用于感官属性分析的带随机效应的统一Beta回归模型

涉及感官分析的研究对于评估和衡量食品和饮料的特征，包括消费者对样品的接受度，至关重要。对于各种产品，实验设计通常为不完全区组设计，感官属性通过赠礼量表、评分或评分进行评估。统计方法如广义logits常用于分析这些数据，但面临收敛性问题（由于超参数化），此外，感官属性通常被单独分析，增加了过程的复杂性并使结果解释更加困难。本研究提出一种用于同时分析多个感官属性的带随机效应的统一Beta回归模型，其得分被转换为(0,1)区间。模拟研究表明，统一模型的整体通过率超过82%，优于为每个属性单独拟合的模型。作为举例，统一模型被应用于一个真实数据集，其中98个潜在消费者评估了8种葡萄汁配方的每个感官属性：颜色、风味、香气、酸度和甜度。统一模型识别了与单独拟合模型相同的高评分配方，特点是汁液比糖分比例更高。结果凸显了统一模型在不牺牲准确性的前提下简化分析过程的能力，为感官研究提供了一种高效且富有洞察力的方法。