《表6 回归方程系数显著性分析》
注:*.差异显著(P<0.05),**.差异极显著(P<0.01)。
通过探讨底物质量分数、时间、压力、pH值、温度对ACE抑制率的影响可知,温度对ACE抑制率的影响不明显,故在35℃时选择其他4个因素设计响应面试验(表5)。应用Design-Expert软件对表5所得的试验数据进行回归分析,得到的二次多元回归模型如下:Y=72.03-5.29A-0.87B-7.21C+11.65D+3.43AB+5.81AC-0.32AD-0.33BC-2.43BD-8.11CD-16.86A2-10.63B2-21.64C2-16.70D2(Y为ACE抑制率的预测值)。由表6可知,回归模型极显著(P<0.000 1),R2和R2Adj分别为0.997 1和0.994 2,说明模型对试验拟合良好,失拟项不显著,表明该模型能够较好地反映实际情况;CV值越低,说明模型的置信度越高[38]。本实验的CV值只有2.88%,表明置信度较高,模拟方程能够较好的反应真实实验值,可以用该模型来分析响应面的变化[39]。回归方程各项方差分析表明,A、B、C、D、AB、AC、BD、CD、A2、B2、C2、D2对ACE抑制率有显著的影响(P<0.05),各因素对ACE抑制率的影响依次是pH值、压力、底物质量分数和时间。
图表编号 | XD00123408800 严禁用于非法目的 |
---|---|
绘制时间 | 2020.02.25 |
作者 | 刘子毅、顾丰颖、王博伦、张帆、刘昊、王锋 |
绘制单位 | 中国农业科学院农产品加工研究所农业部农产品加工综合性重点实验室、中国农业科学院农产品加工研究所农业部农产品加工综合性重点实验室、中国农业科学院农产品加工研究所农业部农产品加工综合性重点实验室、中国农业科学院农产品加工研究所农业部农产品加工综合性重点实验室、中国农业科学院农产品加工研究所农业部农产品加工综合性重点实验室、中国农业科学院农产品加工研究所农业部农产品加工综合性重点实验室 |
更多格式 | 高清、无水印(增值服务) |