简介：面向数学建模竞赛参赛者与统计分析学习者，这份2012年全国大学生数学建模竞赛A题一等奖论文围绕「葡萄酒的评价」给出了完整的获奖方案，可用于赛题复盘、统计建模方法对照与论文写作参考。全文以PDF形式收录，资源包共1个文件、约2.41MB，单篇论文结构完整，涵盖问题重述、模型假设、符号说明、模型建立与求解及模型推广等章节。论文针对评酒员评分差异与信度问题，运用K-S检验、Wilcoxon符号秩检验和肯德尔和谐系数进行非参数分析；通过主成分分析构建酿酒葡萄综合评价指标体系并完成分级，借助典型相关分析量化葡萄与葡萄酒理化指标间的联系，最后建立多元线性回归模型论证理化指标评价葡萄酒质量的可行性。目前已有2908人学习，适合需要理解统计模型选型、检验步骤与结果解释的读者按问题逐一拆解模仿。

1. 同一批酒、两拨评酒员：两组分数为什么不能直接取平均比高低

把同一批酒样分给两拨评酒员各自打分，再把两组总分并排放在一起，多数人的第一反应是比均值：哪组平均分高，哪组就“手松”。这个直觉在葡萄酒评价里会失效。两组均值的差距可能只来自一两个极端样本，而真正决定分数能不能用的，是十个人对二十多款酒给出的排序是否稳定。

这道题把葡萄酒评价拆成了四层递进：先确认评分数据服从什么分布，再用符号秩检验判断两组评价有没有系统性偏移，然后用肯德尔和谐系数比较哪一组的排序更整齐，最后才把挑选出的那组分数当作“质量标签”，去和理化指标建立联系。整套流程里，没有一步是“算个平均分”那么简单，每一步都在回答同一个问题：这个数字，凭什么可信。

2. 秩的杠杆：Wilcoxon 符号秩检验与肯德尔和谐系数如何拆开“差异”与“信度”

显著性差异和可信度是两件事。两组分数可以差异显著，但两组都很可信；也可以差异不显著，却两组都在乱打。论文把这两件事分给两个模型：Wilcoxon 符号秩检验管“有没有差异”，肯德尔和谐系数管“谁排得更一致”。分开处理，是整道题最关键的结构选择。

2.1 缺失值与异常值：显著性检验的前置清洗

原始评分表里既有缺失也有明显录入错误。第一组白葡萄酒品尝数据中，7 号品酒员对样品 3 的持久性打了 77 分，而相邻品酒员的分数在 5 到 7 之间——这是三位数落在个位数评分栏里的典型手工录入事故，不是“这位评酒员口味独特”。

处理策略分两种。缺失值用均值替换：把该品酒员在该项上剩余的有效评分求平均，填回空缺。论文给出的式子是 $\bar{x}^*=\left\lfloor \frac{1}{m-1}\sum_{k=1,k\neq m}^{10}x_k\right\rfloor$，取整是为了让填回去的值仍然落在评分表的整数刻度上。异常值则“先剔除、后替换”：先把 77 摘掉，再按同一列其余品酒员的均值补回。

均值替换能成立的前提是“同一酒样、同一项目上，十位评酒员的分差不大”。这个前提在本题的数据里大致成立，但它有一个隐性代价——替换会压缩方差。如果缺失是成片出现的，或者缺失本身和酒样质量相关（比如好酒的某几项没人愿意打低分），均值替换会把真实的离散度抹平，后面所有基于方差的检验都会被带偏。我一般会额外跑一遍“剔除含缺失样本”的对照组，两种处理下结论一致才敢往下走。

清洗完的下一步是确认分布类型。论文计算每个酒样 10 位品酒员的总分均值，得到 27 个（红）和 28 个（白）观测点，再对四组数据分别做单样本 K-S 检验，配合正态 P-P 图观察散点是否贴近对角线。第一组红葡萄酒的结果是 $p=0.525>0.05$，四组数据的散点都近似落在直线附近，因此接受“评分服从正态分布”的假设。

import numpy as np from scipy import stats def ks_normality(x): """单样本 K-S 检验：H0 为样本来自正态分布 x: 每个酒样的组内平均分，长度等于酒样数 """ x = np.asarray(x, dtype=float) mu, sd = x.mean(), x.std(ddof=1) # 用样本估计的 mu/sd 代入，统计量 D 是经验分布与理论分布的最大偏差 d, p = stats.kstest(x, 'norm', args=(mu, sd)) return d, p scores = [78.5, 81.2, 75.9, 84.1] # 省略，实际是 27 个酒样均分 d, p = ks_normality(scores) print(f"D={d:.4f}, p={p:.4f}")

这段代码回答的是“能不能用参数检验”的问题。关键在于args=(mu, sd)：均值和标准差是从同一批数据估出来的，而不是事先给定。这会让 K-S 检验的 p 值偏大（偏保守），严格做法应查 Lilliefors 临界值表，或者直接改用statsmodels里的lilliefors。不过本题样本量只有 27，检验功效本来就低，p 值偏大意味着“更容易不拒绝正态”，这对后续选非参数方法反而是安全方向的偏差——因为论文最终并没有依赖正态性去做 t 检验，正态性检验只是为“两组数据能不能配对比较”提供一个背景判断。

2.2 Wilcoxon 符号秩：为什么配对 t 检验在这里不合适

两组评酒员评的是同一批酒样，所以这是配对数据，而不是两组独立样本。配对数据的经典做法是配对 t 检验，检验统计量建立在差值 $D_i$ 之上，要求 $D_i$ 服从正态分布。问题在于，即使原始评分近似正态，差值 $D_i$ 的分布也未必正态——评酒员之间存在评价尺度、评价位置和评价方向的差异，有人整体偏严，有人对某些风味特别敏感，差值里混着这些个体效应，尾部往往比正态更厚。

Wilcoxon 符号秩检验只要求差值关于零对称，不要求正态，正好绕开这个约束。它的构造思路很“秩”：把每对差值的绝对值从小到大排等级，最小记 1，最大记 $n$，绝对值相等时取平均秩；然后恢复正负号，分别求正秩和 $T_+$ 与负秩和 $T_-$，取较小者为统计量 $T$。

原假设 $H_0$ 是两组评价结果相同。在 $H_0$ 下，正负号应当随机分配，因此

$$E(T)=\frac{n(n+1)}{4},\qquad D(T)=\frac{n(n+1)(2n+1)}{24}$$

标准化后 $z=\dfrac{T-E(T)}{\sqrt{D(T)}}$ 近似服从标准正态。红葡萄酒的 $n=27$，代入算得 $z\approx-2.53$；白葡萄酒 $z\approx-2.23$。双侧检验在 $\alpha=0.05$ 下的临界值是 1.96，两个 $|z|$ 都超过临界值，于是拒绝 $H_0$，两组评酒员对红、白葡萄酒的评价结果均存在显著性差异。

import numpy as np from scipy.stats import norm def signed_rank_test(a, b): """配对 Wilcoxon 符号秩检验（大样本正态近似版） a, b: 两组总分，顺序必须一一对应同一个酒样 """ d = np.asarray(a, float) - np.asarray(b, float) d = d[d != 0] # 差值为 0 的样本不参与编秩 n = len(d) order = np.argsort(np.abs(d)) ranks = np.empty(n) ranks[order] = np.arange(1, n + 1) # 绝对值升序编秩，并列时此处未做平均秩 t_plus = ranks[d > 0].sum() t_minus = ranks[d < 0].sum() T = min(t_plus, t_minus) # 取较小者为统计量 mu = n * (n + 1) / 4 sigma = np.sqrt(n * (n + 1) * (2 * n + 1) / 24) z = (T - mu) / sigma return T, z, 2 * norm.cdf(-abs(z)) # 双侧 p 值 z_red = signed_rank_test(score_g1_red, score_g2_red) # 约 -2.53 z_white = signed_rank_test(score_g1_white, score_g2_white) # 约 -2.23

代码里有两点值得盯住。一是d = d[d != 0]：差值为零的样本要从 $n$ 里剔除，否则编秩会出现空位，$n$ 也算错，统计量的均值和方差跟着全错。二是并列秩：手写版这里直接arange，如果多个绝对值相等就会打破平均秩约定，$z$ 会有小幅漂移，工程上直接用scipy.stats.wilcoxon更稳妥，它默认带连续性校正和并列秩修正。

结果解读要小心：拒绝 $H_0$ 只说明“两组评分存在系统性差异”，并不说明“哪一组错了”。这正是下一节要补的缺口。

2.3 肯德尔和谐系数：把“可信”折算成排序一致性

显著性差异只回答了“不一样”，可信度要回答“哪一组内部更一致”。论文用肯德尔和谐系数 $W$ 来度量。

设 $m$ 位评酒员对 $j$ 个酒样评分，$R_j=\sum_{m}r_{mj}$ 是第 $j$ 个酒样所得的秩和。若全组意见一致，各 $R_j$ 之间会拉得很开；若各打各的，$R_j$ 会挤在一起。于是令

$$Q=\sum_{j=1}^{n}\left(R_j-\bar{R}\right)^2,\qquad W=\frac{12Q}{m^2\left(j^3-j\right)}$$

$W$ 落在 0 到 1 之间，越接近 1 表示一致性越高。检验统计量取 $\chi^2=m(j-1)W$，近似服从自由度 $j-1$ 的卡方分布。四组数据的计算结果如下：

红葡萄酒第一组的 $\chi^2$ 更大，白葡萄酒第二组的 $\chi^2$ 更大，于是论文判定：红葡萄酒采用第一组评分，白葡萄酒采用第二组评分，后续建模就以这两组分数作为“质量标签”。

这个结论的力度需要打个问号。四组 $W$ 都在 0.04 附近，意味着十位评酒员对二十多个酒样的排序一致性只有 4% 左右——本来就接近“各排各的”。而组间差距是 0.0444 对 0.0433，落在第三位小数上。更关键的是，自由度 26 的卡方分布在 0.05 水平下的临界值约为 38.9，而四组 $\chi^2$ 全部在 11 上下，没有一组能拒绝“评分互不相关”的原假设。

也就是说，这道题真正给出的不是“某一组可信”，而是“两组都不太可信，只是相对而言某一组稍好”。论文的措辞是“存在相关的概率大于另一组”，这个相对化表述是诚实的，但读者容易把它读成“这一组可信”。这条边界后面还会反复出现——凡是用人的主观打分当标签，标签本身就带着噪声底。

3. 从 27 个指标到一个等级：主成分降维、层次分析赋权与阶梯分级的串联

第二问要拿酿酒葡萄的理化指标和葡萄酒的质量评分，把葡萄分出等级。难点不在“怎么算分”，而在“指标怎么选、权重怎么定、分数怎么切”。这三件事分别对应主成分分析、层次分析法和阶梯分段，串起来才是一条完整链路。

3.1 27 个指标为什么必须降维：相关系数矩阵里的共线性

附件给出的酿酒葡萄理化指标有 27 个，样本 27 个。指标数等于样本数，这是典型的“宽数据”困境：直接拿 27 维向量算距离或做加权，信息会大量重叠。葡萄总黄酮、总酚、DPPH 自由基清除能力、单宁这几项在生化上本就同源，相关系数矩阵里必然出现成片的高相关块。如果原样加权，等于给同一个因素重复计了好几次权重，分级结果会被这几个指标绑架。

主成分分析的处理是先标准化再求特征值。标准化用 $ \tilde{F}{ij}=\dfrac{F{ij}-\bar{F}_i}{s_i}$，目的是消掉量纲——总糖以 g/L 计、色差 a* 是无量纲、果皮质量以 g 计，不标准化的话方差最大的指标会自动成为“第一主成分”。

import numpy as np def pca_on_indicators(X, var_threshold=0.83): """X: n×p 的理化指标原始矩阵（n 个酒样，p 个指标） 返回保留的主成分个数、累计方差贡献率、载荷矩阵 """ Z = (X - X.mean(axis=0)) / X.std(axis=0, ddof=1) # 标准化，式(1) R = np.corrcoef(Z, rowvar=False) # p×p 相关系数阵 eigvals, eigvecs = np.linalg.eigh(R) # 对称阵用 eigh 更稳 idx = np.argsort(eigvals)[::-1] eigvals, eigvecs = eigvals[idx], eigvecs[:, idx] ratio = eigvals / eigvals.sum() cum = np.cumsum(ratio) k = int(np.searchsorted(cum, var_threshold) + 1) # 红葡萄落到 8 return k, cum[k-1], eigvecs[:, :k], ratio[:k]

np.corrcoef而不是np.cov是关键：相关系数阵等价于对标准化数据求协方差，特征值之和等于指标个数 $p$，各主成分的方差贡献率才有“占比”的含义。eigh专门处理对称矩阵，比通用eig快且保证特征向量正交，避免复特征值。searchsorted找的是累计贡献率首次越过阈值的位置，本题红葡萄在 8 个主成分处达到 83.044%。

这 8 个主成分的含义，论文用正交旋转后的载荷来命名：第一主成分是葡萄总黄酮、总酚、DPPH 自由基和单宁的组合；第二主成分是总糖、可溶性固形物和干物质含量；第三是苹果酸与褐变度；第四是果皮质量与果穗质量；第五是色差 a* 与 b*；第六是可滴定酸与固酸比；第七是黄酮醇；第八是酒石酸。

这套命名在机理上是自洽的：前两个主成分分别对应“抗氧化活性”和“糖成熟度”，是酿酒葡萄最核心的两条品质轴；苹果酸与褐变度绑在一起，因为苹果酸代谢直接影响氧化褐变速率；色差 a*/b* 单独成分为颜色维度；可滴定酸与固酸比互为倒数关系，天然成对。八个主成分覆盖了 83% 的信息，剩下的 17% 被当作噪声舍弃。

注意一个容易翻车的点：主成分的“命名”是人给它贴的标签，不是算法输出。旋转之后载荷会重新分配，同一批数据换一种旋转方法，第三、第四主成分的构成可能对调。论文在正文里明确说“这组合说明……可能在同一方面起重要作用”，用了“可能”，这个措辞是对的。

3.2 层次分析赋权：8×8 判断矩阵与一致性检验

降维解决的是“指标太多”，但降维后的 8 个主成分也并非等权。论文接着用层次分析法确定权重，构建的指标体系是三层：一级指标 2 个（酿酒葡萄理化指标 $R_1$、葡萄酒质量 $R_2$），二级指标 $R_1$ 下 8 个主成分、$R_2$ 下 4 个品评维度（外观、香气、口感、整体），三级指标共 27 个（17 个理化 + 10 个品评）。

判断矩阵取 8×8，元素 $a_{ij}$ 表示因子 $i$ 相对因子 $j$ 的重要程度。矩阵第一行是 1.0000、1.1655、1.6571、1.9159、1.9311、2.0250、2.3020、2.7346，逐行递减，转置位置取倒数。求解最大特征向量并归一化，得到 27 维权向量，前几项为 0.025338、0.050677、0.037031、0.049375、0.098749……

一致性检验报告的结果是：最大特征根为 8，$CI=0.013$，$CR^{(1)}=CR^{(2)}=0$，组合一致性比率 $CR=0.029<0.1$。

这里有一个数值上的巧合值得指出：8 阶判断矩阵的最大特征根恰好等于阶数 8，这是一致性矩阵的精确特征——只有当 $a_{ij}=w_i/w_j$ 对所有 $i,j$ 严格成立时，$\lambda_{\max}$ 才正好等于 $n$。而论文同时报出 $CI=0.013$（对应 $\lambda_{\max}=8.091$），两个数并排放着并不自洽。实操中我一般会用幂法重新迭代一遍，把 $\lambda_{\max}$、$CI$、$CR$ 三个数从判断矩阵直接算出来，而不是分开引用。这类小瑕疵不影响方法本身，但会影响复现。

3.3 一致化、无量纲化与阶梯分级：把评价值压进 [0,1]

指标体系建好后，还有两道预处理。第一道是指标类型一致化：27 个三级指标里混着极大型（越大越好，如总酚）、极小型（越小越好）和中间型（落在某区间最好，如可滴定酸）。极小型用平移变换 $x'i=M_i-x_i$；中间型用分段线性变换，把 $[m_i,M_i]$ 映射成以中点为峰值的折线。第二道是无量纲化，用极差化 $x^*{ij}=\dfrac{x_{ij}-m_i}{M_i-m_i}$，把所有指标压进 $[0,1]$。

import numpy as np def composite_grade(X, w, thresholds=(0.8, 0.7, 0.6, 0.5, 0.4, 0.3, 0.2)): """X: n×27 的三级指标（已完成类型一致化）；w: 27 维 AHP 权重 返回综合评价值 y 与等级标签 """ X = np.asarray(X, float) lo, hi = X.min(axis=0), X.max(axis=0) Xn = (X - lo) / np.where(hi - lo == 0, 1, hi - lo) # 极差化，防零除 y = Xn @ np.asarray(w, float) / np.sum(w) # 线性加权求和 labels = ['7th', '6th', '5th', '4th', '3rd', '2sec', '1st', 'super'] # digitize 返回 0..7，对应从最差到最优，阈值升序 grade = np.array(labels)[np.digitize(y, thresholds[::-1])] return y, grade

np.where(hi - lo == 0, 1, hi - lo)这一行是防呆：如果某个指标在所有样本上取值相同（极差为零），直接除会得到 nan，一个 nan 会污染整行加权和。digitize的阈值必须升序传入，而论文的阶梯是从 0.8 往下排的，所以要thresholds[::-1]反转，否则索引会整体错位一级——这种错位不会报错，只会让所有样本的分级悄悄偏移一档，是最难查的一类 bug。

分级结果：27 个红葡萄样本中，23 号样品评价值 0.80，落在 super 区间，是唯一的特级；12 号样品 0.23，落入 6th，是最差的一个；其余样本大量集中在 2sec 和 3rd。这个分布本身是合理的——分级阈值是等距切的，而综合评价值在中间段样本最密，两头自然稀疏。

4. 两组变量的对话：典型相关分析与多元线性回归，凭什么敢用理化指标替代品酒员

第三、四问的方向反过来了：不再用指标算分数，而是问葡萄的理化指标和葡萄酒的理化指标之间是什么关系，以及这两组指标能不能反过来预测葡萄酒质量。前者是两组变量对两组变量，后者是多对一。

4.1 典型相关的骨架：先在组内白化，再在组间找最大相关

如果拿葡萄的每个指标去和葡萄酒的每个指标做简单相关，会得到几十个相关系数，且每个系数都忽略了组内其他变量的影响——总酚和单宁高度相关，它们各自与葡萄酒颜色的相关系数里混着对方的作用，单看哪一个都会高估。典型相关分析的做法是：在两组变量内部各找一个线性组合，让这两个组合之间的相关系数最大。

设葡萄侧指标为 $X=(X_1,\dots,X_p)'$，葡萄酒侧为 $Y=(Y_1,\dots,Y_q)'$，观测阵中心化后为 $Z=(X\ Y)$。标准化后算相关系数阵并分块：

$$R=\begin{bmatrix}R_{11}&R_{12}\R_{21}&R_{22}\end{bmatrix}$$

其中 $R_{11}$、$R_{22}$ 是组内相关，$R_{12}$、$R_{21}$ 是组间相关。构造 $A=R_{11}^{-1}R_{12}R_{22}^{-1}R_{21}$，求它的特征根 $\lambda_i^2$ 与特征向量，$\lambda_i$ 就是第 $i$ 个典型相关系数，典型变量为 $V_i=\alpha_i'X$、$W_i=\beta_i'Y$。

import numpy as np def canonical_correlation(X, Y, ridge=1e-8): """X: n×p 葡萄指标，Y: n×q 葡萄酒指标 返回典型相关系数（降序）与葡萄侧典型变量系数 """ Xc = (X - X.mean(0)) / X.std(0, ddof=1) Yc = (Y - Y.mean(0)) / Y.std(0, ddof=1) R = np.corrcoef(np.hstack([Xc, Yc]), rowvar=False) p, q = X.shape[1], Y.shape[1] R11, R12 = R[:p, :p], R[:p, p:] R21, R22 = R[p:, :p], R[p:, p:] # 岭正则：R11/R22 在强共线性下可能接近奇异，直接求逆会炸 R11 = R11 + ridge * np.eye(p) R22 = R22 + ridge * np.eye(q) M = np.linalg.solve(R11, R12) @ np.linalg.solve(R22, R21) eigvals, eigvecs = np.linalg.eig(M) order = np.argsort(eigvals.real)[::-1] lam = np.sqrt(np.clip(eigvals.real[order], 0, None)) # 典型相关系数 return lam, eigvecs[:, order].real

ridge那一行不是可有可无的装饰。$R_{11}$ 是 27 个葡萄指标的组内相关阵，里面存在成片的高相关块（总酚、单宁、黄酮同源），矩阵条件数很大，np.linalg.solve会给出数值上不稳定甚至符号翻转的解。加一个 $10^{-8}$ 量级的对角扰动，相当于在求逆前先把矩阵往正定方向推一点，代价是典型相关系数会有极小偏差，换来的是特征向量方向稳定、可解释。

np.clip(..., 0, None)处理的是数值噪声：理论上 $\lambda_i^2$ 非负，但浮点运算可能给出 $-10^{-16}$ 这样的值，不裁剪的话开方会得到 nan。

论文从典型相关里读出三条结论。第一条，增大酿酒葡萄果皮含量，对葡萄酒中 DPPH 半抑制体积含量的增加有重要影响——果皮是酚类物质的主要储库，浸渍过程把这些物质带进酒里。第二条，葡萄中的苹果酸不仅促进发酵，还对红葡萄酒起主要呈色作用的花色苷、以及对花色苷起辅色作用的单宁起保护作用。第三条，葡萄总黄酮的抗氧化作用与总酚的清除自由基作用叠加，把葡萄中的 DPPH 自由基转化为葡萄酒中的 DPPH 半抑制体积。

这三条不是从单个相关系数里挑出来的，而是从典型变量的系数符号和量级里读出来的——某个指标在典型变量里的系数大且符号为正，说明它对“这一对典型变量所刻画的相关方向”贡献大。这也是典型相关比简单相关更耐读的地方：它给出的是“组合对组合”的关系，而不是“一对一”的散点。

4.2 多元回归：先做指标筛选，再做样本外验证

第四问要论证“用葡萄和葡萄酒的理化指标评价葡萄酒质量是否可行”。这里有一个隐患：如果直接把两组理化指标全塞进回归，葡萄酒侧的某些指标（如酒精度、残糖）本身就和品评得分高度相关，模型会显得拟合很好，但这只是“用葡萄酒解释葡萄酒”，没有回答葡萄侧有没有增量信息。

论文的处理是先做筛选：保留葡萄酒指标，剔除酿酒葡萄指标中那些“可以被对应葡萄酒指标代表”的部分。比如葡萄总糖和葡萄酒酒精度、葡萄总酚和葡萄酒总酚，前者在发酵后基本转化进后者，两项同时进模型会造成严重共线性，回归系数会失真甚至反号。筛选后的指标集再建多元线性回归：

$$y=\beta_0+\sum_{i}\beta_i x_i+\varepsilon$$

验证方式是把样本随机分成两组，一组建方程，另一组做检验，再对检验组的模型评价值与真实评分做显著性差异检验。

import numpy as np import statsmodels.api as sm from scipy import stats # 随机划分样本组与检验组，固定随机种子保证可复现 rng = np.random.default_rng(2012) idx = rng.permutation(len(y)) train, test = idx[:18], idx[18:] X_train = sm.add_constant(X_selected[train]) # 加常数列，否则回归无截距 model = sm.OLS(y[train], X_train).fit() y_pred = model.predict(sm.add_constant(X_selected[test])) # 检验组：模型评价值与真实评分是否无显著差异 t_stat, p_val = stats.ttest_rel(y_pred, y[test])

sm.add_constant是必须的，OLS默认不自动加截距，漏掉会强制回归线过原点，系数整体偏移。ttest_rel是配对 t 检验，这里检验的是“预测值和真实值之间有没有系统性偏差”——$p$ 值大（不拒绝原假设）反而是好消息，说明模型没有系统性高估或低估。

论文最终报告，检验组的线性回归模型评价值与评分值之间无显著性差异，因此“用葡萄和葡萄酒的理化指标来评价葡萄酒的质量是可行的”。这个结论的措辞很克制：可行，不代表精确。回归方程解释的是方差的一部分，剩下的部分仍然留给品酒员。

5. 避坑：这几步最容易翻车的地方

这套流程走下来，每一步都有“能跑通但结论不对”的岔路。下面五条是复盘时最容易踩的，每条按现象、原因、解决来写。

5.1 缺失值一律用均值填，方差被悄悄压扁

现象：清洗后的评分数据看起来干净了，但后续 K-S 检验的 p 值异常大，显著性检验也更容易“不显著”。

原因：均值替换把缺失位置填成了中心值，等于人为增加了中心附近的样本、减少了尾部样本，方差被系统性低估。缺失比例越高，这种压缩越明显；如果缺失本身不是完全随机（比如某位评酒员对难喝的酒干脆不填），偏差会带方向性。

解决：先统计缺失比例。低于 5% 且分散在不同酒样上，均值替换可以接受；超过 10% 或集中出现在某位评酒员身上，改用多重插补，或者直接剔除该评酒员整列。做完填补后，对比“填补前”和“填补后”的方差，差距超过 10% 就要重新考虑策略。

5.2 K-S 检验的 p 值大，被当成“数据服从正态分布”的证明

现象：看到 $p=0.525>0.05$，就写“数据服从正态分布”，后面直接用参数检验。

原因：K-S 检验的原假设是“样本来自指定分布”，$p$ 值大只是“没有足够证据拒绝”，不等于“证明了”。样本量小的时候检验功效低，任何分布都容易被判为“不拒绝”。而且用样本估计的均值和标准差代入检验，本身就会让 p 值偏大。

解决：把正态性检验当成“排除明显偏离”的筛子，而不是“确认正态”的证书。样本量小于 30 时，配合 P-P 图或 Q-Q 图人工看散点是否成直线；同时无论检验结果如何，都优先选对分布假设不敏感的方法——这道题选 Wilcoxon 而不是配对 t 检验，就是这个思路。

5.3 肯德尔 W 的组间差距，被当成“谁更可信”的判决

现象：两组 $W$ 值分别是 0.0444 和 0.0433，差 0.001，据此判定第一组更可信，然后把该组分数当作后续建模的唯一标签。

原因：$W$ 的绝对值只有 0.04 量级，本身就说明十位评酒员的排序一致性极弱；两组差距落在第三位小数上，很可能只是抽样噪声。更关键的是，$\chi^2=m(j-1)W$ 算出来只有 11 上下，而自由度 26 的卡方分布在 0.05 水平下临界值约为 38.9，四组全部不显著。统计上根本支撑不起“某一组可信”的结论。

解决：报 $W$ 值的同时必须报 $\chi^2$ 和临界值，明确写出“是否拒绝评分互不相关的原假设”。如果所有组都不显著，就把结论降级为“相对比较”，并在后续模型里保留这种不确定性的影响——比如用两组分数的均值做敏感性分析，看分级结果会不会翻转。

5.4 旋转后的主成分命名，被读成生化机理

现象：把“第三主成分 = 苹果酸 + 褐变度”直接写成“苹果酸导致褐变”，并在结论里当作发现。

原因：主成分是线性组合，载荷是人根据数值大小贴的标签。正交旋转会重新分配方差，同一批数据换一种旋转方法，成分构成可能整体挪位。载荷大只说明“这几个指标在数据上共变”，不说明因果方向。

解决：命名时保留“组合”二字，写成“苹果酸与褐变度的组合”，而不是“苹果酸导致褐变”。要谈机理，得回到生化通路去论证，或者用典型相关、回归这类能给出方向的方法交叉验证。这道题第三问用典型相关去追机理，就是对主成分命名的补强。

5.5 AHP 判断矩阵的一致性检验，被当成方法可靠性的证明

现象：$CR=0.029<0.1$，就认为权重客观可信，直接用于加权。

原因：一致性检验只检验“判断矩阵内部的传递性有没有自相矛盾”（比如 A 比 B 重要、B 比 C 重要，那么 A 必须比 C 重要），它完全不检验“A 比 B 重要”这个判断本身对不对。判断矩阵的元素是人填的，主观性在填数那一刻就注定了。加上论文报告的最大特征根恰好等于阶数 8，与 $CI=0.013$ 在数值上不自洽，说明这几个数至少有一个需要复核。

解决：把 AHP 权重当作“一组可调的参数”，而不是“客观真值”。做法是敏感性分析：把权重向量在 ±20% 范围内随机扰动若干次，重跑综合评价，看分级结果中处于阈值边界附近的样本会不会跳级。跳级比例低，说明结论稳健；跳级比例高，就要

本文还有配套的精品资源，点击获取