2.8. Data analysisFor a visual anal

2.8. Data analysis

For a visual analysis of the data, principal component analysis (PCA) (PRINCOMP procedure, SAS software, Cary, NC, USA) was performed on mean centered and standardized (unit variance scaled) data prior to analysis. The data matrix submitted to PCA was made up of 12 observations e 3 products (raw carrots, common and mild jams) 4 carrot types (commercial carrot, orange, yellow and purple local landraces) e and 11 physicochemical variables e 4
color parameters (L*, a*, b*, h ) and 7 chemical properties (Na, K, Mg,
Ca, total phenols, antioxidant activity, b-carotene content). PCA was applied in order to obtain an interpretable overview of the main information. To detect statistical significance, ANOVA was applied (GLM procedure, SAS software) and means were separated by the StudenteNewmaneKeuls (SNK) test.

ผลลัพธ์ (ไทย) 1:

2.8 วิเคราะห์ข้อมูล

สำหรับวิเคราะห์ภาพของข้อมูล ทำการวิเคราะห์ส่วนประกอบหลัก (PCA) (ขั้นตอน PRINCOMP, SAS ซอฟต์แวร์ แครีแกรนต์ NC, USA) ตามค่าเฉลี่ยกึ่งกลาง และมาตรฐาน (ปรับผลต่างหน่วย) ข้อมูลก่อนการวิเคราะห์ เมตริกซ์ข้อมูลส่งให้สมาคมทำค่าสังเกต 12 e 3 ผลิตภัณฑ์ (ดิบแครอท แยมอ่อน และทั่วไป) แครอท 4 ชนิด (พาณิชย์แครอท ส้ม อีสีเหลือง และสีม่วงภายใน landraces) และตัวแปร physicochemical 11 e 4
สีพารามิเตอร์ (L * การ *, b * h) และคุณสมบัติทางเคมี 7 (Na, K, Mg,
Ca, phenols รวม กิจกรรมการต้านอนุมูลอิสระ เนื้อหาบีแคโรทีน) ใช้ PCA เพื่อภาพรวมของข้อมูลหลัก interpretable การตรวจ significance ทางสถิติ การวิเคราะห์ความแปรปรวนถูกใช้ (กระบวนการ GLM ซอฟต์แวร์ SAS) และหมายถึงถูกคั่น โดยการทดสอบ StudenteNewmaneKeuls (เอสเอ็นเค)

ผลลัพธ์ (ไทย) 3:

2.8 .

สำหรับการวิเคราะห์ข้อมูลการวิเคราะห์ภาพของข้อมูล การวิเคราะห์องค์ประกอบหลัก ( PCA ) ( ขั้นตอน princomp แซส ซอฟต์แวร์ แครี่ , NC , USA ) คือใช้หมายถึงศูนย์กลางและมาตรฐาน ( หน่วย ( ปรับขนาด ) ข้อมูลก่อนการวิเคราะห์ ข้อมูล เมทริกซ์ส่ง PCA ประกอบด้วย 12 สังเกต E 3 ผลิตภัณฑ์ ( แครอทดิบทั่วไป และไม่รุนแรง แยมแครอท ( แครอท ) 4 ชนิด พาณิชย์สีส้มสีเหลืองและสีม่วง landraces ท้องถิ่น ) และ 11 และตัวแปร E 4
ค่าสี ( L * , a * , b * H ) และ 7 สมบัติทางเคมี ( Na , K , Ca , Mg ,
, ฟีนอลสารต้านอนุมูลอิสระทั้งหมด , กิจกรรม , - เนื้อหา ) PCA มาใช้เพื่อให้ได้ภาพรวม interpretable ของข้อมูลหลัก ตรวจสอบสถิติ signi จึงแคนส์ , ANOVA ใช้ glm ( กระบวนการ ,แซส ซอฟต์แวร์ ) และวิธีการแยกโดย studentenewmanekeuls
( SNK ) ทดสอบ