測(cè)量方法的改進(jìn)以及數(shù)據(jù)處理系統(tǒng)的提升大大增加了人們對(duì)描述性方法的興趣。
感官描述性數(shù)據(jù)可以用于簡(jiǎn)化說(shuō)明、闡明結(jié)果并幫助溝通結(jié)論。
一、蜘蛛網(wǎng)圖
蜘蛛圖（雷達(dá)圖、星圖）是用于表示感官特性的傳統(tǒng)方法，可以用于數(shù)據(jù)的展示并進(jìn)行比較。
圖1 蜘蛛圖（來(lái)源于《感官評(píng)價(jià)實(shí)用手冊(cè)》）
二、感官軌跡
感官軌跡是另一種可以用來(lái)表示和比較感官特性的方法。沿著x軸標(biāo)記屬性，一般可以按照感知的順序進(jìn)行排列。Y軸表示感知的強(qiáng)度，屬性平均值在相應(yīng)的地方畫出。直接用連續(xù)的線連接平均值，產(chǎn)生一個(gè)“軌跡”。與蜘蛛圖相似，圖中也可以包括標(biāo)準(zhǔn)偏差和置信區(qū)間以及進(jìn)行多個(gè)樣品軌跡的疊加。
三、交互圖
交互圖可以通過(guò)展示每個(gè)評(píng)價(jià)人員對(duì)樣品屬性的評(píng)分，從而用于研究評(píng)價(jià)人員的表現(xiàn)。 變量間的關(guān)系
兩個(gè)變量間的關(guān)系采用x-y軸圖闡明。在感官分析中，感知到的強(qiáng)度通常作為y軸上的因變量對(duì)應(yīng)x軸上的自變量，自變量可以是濃度、溫度等理化參數(shù)或者加工參數(shù)。 四、散點(diǎn)圖
散點(diǎn)圖較利于觀察數(shù)據(jù)的趨勢(shì)。在圖上采用回歸分析擬合數(shù)據(jù)得到曲線，可以形象地表現(xiàn)出兩個(gè)變量間的關(guān)系。 五、主成分分析（PCA）
主成分分析（PCA）是一種可用于描述多個(gè)變量間關(guān)系的多維統(tǒng)計(jì)方法。大量的數(shù)據(jù)可以通過(guò)辨別相關(guān)關(guān)系變量并減少至較少的基本變量來(lái)進(jìn)行簡(jiǎn)化，這些基本變量稱為主成分。結(jié)果以多維圖像的形式輸出。
圖2 （a）主成分（旋轉(zhuǎn)）相關(guān)性圈圖和（b）兩極圖（來(lái)源于《感官評(píng)價(jià)實(shí)用手冊(cè)》）
圖中樣品的點(diǎn)表示，屬性以向量表示，越接近的點(diǎn)越相似。圖中的文字闡述了怎么解釋PCA圖。在市場(chǎng)概述中采用PCA圖是非常有用的，這種方法能使一個(gè)市場(chǎng)分類中大量產(chǎn)品的感官性狀在一個(gè)圖中進(jìn)行比較。這種方法也可以用于判定理化性質(zhì)與感官屬性間的關(guān)系。由于感官描述性分析由大量的屬性變量構(gòu)成，因此PCA是一種特別有效地?cái)?shù)據(jù)分析方法。
來(lái)源：感官科學(xué)與評(píng)定
