XLSTAT是便捷靈活的Excel數(shù)據(jù)分析插件，允許用戶在MicrosoftExce中分析、自定義和共享結(jié)果。XLSTAT有超過240種統(tǒng)計功能和Applied功能XLSTATSENSORY為Applied中一個數(shù)據(jù)分析模塊，可直接對感官評價數(shù)據(jù)進行分析，包括差異性測試、感官評價小組能力評估、消費者評估等，為感官評價從業(yè)者提供數(shù)據(jù)分析。本文以XSTATversion2022.1為例，主要介紹其期在感官消費者調(diào)查分析中的應(yīng)用。
01 懲罰分析
產(chǎn)品優(yōu)化是新產(chǎn)品開發(fā)過程中最重要步驟之一，目的是確定消費者的理想產(chǎn)品和產(chǎn)品再優(yōu)化的方向。其中最適標度（justaboutright，JAR）評價方法因其直觀、操作簡單等特性，被廣泛用于食品工業(yè)設(shè)計和市場調(diào)研中，常應(yīng)用在產(chǎn)品早期開發(fā)中。
聶學瀅等采用消費者喜好標度和剛好標度對市售的13種茶樣品進行評價，選定最佳產(chǎn)品以及懲罰分析（penaltyanalysis）確定拼配方案。Ares等基于消費者對CATA問題的回應(yīng)，提出了懲罰分析的應(yīng)用，以識別喜好的驅(qū)動因素和產(chǎn)品再改良的方向。JAR標度是一種雙級測量標度，在JAR打分量表中，量表的兩端表示太強或太弱，如1分表示太淡，5分表示太甜，3分表示剛剛好，因此3分被認為是與消費者的心理預期最匹配的。
XLSTAT中懲罰的分析結(jié)果包含Meandrop值，Meandrop值等于兩端人群（非“最適度”）對樣品的整體喜好度（平均值）減去“最適度”人群對樣品的整體喜好度（平均值），XLSTAT最后會給出Meandrops與人數(shù)占比的圖，如圖4所示，Meandrop值越大、人數(shù)比例越大，說明該指標越需要優(yōu)先改進。
02 CATA檢驗法
定量描述分析法、風味剖面法、質(zhì)地剖面法等被稱為傳統(tǒng)描述性分析法。兩個新產(chǎn)品上市前，經(jīng)描述分析，發(fā)現(xiàn)兩個新產(chǎn)品都有其各自的優(yōu)勢和特點，通過描述分析仍不能確定哪個新產(chǎn)品更好，此時可使用情感檢驗法，即讓消費者來決定喜歡哪一個產(chǎn)品，喜歡或接受的程度有多大。具體方法有：成對偏愛檢驗、排序偏愛檢驗、喜好標度等。
CATA（Check-all-thatapply）檢驗法是由消費者代替專業(yè)感官評價員的一種快速感官分析方法，將一組產(chǎn)品和一張CATA問卷提供給消費者，要求其在問卷中選出適合描述樣品的描述詞。該方法不需專業(yè)培訓和維護，降低了時間和成本，還能直接反映消費者的情緒感受。XLSTAT中通過CATA分析可得如圖5及圖6所示的PCA圖，圖6展示了評價的產(chǎn)品與指標的分布情況，結(jié)合兩個圖可觀察到評價的產(chǎn)品與理想產(chǎn)品（Idealproduct）之間的差距，理想產(chǎn)品的指標特點，給評價的產(chǎn)品進行定位，以確定改進方向。
03 喜好度測試
產(chǎn)品在開發(fā)過程中或上市后需要進行消費者感官檢驗，以評價當前目標消費者或潛在消費者對一類產(chǎn)品或一種產(chǎn)品某種特征的感受，包括偏愛性和接受程度。
偏愛檢驗中，消費者在一組產(chǎn)品或一對產(chǎn)品中選出最喜愛的一種產(chǎn)品，或?qū)Ξa(chǎn)品的某個指標或整體喜好進行排序；而在接受性測試中，消費者只需對單一產(chǎn)品進行評價，并不需要與另一個產(chǎn)品進行比較。在接受性檢驗中常用的方法為9點快感標度，即將編號后的樣品呈遞給消費者，要求其對樣品按9點標度選擇，分別為“極度喜歡、非常喜歡、一般喜歡、稍微喜歡、既不喜歡也沒有厭惡、稍微厭惡、一般厭惡、非常厭惡、極度厭惡”，9點標度使用簡單故而易被消費者接受理解，能在進行消費者測試時發(fā)揮重要作用。
XLSTAT中l(wèi)ikingdataanalysis通過方差分析消費者對評價樣品的喜好度區(qū)別，同時得到所測評樣品及消費者的分布圖如圖7，還可結(jié)合圖8中的聚類分析結(jié)果，將消費者分類，得到不同類別消費者喜愛的產(chǎn)品，在實際應(yīng)用中還可結(jié)合QDA測試結(jié)果，分析出不同類別消費者的區(qū)別，如不同年齡段消費者的喜好趨勢，對應(yīng)趨勢下產(chǎn)品的感官特點等。
來源：感官科學與評定整理，轉(zhuǎn)載請注明來源。封面及文章配圖來源：創(chuàng)客貼。
參考文獻：侯姣靚.XLSTAT在感官評價數(shù)據(jù)分析中的應(yīng)用 [J] .上海輕工業(yè),2023,(03):130-133.
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應(yīng)該在缺乏具體的專業(yè)建議的情況下，擅自根據(jù)文章內(nèi)容采取行動，因此導致的損失，運營方不負責。如文章涉及侵權(quán)或不愿我平臺發(fā)布，請聯(lián)系處理。
01 懲罰分析
產(chǎn)品優(yōu)化是新產(chǎn)品開發(fā)過程中最重要步驟之一，目的是確定消費者的理想產(chǎn)品和產(chǎn)品再優(yōu)化的方向。其中最適標度（justaboutright，JAR）評價方法因其直觀、操作簡單等特性，被廣泛用于食品工業(yè)設(shè)計和市場調(diào)研中，常應(yīng)用在產(chǎn)品早期開發(fā)中。
聶學瀅等采用消費者喜好標度和剛好標度對市售的13種茶樣品進行評價，選定最佳產(chǎn)品以及懲罰分析（penaltyanalysis）確定拼配方案。Ares等基于消費者對CATA問題的回應(yīng)，提出了懲罰分析的應(yīng)用，以識別喜好的驅(qū)動因素和產(chǎn)品再改良的方向。JAR標度是一種雙級測量標度，在JAR打分量表中，量表的兩端表示太強或太弱，如1分表示太淡，5分表示太甜，3分表示剛剛好，因此3分被認為是與消費者的心理預期最匹配的。
XLSTAT中懲罰的分析結(jié)果包含Meandrop值，Meandrop值等于兩端人群（非“最適度”）對樣品的整體喜好度（平均值）減去“最適度”人群對樣品的整體喜好度（平均值），XLSTAT最后會給出Meandrops與人數(shù)占比的圖，如圖4所示，Meandrop值越大、人數(shù)比例越大，說明該指標越需要優(yōu)先改進。
02 CATA檢驗法
定量描述分析法、風味剖面法、質(zhì)地剖面法等被稱為傳統(tǒng)描述性分析法。兩個新產(chǎn)品上市前，經(jīng)描述分析，發(fā)現(xiàn)兩個新產(chǎn)品都有其各自的優(yōu)勢和特點，通過描述分析仍不能確定哪個新產(chǎn)品更好，此時可使用情感檢驗法，即讓消費者來決定喜歡哪一個產(chǎn)品，喜歡或接受的程度有多大。具體方法有：成對偏愛檢驗、排序偏愛檢驗、喜好標度等。
CATA（Check-all-thatapply）檢驗法是由消費者代替專業(yè)感官評價員的一種快速感官分析方法，將一組產(chǎn)品和一張CATA問卷提供給消費者，要求其在問卷中選出適合描述樣品的描述詞。該方法不需專業(yè)培訓和維護，降低了時間和成本，還能直接反映消費者的情緒感受。XLSTAT中通過CATA分析可得如圖5及圖6所示的PCA圖，圖6展示了評價的產(chǎn)品與指標的分布情況，結(jié)合兩個圖可觀察到評價的產(chǎn)品與理想產(chǎn)品（Idealproduct）之間的差距，理想產(chǎn)品的指標特點，給評價的產(chǎn)品進行定位，以確定改進方向。
03 喜好度測試
產(chǎn)品在開發(fā)過程中或上市后需要進行消費者感官檢驗，以評價當前目標消費者或潛在消費者對一類產(chǎn)品或一種產(chǎn)品某種特征的感受，包括偏愛性和接受程度。
偏愛檢驗中，消費者在一組產(chǎn)品或一對產(chǎn)品中選出最喜愛的一種產(chǎn)品，或?qū)Ξa(chǎn)品的某個指標或整體喜好進行排序；而在接受性測試中，消費者只需對單一產(chǎn)品進行評價，并不需要與另一個產(chǎn)品進行比較。在接受性檢驗中常用的方法為9點快感標度，即將編號后的樣品呈遞給消費者，要求其對樣品按9點標度選擇，分別為“極度喜歡、非常喜歡、一般喜歡、稍微喜歡、既不喜歡也沒有厭惡、稍微厭惡、一般厭惡、非常厭惡、極度厭惡”，9點標度使用簡單故而易被消費者接受理解，能在進行消費者測試時發(fā)揮重要作用。
XLSTAT中l(wèi)ikingdataanalysis通過方差分析消費者對評價樣品的喜好度區(qū)別，同時得到所測評樣品及消費者的分布圖如圖7，還可結(jié)合圖8中的聚類分析結(jié)果，將消費者分類，得到不同類別消費者喜愛的產(chǎn)品，在實際應(yīng)用中還可結(jié)合QDA測試結(jié)果，分析出不同類別消費者的區(qū)別，如不同年齡段消費者的喜好趨勢，對應(yīng)趨勢下產(chǎn)品的感官特點等。
來源：感官科學與評定整理，轉(zhuǎn)載請注明來源。封面及文章配圖來源：創(chuàng)客貼。
參考文獻：侯姣靚.XLSTAT在感官評價數(shù)據(jù)分析中的應(yīng)用 [J] .上海輕工業(yè),2023,(03):130-133.
提醒：文章僅供參考，如有不當，歡迎留言指正和交流。且讀者不應(yīng)該在缺乏具體的專業(yè)建議的情況下，擅自根據(jù)文章內(nèi)容采取行動，因此導致的損失，運營方不負責。如文章涉及侵權(quán)或不愿我平臺發(fā)布，請聯(lián)系處理。
