Использование модели логит регрессии для идентификации фальсификатов вин

Abstract

Работа посвящена актуальной проблеме - оценке возможности использования метода бинарных откликов - модели логит регрессии для идентификации фальсификатов вин. При описании статистических характеристик использованной выборки образцов натуральных вин и фальсификатов наряду со средним арифметическим значением и стандартным отклонением рассмотрены их непараметрические аналоги - медиана, нижняя и верхняя квартили. Результаты исследований межгрупповой неоднородности натуральных вин и фальсификатов по содержанию в них летучих веществ (ацетальдегида, этилацетата, метанола, высших спиртов, уксусной кислоты, фурфурола) явились предпосылкой разработки модели логит регрессии для идентификации фальсификатов по данным химического анализа. Об адекватности построенной модели свидетельствуют результаты сравнения классификации категорий образцов, предсказанных по модели бинарных откликов с исходными категориями в выборке. Разработан алгоритм и построена программа, позволяющая по содержаниям ацетальдегида, этилацетата, метанола, суммарного содержания высших спиртов, уксусной кислоты, фурфурола автоматизировать процедуру идентификации вина (фальсификатов).

Current investigation is devoted to an actual problem - an assessment of the possibility of employing a binary responses method - logit regression model to identify the falsification of wines. The description of the statistical characteristics of the natural wines samples and counterfeits with their respective arithmetic mean values, standard deviations and nonparametric analogues - medians, inferior and top quartiles are considered. Research results for the intergroup heterogeneity of natural wines and counterfeits based on their volatiles content (acetic aldehyde, ethyl acetate, methanol, higher alcohols, acetic acid, furfural) were the prerequisite for the development of the logit regressions model to identify the falsifications by chemical analysis. The adequacy of the constructed model is demonstrated by comparing the result classification categories of the samples predicted by the model of binary responses with the original categories in the sample. The algorithm and the corresponding program are developed that allow for the values of acetic aldehyde, ethyl acetate, methanol, total contents of higher alcohols, acetic acid and furfural to be used in automating wines / counterfeits identification procedure.