For a visual analysis of the data,

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 observationse3 products (raw carrots, common and
mild jams)4 carrot types (commercial carrot, orange, yellow and
purple local landraces)eand 11 physicochemical variablese4
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:

สำหรับการวิเคราะห์ภาพของข้อมูล analysis
(PCA) ส่วนประกอบหลัก (PRINCOMP ขั้นตอน ซอฟต์แวร์ SAS แครีแกรนต์ NC, USA) ถูก
การเฉลี่ยกึ่งกลาง และมาตรฐาน (หน่วยต่าง
ปรับ) ข้อมูลก่อนการวิเคราะห์ เมตริกซ์ข้อมูลส่งให้สมาคมถูก
ขึ้น 12 ผลิตภัณฑ์ observationse3 (ดิบแครอท ทั่วไป และ
แยมอ่อน) ชนิดแครอท 4 (พาณิชย์แครอท ส้ม เหลือง และ
สีม่วงภายใน landraces) eand 11 variablese4 physicochemical
สีพารามิเตอร์ (L
*
, การ
*
, b
*
, h

) และคุณสมบัติทางเคมี 7 (Na, K, Mg,
Ca, phenols รวม กิจกรรมการต้านอนุมูลอิสระ เนื้อหาบีแคโรทีน) PCA ถูก
ใช้เพื่อภาพรวมของหลัก interpretable
ข้อมูล การตรวจสอบนัยสำคัญทางสถิติ การวิเคราะห์ความแปรปรวนใช้
(GLM ขั้นตอน ซอฟต์แวร์ SAS) และพาหนะที่ถูกคั่นด้วยการ
การทดสอบ StudenteNewmaneKeuls (เอสเอ็นเค)

ผลลัพธ์ (ไทย) 2:

สำหรับการวิเคราะห์ภาพของข้อมูลการวิเคราะห์องค์ประกอบหลัก
(PCA) (ขั้นตอน PRINCOMP ซอฟต์แวร์ SAS, แครี, อร์ทแคโรไลนา, สหรัฐอเมริกา) ได้รับการ
ดำเนินการเกี่ยวกับความหมายเป็นศูนย์กลางและได้มาตรฐาน (หน่วยความแปรปรวน
ปรับ) ข้อมูลก่อนที่จะมีการวิเคราะห์ เมทริกซ์ข้อมูลส่งไปยัง PCA ถูก
สร้างขึ้นจาก 12 observationse3 ผลิตภัณฑ์ (แครอทดิบที่พบบ่อยและ
ติดขัดอ่อน) 4 ประเภทแครอท (แครอทเชิงพาณิชย์, สีส้ม, สีเหลืองและ
สีม่วง landraces ท้องถิ่น) eand 11 ทางเคมีกายภาพ variablese4
ค่าสี (L
*
,
*
, b
*
, H
?
) และ 7 คุณสมบัติทางเคมี (นา, K, Mg,
Ca, ฟีนอลรวมสารต้านอนุมูลอิสระเนื้อหา b แคโรทีน) PCA ถูก
นำมาใช้เพื่อให้ได้ภาพรวมของหลัก interpretable
ข้อมูล ในการตรวจสอบอย่างมีนัยสำคัญทางสถิติ ANOVA ถูกนำมาใช้
(ขั้นตอน GLM ซอฟต์แวร์ SAS) และวิธีการที่ถูกแยกจากกันโดย
StudenteNewmaneKeuls (เอส) แบบทดสอบ

ผลลัพธ์ (ไทย) 3:

สำหรับการวิเคราะห์ภาพของข้อมูล การวิเคราะห์องค์ประกอบหลัก ( PCA )
( ขั้นตอน princomp แซส ซอฟต์แวร์ แครี่ , NC , USA )
) หมายถึงศูนย์กลางและมาตรฐาน ( หน่วยความแปรปรวน
ปรับขนาด ) ข้อมูลก่อนการวิเคราะห์ ข้อมูล เมทริกซ์ส่ง PCA เป็น
ขึ้น 12 ผลิตภัณฑ์ observationse3 ( แครอทดิบทั่วไปและ
อ่อนติด  4 ประเภท ( เชิงพาณิชย์ ) แครอท แครอท ส้ม เหลือง และ
สีม่วง landraces ท้องถิ่น ) eand 11 และ variablese4
สีพารามิเตอร์ ( L
*
,
*
B
*
H

 ) และ 7 สมบัติทางเคมี ( Na , K , Ca , Mg ,
, ฟีนอลสารต้านอนุมูลอิสระทั้งหมด , กิจกรรม , - เนื้อหา ) PCA เป็น
ประยุกต์เพื่อให้ได้ภาพรวม interpretable ของข้อมูลหลัก

การตรวจสอบสถิติ การวิเคราะห์ความแปรปรวน ( ANOVA ) ใช้
( ขั้นตอน glm แซส ซอฟต์แวร์ ) และวิธีการแยกโดย
studentenewmanekeuls ( SNK ) ทดสอบ