Análise estatística multivariada aplicada à avaliação sensorial de alimentos

Abstract

Os dados experimentais obtidos por YOKOTA (2005), referentes a 14 cachaças envelhecidas, avaliadas quanto a 13 atributos sensoriais pelo método Análise Descritiva Quantitativa (ADQ), foram submetidos à análise estatística pelas técnicas multivariadas: variáveis canônicas, análise de componentes principais e análise de fatores. Apresentou-se os programas necessários para execução dos procedimentos estatísticos no sistema Statistical Analysis System (SAS) e enfatizou-se, além dos referidos procedimentos, a interpretação e discussão dos resultados. O objetivo do presente trabalho foi detalhar a aplicação das referidas técnicas multivariadas na análise de dados provenientes da avaliação sensorial descritiva. O texto desta tese foi redigido em três artigos, cada um ilustra uma das técnicas e apresenta os programas para execução das análises no SAS, independentemente. A conclusão de cada artigo relaciona os resultados obtidos com os dos outros artigos. Observou-se, pelos resultados, que as três técnicas foram eficientes, pois permitiram a redução no conjunto de informação de 13 atributos para um número bem menor de dimensões e estas retiveram a maior proporção da variância total dos dados originais. Em variáveis canônicas foram necessárias apenas duas dimensões (duas variáveis canônicas) que retiveram 91,58% da variância. Em componentes principais e análise de fatores houve a redução para quatro dimensões (componentes ou fatores) que retiveram 88,69% da variância. Foi possível, também, avaliar a importância ou influência dos atributos sobre as primeiras dimensões consideradas na caracterização e comparação entre as cachaças. Nas três análises, a primeira e a segunda dimensão foram influenciadas por atributos relacionados à madeira e ao teor alcoólico, respectivamente. Ficou, então, evidenciado que os resultados das três técnicas foram equivalentes e que o teor alcoólico e as características atribuídas pela madeira são importantes na avaliação de cachaça envelhecida. A análise por variáveis canônicas apresentou algumas vantagens em relação aos componentes principais, ou seja, as primeiras variáveis canônicas retiveram maior proporção da varAnálise estatística multivariada aplicada à avaliação sensorial de alimentosiância do que os primeiros componentes e o agrupamento entre as cachaças similares foi mais consistente. Portanto, recomenda-se que para avaliar dados obtidos por Análise Descritiva Quantitativa, em que as informações são obtidas com repetições, seja utilizada preferencialmente a análise por variáveis canônicas. Já a análise por componentes principais é mais apropriada para conjuntos de dados sem repetições, ou seja, em que há apenas uma observação por variável em cada indivíduo avaliado. A rotação efetuada na análise de fatores facilitou a interpretação dos resultados em comparação à analise de componentes principais. Porém, não se pode dizer que a análise de fatores seja melhor, pois estas técnicas não são concorrentes. Enquanto na análise de componentes principais a ênfase é explicar a variância, na análise de fatores o objetivo é tentar explicar as covariâncias. Os resultados obtidos no presente estudo foram satisfatórios para as três técnicas empregadas, o que nos leva a concluir pela recomendação do emprego de tais técnicas a outros dados também obtidos por Análise Descritiva Quantitativa, com as seguintes ressalvas: (a) aplicar variáveis canônicas e análise de fatores preferencialmente à análise de componentes principais; (b) verificar se os resultados serão satisfatórios no sentido de permitir concluir conforme o presente estudo.

This work illustrates the application of three multivariate techniques, factor analysis, principal component analysis and analysis by canonical variables, applied to sensory evaluation of food. The data used was obtained by YOKOTA (2005), who evaluated 14 commercial cachaça brands in relation to 13 sensory attributes, using Quantitative Descriptive Analysis (QDA). The programs necessary to apply the statistical procedures using the Statistical Analysis System (SAS) were presented and emphasis was given to interpretation and discussion of the results. The goal of the present work was to furnish details on how to apply these multivariate techniques to analyses data obtained from descriptive sensory evaluation of food. This thesis comprised three articles, each one illustrating one of the techniques applied and presenting the programs to run SAS analysis. The conclusion of each article provides the results presented in the other articles. The results showed that the three techniques were efficient as they allowed the reduction of 13 attributes to a smaller dimension, still retaining a large proportion of the variance from the initial dataset. Canonical variables analysis showed that only two canonical variables retained 91.58% of the total variance, while principal component analysis and factor analysis showed that only four dimensions (components or factors) retained 88.69% of the total variance. It was also possible to evaluate the importance or influence of the attributes on the first dimensions considered in the characterization and comparison of the cachaça brands. Attributes related to wood and alcoholic content, respectively, influenced the first and second dimensions in all three analyses. Results from the three techniques were equivalent in that they all showed that wood attributes and alcoholic content are important when evaluating aged cachaça. Canonical variables analysis had some advantages over the principal component analysis since the first canonical variables retained a greater proportion of the total variance than the first principal components, with the clustering of the brands into groups being more consistent. It was concluded that canonical variables analysis should be used for data with repetitions, i.e., when for each attribute, more than one observation is available per subject (cachaça brand in our study). On the other hand, principal component analysis should be used when there are no repetitions. Although principal components and factor analysis are not competing techniques, the rotation applied in factor analysis did help the interpretation of results. While in principal component analysis, emphasis is on explaining variances, in factor analysis the goal is to explain co-variances. The results obtained in the present study were satisfactory for the three techniques used. Thus, the use of these techniques to other data also obtained by Quantitative Descriptive Analysis is recommended, with the following observations: (a) canonical variables and factor analysis should be applied instead of principal component analysis; (b) verify if satisfactory results were obtained.