p?0.01，表示差异极显著。

利用SPSS软件，对第一组评酒员给出的红葡萄酒评分进行运算，得出结果见表1

表1 对红葡萄酒评分的处理结果 均值 方差 第一组 8.7 0.21 第二组 9.3 对白葡萄酒评分的结果见表2： F 1 P 0.05 n 10 表2 对白葡萄酒评分的处理结果 均值 方差 F P n 第一组 8.8 0.96 4 0.08 10 第二组 9.4 0.24 有上述的结果得出：评酒员对红白葡萄酒评分方差齐性检验p值均大于0.05，因此可认为两组评酒员的评价结果均没有显著性差异。 5.1.3模型一的检验

要对上述结果进行检验，则需对评酒员的可信度进行定量描述。因此，本文建立了二值化可信度模型对其进行描述。若可信度值越可信。

假定由10个评酒员组成评酒员群体，对评价对象集?(A)中的27（或28）个评价对象A1, A2,? Am进行多属性评价。评酒员个体按给定的属性体系给出各属性下的评价意见后，先按属性决策理论的常用方法得出评酒员对各评价对象的综合评价结果

pi越大，则说明评价结果

di(A)再根据两个组评酒的评价结果di(A)进行综合形成

评酒员群体的评价结果D(A).

评酒员个体对各评价对象的评价结果可用下列矩阵表示

A1 A2 E1?d1(A1) d1(A2)?E2?d2(A2) d2(A2)D(A)???En?dn(A) dn(A)?22 Amd1(Am)??d2(Am)? （4）

??dn(Am)??上式中：di(Aj)为Ei对评价评酒组Aj给出的多属性综合评价结果。按照多属性群体理论的有关方法，容易得到评酒组的评价意见

D(A)?(D(A1),D(A2),D(Am))

通常情况下，每个评酒组评论意见di(A)和两组评酒组的评价意见D(A)有

5

3种形式：其一是评价意见只有“通过”、“不通过”两种表达；其二是采取序列性表达即di(A)和D(A)是对各个评价对象的排列;其三是基数性表达，如百分制打分（包括其他类型评价化为基数型）等。下面建立二值化可信度模型（第一种形式）来求解评酒员的可信度。

评酒员个体和评酒员群体的评价意见只有“通过”、“不通过”两种表达，属于确定性评价，可以通过正确率、不通过正确率两方面衡量评酒员Ei的可信度，记

????1, D(Aj)??通过? (5) （Aj）????0， D(Aj)??不通过???1, D(Aj)??通过? （?? iAj）??0， D(Aj)??不通过?评酒员Ei的通过正确率

mp1i为:

iijp1i=??(A)?(A)j=1??(A)jj=1m (6)

而评酒员Ei不通过正确率

mp0i为:

ijjp0i=?(1-?(A))(1-?(A)j=1?(1-?(A))jj=1m (7)

式（6）和式（7）从不同侧面反映了评酒员Ei的评价水平，考虑到大多数

情况下评价活动组织者对通过和不通过的关注程度不同，分别记其关注度为 且满足??0，??0，?+?=1，并以下式近似作为评酒员，Ei的可信度：

pi??p??p1i0i （8）

当评价目标为“选优”时，?>?；而当评价目标为“汰劣”时，?

??(A)???(A)

ijjj?1j?1mm实际上式（6）和式（7）确定的p1i和p0i 存在相关性。式（8）从数学意义上讲并不严格，但从应用角度讲按照前文给出的定义，由式（8）确定的pi值在一定

6

程度上反映评酒员Ei评价意见的可信性，特别地，当

1m?=??(Aj)

mj?11m?=?(1-?(Aj))

mj?1时，由式（8）确定的pi为“群体先决条件下”评酒员Ei正确评价所有评价对象的概率，即

1m1mpi=m??(Aj)?i(Aj)+m?(1-?(Aj))?(1-?(Aj)) （9）

j?1j?1i利用Matlab软件对两组各位专家对红、白葡萄酒各品种评分进行处理，（程

序见附录1.2），得出各位评酒员评价意见的可信度见表3、表4：

表3 评酒员对红葡萄酒的评价意见的可信度 评E2 E3 E4 E5 E6 E7 E8 E9 E10 E 酒1员 可0.400.380.400.350.370.350.380.360.320.36信65 68 38 53 59 8 27 21 48 76 度 综8 10 9 19 14 18 12 17 20 15 合排序 评E12 E13 E14 E15 E16 E17 E18 E19 E20 E 酒11员 可0.460.460.460.380.360.380.480.470.520.46信19 44 82 55 49 14 97 7 07 44 度 综7 5 4 11 16 13 2 3 1 5 合排序 结果分析：第一组评酒员评价红葡萄酒的可信度综合排名为8、10、9、19、14、18、12、17、20、15，而第二组评酒员评价红葡萄酒的可信度综合排名为7、5、4、11、16、13、2、3、1、5。对两组评酒员的综合排名进行比较，第一组排名成绩从优至差为8、9、10、12、14、15、17、18、19、20，第二组排名成绩从优至差为1，2，3，4，5，5，7，11，13，16，对其排名一一对应进行比较，发现第二组排名序数均比第一组大，则认为第一组评酒员的评价结果可信度更高。

表4 评酒员对白葡萄酒的评价意见的可信度 评E 酒1员

E2 E3 E4 E5 E6 E7 E8 E9 E10 7

可0.660.670.660.730.710.620.700.690.620.62信35 35 71 07 63 96 95 17 96 96 度 综14 12 13 1 5 16 6 10 16 16 合排序 评E12 E13 E14 E15 E16 E17 E18 E19 E20 E 酒11员 可0.670.690.710.640.710.690.620.700.620.72信6 54 89 67 66 91 96 41 96 36 度 综11 9 3 15 4 8 16 7 16 2 合排序 结果分析：第一组评酒员评价白葡萄酒的可信度综合排名为14、12、13、1、5、16、6、10、16、16，而第二组评酒员评价白葡萄酒的可信度综合排名为11、9、3、15、4、8、16、7、16、2。对两组评酒员的综合排名进行比较，第一组排名成绩从优至差顺序为1、5、6、10、12、13、14、16、16、16，第二组排名成绩从优至差顺序为2、3、4、7、8、9、11、15、16、16，对其排名一一对应进行比较，发现第二组排名序数70%比第一组小，则认为第一组评酒员的评价结果可信度更高。

5.2模型二的建立与求解 5.2.1模型二的建立

要根据酿酒葡萄的理化指标和葡萄酒的质量将酿酒葡萄进行分级，由于葡 萄的理化指标的数额相对较大，而且并非所有的理化指标都对葡萄的质量均有影响，因此选取葡萄酒样品中一级指标物质的数据，用主成分分析法和相对贡献率的大小进行定量评价。

主成分分析法原理是通过适当的数学变换将原来一组具有相关性的指标重新组合成较少个数的互不相关的指标来代替原指标，同时根据实际需求从中选取较少的且尽可能多的反应原来指标信息的综合指标，这样可以寻找到能够解释客观结构本质的因素，并且给这些因素以合理解释。

模型的建立方法如下：

? 记：rij(i,j?1,2,...,p)为原变量的xi与xj之间的相关系数，其计算公式为

nrij??(xk?1ki?xi)(xkj?xj)n?(xk?1n （10）ki?xi)2?(xkj?xj)2k?1 8