番茄货架寿命的预测根据感官评定的结果，将得到的感官因子进行线性回归，获得回归方程，同时，以各项评分分值3代入因子计算公式，求得切分点，再代入时间－感官因子直线回归方程，从而获得货架寿命，根据Q10公式，进行不同温度货架寿命的预测，预测公式为：Q10（T0－T）／10＝Qs（T）Qs（T0）式中：QsD货架寿命，d；T0＞T。
原来4个变量的全部信息可由两个主成分（特征值2.493842＋1.097554≈3.5个变量）反映89.78％，这说明提取这两个主成分因子就可以了。对于感官评分的结果，同样也是利用因子分析，得到因子分析的结果见表4，在296K条件下：F（因子）＝0.956150Z（色泽）＋0.997310Z（质地）＋0.980505Z（外观）＋0.981870Z（气味），累积贡献率（反映原变量的程度）为95.86％，在感官评定中，番茄在第9天以后质地又由软变硬，观察内部有粗糙纤维质出现，所以数据分析只取9d。
在286K条件下：F（因子）＝0.961742Z（色泽）＋0.954273Z（质地）0.954427Z（外观）＋0.985776Z（气味），累积贡献率为92.96％。在276K条件下：F（因子）＝0.956873Z（色泽）0.984164Z（质地）0.991342Z（外观）0.987750Z（气味），累积贡献率为96.06％。不论是理化因子函数还是感官因子函数中的表示的都是主成分无量纲数据，没有确切意义。
理化和感官品质因子相关矩阵分析相关矩阵分析（CorrelationMatrices）是研究两组及两组以上变量间密切程度的一种常用统计方法，而在本次实验中运用的是皮尔逊积矩相关分析（PearsonProduct－MomentCorrelation），理化指标的品质因子与感官指标的品质因子密切程度可以由相关系数（Cor－relationCoefficients）或统计量来描述，相关系数越趋近于1表明两者越密切，说明感官数据能结合理化指标反映番茄品质变化。研究中将不同温度下理化指标的综合因子与感官指标的综合因子进行相关分析，并进行一次线性拟合，其结果见￣：（可溶性固形物）＋0.86516Z（pH值），累积贡献率为80.01％。F因子同时支配着4个指标。在276K条件下，提取了2个主成分：F1（因子1）＝0.942350Z（可溶性糖）－0.734228Z（色差a＊值）－0.475420Z（可溶性固形物）－0.745760Z（pH值）；F2（因子2）＝－0.230603Z（可溶性糖）－0.415263Z（色差a值）－0.864338Z（可溶性固形物）0.433564Z（pH值），累积贡献率为84.24％。
在置信度95％范围内，在296K条件下，理化F2因子与感官因子有较好的相关性；在286K条件下，同样如此；在276K条件下，理化F2因子与感官因子有较好的相关性。由此可以看出实验中所设计的感官指标的变化可以正向或反向表现一定理化指标的变化，并且反映番茄的品质变化。