感官评价的小组性能检查重点：CATA方法在乳制品区分能力的比较

科学讲座1（2022）100005感官评价的小组性能检查重点是产品区分Jun Qi Onga，Chang，Velia Wijayaa，Pey Huey Teoa，Jonathan RasonbaFrieslandCampina Development Centre AMEA，新加坡bFrieslandCampina，阿默斯福特，荷兰自动清洁装置文章历史记录：接收日期：2022年2022年2月11日接受保留字：面板性能检查所有适用的Cochran's Q检验广义线性混合效应模型A B标准Check-All-That-Salt（CATA）是一种常用于感官和消费者测试的方法在FrieslandCampina（FC），CATA用于补充产品表征的定量描述方法 通常对于定量描述性方法，ANOVA通常用于面板性能检查，以确保数据的良好质量（ISO2012）。然而，CATA实验产生的数据是二元的，ANOVA的假设是可变的，这意味着应该考虑替代方案然而，大多数研究文献中的CATA数据分析涉及消费者，我们调查是否统计处理建议也可用于面板性能检查。使用了新加坡小组在FC中描述的4个单独的乳制品数据集 每个数据集至少有9名小组成员，其中一人重复。使用3种不同的方法在总体水平上评价该小组区分产品的能力;使用Cochran Q检验的非参数分析，使用ANOVA的广义线性混合效应模型（GLMEM），以及使用Logistic回归的GLMEM。比较p值和检验统计量Cochran’sQ检验提供了良好的结果，但对低激发率敏感。方差分析结果稳定，交互作用影响p值。 逻辑回归有收敛问题，并提供不稳定的结果。本文的视频可以在j.sctalk.2022.100005上找到。https://doi.org/10.1016/图和表表1实验设计。1234产品类别婴儿配方奶粉婴儿配方奶粉奶粉饮料即食UHT牛奶风味平原亲爱香草巧克力饮用温度40° C40° C55° C10° C小组成员人数1212910产品编号771015重复次数2222#CATA属性气味：13味道：21气味：14口味：21气味：6口味：16口味：13缩略语：CATA，Check-All-That-Cash; FC，FrieslandCampina。通讯作者。电子邮件地址：www.example.comJunqi.ong @ frieslandcampina.com（J.Q. Ong）。h tt p：//dx. 多岛或g/10。1016/j。我的天啊。20 22. 1 0 0 00 527 7 2 - 56 93/©2022TheA ut hors. 由E lsevierL td提供。 这是CCBY许可证下的一项操作（http：//creaitivecommons.com/）。或g/li ce ns s/by/4.0/）。可在ScienceDirect上获得目录列表科学讲座杂志首页：www.elsevier.es/sctalkJ.Q. Ong等人科学讲座1（2022）1000052表2整体面板的拟议分析策略非参数ANOVA Logistic回归Y=μ+P+J+R+P ×J +P ×R +J ×R +ε型号N/AP =乘积（固定因子）J=判断（随机因子）R=重复（随机因子）来自CochranQ检验P项p值的产品P×J项的面板一致性P × R项的重现性Gwet图1.一、乘积因子：Cochran'sQvsANOVA。图1乘积因子：Cochran每个蓝点代表一个属性的对数（p值），用于其相应的分析，y轴为Cochran将小于0.0001的P值设定为0.0001，以限制图表的比例选择P值= 0.05作为显著性的临界值。红色区域中的数据点表示结论的差异图二、 产品因素：Cochran's Q与Logistic回归。图2乘积因子：Cochran's Q与Logistic回归对数据进行CochranQ每个蓝点表示一个属性的对数（p值），其相应分析的y轴为Cochran将小于0.0001的P值设定为0.0001，以限制图形的比例。选择P值= 0.05作为显著性的临界值。红色区域中的数据点表示结论的差异J.Q. Ong等人科学讲座1（2022）1000053百分之四十八百分之十九占6%百分之二十七图3.第三章。分析策略之间结论差异概述。图第三章：当ANOVA与Cochran的Q不同时• 数据集总数的25%• 对于所有差异，当Cochran's Q显著时，ANOVA不显著• 发生以下情况或以下情况的组合时，• 不同意• 不可重复性• 小组成员个人无法进行歧视• 为属性选择的比例低当Logistic回归不同于Cochran• 占总数据集的67%• 时会发生• 两名代表的所有产品中至少有1名小组成员得分为0• 模型完全分离（即小组成员完全一致，1种产品的诱导率为100%，其他产品为0%• 当比例选择极高或极低时图四、部分数据集1的频率计数。表3用于Cochran Q和ANOVA之间比较的选定属性J.Q. Ong等人科学讲座1（2022）1000054表三：甜蜜VS蜂蜜：两 种 属 性 具 有 相 似 的 差 异 水 平 （在最小值之间略低于 20% ）。max.）。然而，在95%置信水平下，对于Cochran's Q，Honey具有显著性（ p 值 = 0.04 ） ， 但 Sweet 不 具 有 显 著 性 （ p 值=0.23 ） 。 对 于ANOVA，两个属性具有相同的结论（p值>0.05）。方差分析显示，选择（高诱导率）和非选择（低诱导率）之间的p值更加一致绿色豌豆vs甜马铃薯：这两个属性具有相似的均方和启发率范围。对于青豌豆，ANOVA和Cochran's Q均<图五、 均方积。因此对于每个属性，MS（P）=产品因子的均方np=产品数量nj =裁判/小组成员人数nr=重复次数Tp=为产品选择的刻度数T=所有产品的刻度总数表4测试统计的比较传统的Q方程可以重新排列为MS（P）的函数，从而可以比较2种分析策略之间的输出。表5使用Cochran Q检验的青豌豆和甘薯的结果J.Q. Ong等人科学讲座1（2022）1000055表6使用方差分析的青豆和甘薯的结果• 在甘薯中，产品效应在5%的显著性水平上不显著表7Cochran's Q和Logistic回归比较的选择属性米饭人造黄油晶片野味Cochran's Q0.000.010.540.58LR0.10误差1.000.00对于Logistic回归，最小值和最大值之间的差异>50%并没有显示95%置信水平下煮熟米饭产品之间的显著差异，而通常预期具有此差异水平的产品之间存在差异。对于人造黄油、威化饼、Gamey，值的范围是相似的，但是逻辑回归为它们中的每一个返回不同的结果署名贡献表JunQiOng：概念化，方法论，软件，形式分析，数据管理，写作-原始草稿。维莉亚·维贾亚：概念化，写作-评论&编辑。Pey Huey TEO：调查，方法。Jonathan Rason：监督，写作-评论编辑。&致谢资金：这项工作得到了FrieslandCampina的申报利益作者声明，他们没有已知的竞争性经济利益或个人关系，可能会影响本文报告的工作。进一步阅读[1] K.A. Rasinski，D.新墨西哥州明盖Bradburn，受访者真的在自我管理的问题上“标记所有适用的”吗公众意见Q. 58（3）（1994）400，https://doi.org/10.1086/269434。[2] J. 亚当斯，A.威廉斯湾，澳-地Lancaster，M. Foley，与传统的咸味小吃属性缩放相比，检查所有适用响应的优点和用途，第7届潘伯恩感官科学研讨会。明尼阿波利斯，美国，2007年，2007年8月12日至16日（2007年）。[3] 国际标准化组织，感官分析-方法学-定量感官小组性能监测指南（ISO 11132 - 2012）。（n.d.），2012https://doi.org/10.3403/30197769u。[4]B. Mahieu，M.Visalli，A.Thomas，P.Schlich，两项关于红葡萄酒和牛奶的消费者研究中自由评论和检查所有应用的稳定性调查巧克力，食品质量。喜欢.90（2021），104159https://doi.org/10.1016/j.foodqual。 2020.104159。[5] G. 阿 瑞 斯 湖 Antúnez ， A.Giménez ， C.M.Roigard 湾 哥 伦 比 亚 特 区 皮 诺 Hunter ，S.R.Jaeger，对消费者引发的感官产品表征的检查所有适用（CATA）问题的再现性的进一步研究喜欢. 36（2014）111- 121，http：/ /www. 或g/10。1016/j。我的天啊。2014年。03. 010.[6] S.R. 华盛顿特区耶格亨特湖Vidal，S.L.Chheang，G.F.R.阿瑞斯Harker，感官产品消费者使用勾选所有适用问题的表征：使用猕猴桃作为案例研究的与术语开发相关的调查，J.Sens.Stud.34（3）（2019），e12490h t ps：//d oi. 或g/10。1111/joss. 12490.[7] R.S. Cadena，D.凯米岛若纳雷纳岛洛伦佐湖维达尔湾阿瑞斯...A. Giménez，Com-Comparison of rapid sensory characterization methodologies for the developmentoffunctionalyogurts，FoodRes.Int.64（2014）446https://doi.org/10.1016/j.foodres。 2014.07.027。[8] M. Schonlau，H.Gweon，M.Weenemark，开放式问题的自动分类：检查所有适用问题，Soc。Sci.Comput.Rev.39（4）（2019）562https://doi.org/10.1177/0894439319869210[9]M. Meyners，J.C. Castura，T. Worch，Check-All-That-Apply问题中样本组重复性的统 计 学 评 价 ， 食 品 质 量 。 喜 欢 . 49 （ 2016 ） 197-204 ， https ： //doi.org/10.1016/j.foodqual.2015.12.010。[10] M. Meyners，J.C.Castura，B.T.Carr，E X ESCHERICHIA coli and new approachesfortheanalysisofCATAdata. 喜 欢 .30 （ 2 ） （ 2013 ） 309https://doi.org/10.1016/j。 foodqual.2013.06.010。[11] M. Meyners，A. Hasted，关于CATA数据的ANOVA模型的适用性，Food Q ua l. P refer r. 2002年10月21日，中国人民解放军副总参谋长熊光楷中将在北京会见了美国国防部副部长、国防部副部长。或g/10。1016/j。我的天啊。2 0 2 1。104 2 1 9.[12] J. 毕角，澳-地Kuesten，评论Meyners和Hasted（2021）：方差分析模型对CATA数据食品质量和偏好的适用性喜欢. 2002年12月20日，美国总统布什在白宫会见了来访的美国总统布什。或g/10。1016/j。我的天啊。2 0 2 1。104 3 4 0.[13] F. Llobell，D.Giacalone，A.Labenne，E.M.Qannari，CATA实验中受访者的一致性评估和聚类分析，FoodQual。喜欢.77（2019）184https://doi.org/10.1016/j.foodqual.2019.05.017。Ong JunQi是FrieslandCampina新加坡分公司的感官和消费者专家。他专门研究传感技术及其在消费者识别中的应用。他于2011年在Symrise开始从事感官科学领域的工作，自2017年以来一直在FrieslandCampina工作