XLSTAT: Análisis de STATIS en Excel

 

Contexto

El método STATIS es un análisis de datos multiconfiguración que se utiliza comúnmente en el análisis sensorial. Las configuraciones representan a los distintos evaluadores, sujetos o jueces. Este método puede utilizarse especialmente en el caso del mapeo proyectivo / Napping, el perfilado convencional o el perfilado de libre elección. El gran interés de STATIS radica en que las configuraciones atípicas tienen un peso menor que las configuraciones centrales. Por lo tanto, el análisis refleja mejor el punto de vista general y no el de aquellas configuraciones atípicas.

 

Conjunto de datos del ejemplo

Los datos proceden de un estudio de mapeo proyectivo / Napping realizado en Rennes por AGROCAMPUS OUEST. Ocho smoothies fueron degustados por 24 sujetos (panelistas) y posteriormente colocados sobre un mantel. Las coordenadas se recogieron para el análisis STATIS. Si un panelista considera que dos productos son similares, estos se colocan cerca uno del otro sobre el mantel, por lo que tienen coordenadas similares. El archivo original puede obtenerse mediante el paquete SensoMineR de R.

El objetivo de este articulo es estudiar y visualizar las relaciones entre los smoothies, así como determinar el grado de acuerdo entre los sujetos.

 

Configuración

• Abra XLSTAT.

• Haga clic en el menú Sensory profiling y seleccione la función STATIS.

• Aparecerá el cuadro de diálogo de STATIS.

En la pestaña General:

• Seleccione los datos en la hoja de Excel del archivo de demostración que corresponden a las configuraciones (una configuración corresponde aquí al conjunto de coordenadas proporcionadas por un sujeto).

• Establezca el número de configuraciones en 24 sujetos.

• Dado que cada configuración tiene 2 variables, indique a XLSTAT que el número de variables es constante seleccionando la opción Equal. Si el número de variables es diferente para al menos una configuración, deberá seleccionar una columna que contenga el número de variables para cada configuración.

• Active las opciones Variable labels y Object labels (en nuestro caso, los smoothies).

En la pestaña Opciones:

• Elija Escalamiento global para evitar el efecto de escala. Dado que todas las variables están en la misma escala dentro de cada configuración, no es necesario reducir las variables.

En la pestaña Resultados:

• Elija mostrar la matriz RV, así como el RV entre las configuraciones y el consenso, para disponer de indicadores de proximidad entre los sujetos.

En la pestaña Gráficos:

• Deje las opciones por defecto.

• Haga clic en el botón OK para iniciar los cálculos.

Los resultados se muestran en una nueva hoja de Excel.

 

Interpretación de los resultados

En este ejemplo, el porcentaje de variabilidad representado por los dos primeros factores no es muy alto (68,43 %). El siguiente gráfico es el principal objetivo de STATIS: representar las observaciones en un mapa bidimensional y, de este modo, identificar las proximidades. Por ejemplo, se observa que los smoothies “Casino_PBC” e “Innocent_PBC” se perciben como cercanos, pero son muy diferentes de “Casino_SRB”.

Si estamos interesados en dos sujetos (panelistas) en particular, resulta útil observar la matriz RV, que proporciona el coeficiente RV entre cada sujeto (este coeficiente está entre 0 y 1 y aumenta con la proximidad entre los sujetos). Aquí se observa que el sujeto 1 tiene una opinión muy similar a la del sujeto 2, pero muy diferente de la del sujeto 4 (que presenta valores de RV bajos con muchos otros sujetos).

Puede ser muy importante evaluar la proximidad de un sujeto con respecto a todos los demás, es decir, el punto de vista global reflejado por el consenso. Así, el siguiente gráfico de barras muestra que el sujeto 4 es bastante atípico, a diferencia de los sujetos 18 o 23.

Por último, el siguiente gráfico muestra los residuos por objeto, lo que indica qué objetos fueron colocados de manera similar por los sujetos, como el smoothie “Innocent_PBC”, o de forma más diferente, como el smoothie “Carrefour_SB”.

Finalmente, el gráfico siguiente presenta los residuos por objeto, lo que indica qué objetos fueron colocados de la misma manera por los sujetos, como el batido "Innocent_PBC", o de manera más bien diferente, como el batido "Carrefour_SB".