jù)時(shí)，若建立預(yù)測(cè)模型時(shí)也會(huì)大大降低模型的有效性和穩(wěn)定性［14］。本試驗(yàn)根據(jù)本次樣品指標(biāo)的特性，并對(duì)比不同分析方法間的特點(diǎn)與優(yōu)點(diǎn)，選取主成分分析和逐步回歸分析相結(jié)合的方法，對(duì)復(fù)雜數(shù)據(jù)體系進(jìn)行有效降維，將相關(guān)性較高的變量轉(zhuǎn)換為相關(guān)性較低的主成分，再根據(jù)其顯著性和貢獻(xiàn)率逐一引入回歸方程中，由此建立最優(yōu)回歸方程［15］。結(jié)合測(cè)定指標(biāo)與主成分之間的逐步回歸分析模型，可以較為準(zhǔn)確地預(yù)測(cè)烤煙的感官舒適性，為進(jìn)一步提升卷煙產(chǎn)品感官舒適性提供技術(shù)支撐。

1 材料與方法

1.1 試驗(yàn)材料

試驗(yàn)樣品包含國(guó)內(nèi)云南、四川、貴州、湖北、重慶、湖南、福建、廣東、江西、河南、安徽、山東、陜西、黑龍江、遼寧、吉林、湖南等地區(qū)的不同等級(jí)煙葉，由湖北中煙工業(yè)有限責(zé)任公司提供。其中，上部葉包含B2F 等級(jí)的煙葉43 份，中部葉包含C3F 等級(jí)煙葉44 份、C3L 等級(jí)煙葉40 份、C4F 等級(jí)煙葉42 份、C4L 等級(jí)煙葉1 份，樣品數(shù)量共170 份。

1.2 測(cè)定指標(biāo)

1.2.1 化學(xué)成分指標(biāo) 選取煙草行業(yè)關(guān)注度較大的煙葉內(nèi)在化學(xué)成分指標(biāo)進(jìn)行測(cè)定，包括煙堿、還原糖、總糖、總氮、氯、鉀以及多酚類化合物綠原酸、莨菪亭、蕓香苷。煙堿參考YC/T 160—2002 方法測(cè)定，還原糖、總糖參考YC/T 251—2008 方法測(cè)定，總氮、氯、鉀分別參考YC/T 161—2002、YC/T 162—2002、YC/T 217—2007 方法測(cè)定，多酚類化合物參考YC/T 202—2006 方法測(cè)定。

1.2.2 感官舒適性評(píng)價(jià)指標(biāo) 煙葉感官質(zhì)量舒適性評(píng)價(jià)指標(biāo)包括香氣指標(biāo)透發(fā)、甜潤(rùn)、清晰，煙氣指標(biāo)流暢、圓潤(rùn)、醇和，口感指標(biāo)干凈、清爽、濕潤(rùn)，由評(píng)吸專家根據(jù)評(píng)分標(biāo)準(zhǔn)（表1）進(jìn)行評(píng)吸打分，根據(jù)評(píng)分權(quán)重（表2）以及式（1）計(jì)算單項(xiàng)平均得分，結(jié)果精確至0.1。

式中，∑Xi為某單項(xiàng)得分加和；N 為參加評(píng)吸人數(shù)；Ki為某單項(xiàng)權(quán)重；Xi為某單項(xiàng)平均得分。

表1 煙葉感官質(zhì)量舒適性評(píng)價(jià)各項(xiàng)指標(biāo)評(píng)分標(biāo)準(zhǔn)

表2 煙葉感官質(zhì)量舒適性評(píng)價(jià)各項(xiàng)指標(biāo)評(píng)分權(quán)重

1.3 感官舒適性預(yù)測(cè)模型的構(gòu)建

樣本數(shù)據(jù)以8∶2 建立訓(xùn)練集與測(cè)試集，運(yùn)用隨機(jī)取樣法選取136 個(gè)數(shù)據(jù)用于建立感官舒適性預(yù)測(cè)模型，其余34 個(gè)數(shù)據(jù)用于驗(yàn)證該模型。

1.3.1 簡(jiǎn)單相關(guān)性分析 簡(jiǎn)單相關(guān)性分析采用Pearson 相關(guān)分析對(duì)全部170 個(gè)樣本進(jìn)行分析。Pearson 相關(guān)分析是一種運(yùn)用相關(guān)系數(shù)對(duì)變量間進(jìn)行線性關(guān)系分析的方法，通過對(duì)樣本相關(guān)系數(shù)（r）的計(jì)算，對(duì)其線性關(guān)系顯著程度進(jìn)行推算［16］，數(shù)學(xué)公式如下。

式中，n 表示樣本數(shù)量，xi、yi表示兩樣本間的變量值。

顯著性檢驗(yàn)采用t 檢驗(yàn)法，公式如下。

1.3.2 主成分分析 主成分分析法（Principal component analysis，PCA）是一種通過線性降維來解決具有較多變量且高維復(fù)雜體系的數(shù)據(jù)分析方法。PCA在盡量保留原始數(shù)據(jù)信息的基礎(chǔ)上，將原始相關(guān)性較強(qiáng)的變量轉(zhuǎn)換為數(shù)量較少且不相關(guān)的變量，可以對(duì)原本相關(guān)性較高的變量信息有效地降維［17］。轉(zhuǎn)換公式如下。

式中，Xi為原始變量，i=1，2，…，p，p 為原變量個(gè)數(shù)；Fj為主成分，j=1，2，…，m，m 為線性合成的主成分個(gè)數(shù)。式中需滿足m 小于或等于p，且系數(shù)lj1+lj2+ lj3…+ lji= 1。

1.3.3 逐步回歸分析 逐步回歸分析是通過分析自變量對(duì)因變量（y）的作用、貢獻(xiàn)率以及顯著程度，保留影響顯著、剔除影響不顯著的自變量，并且每一次都對(duì)擬合優(yōu)度（R2）進(jìn)行檢驗(yàn)，將擬合優(yōu)度減小的引入變量篩除，由此建立滿足兩點(diǎn)要求的最優(yōu)回歸方程［18］。

選取R2最大的變量Zj建立模型。

若R1＜R2、F1＜F2且Zj表現(xiàn)為顯著，表明引入Zi可優(yōu)化方程，則引入Zi，否則刪除Zi。反復(fù)重復(fù)該步驟，直至所有變量全部經(jīng)過篩選。

1.4 數(shù)據(jù)分析

運(yùn)用SPSS 21.0 統(tǒng)計(jì)學(xué)軟件對(duì)煙堿、還原糖、總糖、總氮、氯、鉀、綠原酸、莨菪亭、蕓香苷9 個(gè)指標(biāo)進(jìn)行描述性分析、簡(jiǎn)單相關(guān)性分析、主成分分析以及逐步回歸分析，建立基于化學(xué)成分的煙葉感官舒適性預(yù)測(cè)模型。

2 結(jié)果與分析

2.1 描述性統(tǒng)計(jì)分析

化學(xué)成分指標(biāo)的相關(guān)描述性統(tǒng)計(jì)見表3。如表3 所示，除還原糖、總糖、綠原酸和蕓香苷含量的標(biāo)準(zhǔn)差大于1 外，其他指標(biāo)含量的標(biāo)準(zhǔn)差均小于1。其中，還原糖與總糖含量的偏度小于0，表現(xiàn)為左偏峰，其余化學(xué)成分指標(biāo)均大于0，表現(xiàn)為右偏峰；所有指標(biāo)峰度皆為正數(shù)，呈尖峭峰分布。

2.2 簡(jiǎn)單相關(guān)性分析

化學(xué)成分與感官舒適性的簡(jiǎn)單相關(guān)分析見表4。結(jié)果表明，除透發(fā)外，煙堿含量與其他舒適性指標(biāo)均呈負(fù)相關(guān)，大部分達(dá)顯著或極顯著水平。還原糖、總糖含量與所有舒適性指標(biāo)呈正相關(guān)，大部分達(dá)顯著或極顯著水平?？偟颗c透發(fā)呈正相關(guān)，與其他指標(biāo)均呈負(fù)相關(guān)；氯含量與圓潤(rùn)呈正相關(guān)，與其他指標(biāo)均呈負(fù)相關(guān)。鉀含量與所有舒適性指標(biāo)均呈正相關(guān)，與圓潤(rùn)、干凈、清爽、濕潤(rùn)均呈顯著正相關(guān)。綠原酸含量與各指標(biāo)均無(wú)顯著相關(guān)。莨菪亭含量與干凈呈顯著負(fù)相關(guān)，蕓香苷與透發(fā)呈顯著正相關(guān)，二者均與其他指標(biāo)無(wú)顯著相關(guān)性。

表3 各化學(xué)成分含量描述性統(tǒng)計(jì)結(jié)果

表4 各化學(xué)成分含量與感官舒適性的Pearson 相關(guān)分析

2.3 主成分分析

采用主成分分析方法對(duì)化學(xué)成分指標(biāo)進(jìn)行因子提取，并運(yùn)用最大方差旋轉(zhuǎn)方法進(jìn)行旋轉(zhuǎn)，以便找出因子和研究項(xiàng)的對(duì)應(yīng)關(guān)系。根據(jù)KMO 和Bartlett 的檢驗(yàn)，可知KMO 為0.686，大于0.6，說明變量間存在相關(guān)性，可以進(jìn)行主成分分析；Bartlett 球形度檢驗(yàn)中的P 為0.000，小于0.001，說明本組數(shù)據(jù)進(jìn)行主成分分析是有意義的。主成分分析解釋的總方差如表5 所示。為了使公因子間差距盡可能大，進(jìn)行公因子旋轉(zhuǎn)?？芍鞒煞值睦塾?jì)貢獻(xiàn)率達(dá)90% 以上時(shí)認(rèn)為提取的變量較好，故針對(duì)主成分提取情況進(jìn)行分析。本次主成分分析共提取出6 個(gè)主成分，6個(gè)主成分旋轉(zhuǎn)后的方差解釋率分別為28.294%、17.479%、12.603%、11.848%、11.589%、11.341%，累積方差解釋率為93.155%。旋轉(zhuǎn)后因子載荷系數(shù)矩陣如表6 所示。

表5 解釋的總方差

表6 旋轉(zhuǎn)后因子載荷系數(shù)矩陣

主成分分析成分得分系數(shù)矩陣見表7。主成分分析中解釋的總方差為93.155%，生成6 個(gè)新的解釋變量F1、F2、F3、F4、F5、F6，利用成分得分系數(shù)矩陣求得解釋變量與各指標(biāo)之間的關(guān)系式如下：

表7 成分得分系數(shù)矩陣

式中，X1為煙堿，X2為還原糖，X3為總糖，X4為總氮，X5為氯，X6為鉀，X7為綠原酸，X8為莨菪亭，X9為蕓香苷。

根據(jù)權(quán)重得到綜合評(píng)分F 的計(jì)算結(jié)果如下。

F=0.304F1+0.188F2+0.135F3+0.127F4+0.124F5+0.122F6

綜合評(píng)分的得分越高，說明煙葉品質(zhì)越好。

2.4 逐步回歸分析

將主成分分析提取出的6 個(gè)新解釋變量作為自變量，將感官舒適性評(píng)價(jià)指標(biāo)透發(fā)（Y1）、甜潤(rùn)（Y2）、清晰（Y3）、流暢（Y4）、圓潤(rùn)（Y5）、醇和（Y6）、干凈（Y7）、清爽（Y8）、濕潤(rùn)（Y9）得分作為因變量進(jìn)行逐步回歸分析，篩選出對(duì)因變量具有顯著性的變量。

建立的逐步回歸模型如表8 所示。在逐步線性回歸的模型中，Y 表示因變量，用F1、F2、F3、F4、F5、F6表示自變量。模型通過F 檢驗(yàn)，F(xiàn) 變化量的顯著性均小于0.05，說明模型有效。另外，針對(duì)模型的多重共線性進(jìn)行檢驗(yàn)發(fā)現(xiàn)，模型中VIF 均為1，意味著不存在共線性問題；并且D-W 均在2 附近，表明樣本數(shù)據(jù)之間沒有關(guān)聯(lián)，模型不存在自相關(guān)性，說明模型較好。

表8 逐步回歸模型

2.5 主成分-逐步回歸分析方法的檢驗(yàn)與應(yīng)用

由表9 可以看出，主成分-逐步回歸分析預(yù)測(cè)感官舒適性評(píng)價(jià)的預(yù)測(cè)模型的平均相對(duì)誤差最高為7.3%，最低為1.1%，均在誤差允許的范圍之內(nèi)，因此采用主成分分析方法對(duì)煙草的化學(xué)成分指標(biāo)進(jìn)行選取，然后采用逐步回歸分析法進(jìn)行優(yōu)化選取，建立感官舒適性的預(yù)測(cè)模型，能夠較好地預(yù)測(cè)煙草的感官舒適性。

表9 感官舒適性真實(shí)值與預(yù)測(cè)值的誤差

3 小結(jié)與討論

煙葉感官質(zhì)量擁有復(fù)雜的評(píng)價(jià)體系，體系的科學(xué)構(gòu)建對(duì)煙草原料的采購(gòu)以及卷煙配方的應(yīng)用具有重要的指導(dǎo)意義。由于煙草品類繁多，內(nèi)在化學(xué)成分也具有多樣性，因此，構(gòu)建體系需要由簡(jiǎn)到繁來逐步進(jìn)行，提取與感官舒適性相關(guān)性較大的化學(xué)成分，進(jìn)而構(gòu)建評(píng)價(jià)模型。

煙葉內(nèi)各化學(xué)成分會(huì)對(duì)煙葉感官舒適性產(chǎn)生不同的影響，從而影響煙葉的感官質(zhì)量評(píng)價(jià)。煙堿在煙葉內(nèi)呈游離態(tài)和結(jié)合態(tài)兩種形態(tài)，經(jīng)燃燒進(jìn)入煙氣后，會(huì)引起口腔中明顯的苦味刺激，進(jìn)而影響感官舒適性。本研究的結(jié)果也表明了這一點(diǎn)，除透發(fā)外，煙葉煙堿含量與所有感官舒適性評(píng)價(jià)指標(biāo)均呈負(fù)相關(guān)，這與王明鋒［13］的研究結(jié)果一致。煙葉內(nèi)的糖類物質(zhì)，特別是還原性糖在煙支燃吸時(shí)能起到使煙氣酸堿平衡，從而降低刺激性。在本研究中，還原糖、總糖含量與所有指標(biāo)均呈正相關(guān)，說明在一定范圍內(nèi)，還原糖、總糖含量對(duì)煙葉感官舒適性有積極作用。鉀與氯也是影響煙葉質(zhì)量的重要物質(zhì)，在本研究中，鉀與圓潤(rùn)、干凈、清爽和濕潤(rùn)呈顯著正相關(guān)，而氯僅與流暢呈顯著負(fù)相關(guān)。煙葉多酚類物質(zhì)會(huì)在煙葉燃吸通過蒸發(fā)等途徑直接進(jìn)入煙氣，因此對(duì)感官舒適性產(chǎn)生直接影響。在本研究中，莨菪亭與干凈呈顯著負(fù)相關(guān)，蕓香苷與透發(fā)呈顯著正相關(guān)。而王明鋒［13］認(rèn)為酚類化合物與卷煙舒適性呈負(fù)相關(guān)，與本研究結(jié)果不完全一致，可能是因?yàn)閷?duì)透發(fā)等指標(biāo)的判定標(biāo)準(zhǔn)有差異。

本研究根據(jù)本次樣品指標(biāo)的特性，通過采用主成分分析和逐步回歸分析相結(jié)合的方法，對(duì)復(fù)雜數(shù)據(jù)體系進(jìn)行了有效降維。煙草化學(xué)成分指標(biāo)的原始參數(shù)總共有9 個(gè)，運(yùn)用主成分分析方法，選取前6 個(gè)累積貢獻(xiàn)率達(dá)到90% 以上的主成分。既降低維度，減少了原始變量個(gè)數(shù)，又盡可能多地反映了原始變量的信息，并且各個(gè)主成分之間彼此相互獨(dú)立，為建立逐步回歸預(yù)測(cè)模型奠定了基礎(chǔ)?；谥鞒煞址治鏊玫? 個(gè)變量，利用測(cè)試集的數(shù)據(jù)通過逐步線性回歸的方法，對(duì)透發(fā)、甜潤(rùn)、清晰、流暢、圓潤(rùn)、醇和、干凈、清爽、濕潤(rùn)9 項(xiàng)指標(biāo)分別建立了預(yù)測(cè)模型。利用測(cè)試集的數(shù)據(jù)對(duì)預(yù)測(cè)模型進(jìn)行驗(yàn)證，發(fā)現(xiàn)預(yù)測(cè)誤差較小，表明該預(yù)測(cè)模型具有可行性。