SPSSAU_综合评价_多维尺度MDS.pdf

SPSSAU-在线SPSS分析软件

多维尺度MDS多维标度多维缩放SPSSAU

多维尺度MDS

Contents

1背景2

2理论2

3操作3

4SPSSAU输出结果4

5文字分析4

6剖析5

多维尺度（multidimensionalscaling,MDS），是一种将研究对象之间距离或者不相似度的直

观展示，较为典型的研究对象是地理位置，当然也可以是观点、颜色等任意各类实体或抽象概

念，比如茶的口味不相似情况。多维尺度的目的是将距离进行可视化展示。

多维尺度MDS通常分为两类，分别是度量MDS（metricmultidimensionalscaling,mMDS）

和非度量MDS（nonmetricmultidimensionalscaling,nMDS）。二者的使用上，通常情况下，如果

研究对象之间的距离代表其真实距离，那么使用度量MDS较为适合，而且此类距离通常可选

择使用欧式距离进行计算，如果研究对象之间的距离代表次序（即相对距离非真实距离，比如

成绩排名），那么使用非度量MDS较为适合。

SPSSAU-在线SPSS分析软件

多维尺度MDS案例

Contents

1背景2

2理论2

3操作3

4SPSSAU输出结果4

5文字分析4

6剖析5

1背景

当前有中国有8大核心城市的距离数据，希望使用多维尺度法直观展示该8大城市的距离

情况，数据如下图所示：

图中右下角数据为1，其代表自己，以及数据呈现出完全对称关系。上述数据中数字代表

实际距离，因而应该使用‘度量MDS法’，并且数据格式为n*n格式。可选择‘计算欧氏距离’。

2理论

多维尺度MDS涉及2种类型，分别是度量MDS和非度量MDS，以及SPSSAU支持两种数

据格式。具体如下事例说明：

如果研究的是‘饮料口味相似度’，类似下图这样的n*n结构数据，数字代表的距离只是一种

‘次序’非实际距离（比如coffee和milk之间的数字为6代表距离较远，但beer和wine之间的数

字为1代表距离非常近），此类数据一般使用‘非度量MDS’法，数据格式为n*n结构数据；

SPSSAU-在线SPSS分析软件

除此之外，还有一种数据为‘原始数据’格式，比如研究中国31省市在8个维度的消费情

况，以便可视化呈现各省市居民的相似情况，如下图所示：

上图展示中国31省市在8个维度上的消费数据，数字代表实际消费情况，因此此类数据应

该使用‘度量MDS’，而且选中‘计算欧氏距离’，而且上述图中数据格式为‘原始数据’格式，其并

非n*n格式数据。

3操作

本例子操作如下：

SPSSAU-在线SPSS分析软件

由于数字为实际距离值，因而使用‘度量MDS’法，并且选中‘计算欧式距离’，以及当前数

据格式为n*n格式。

4SPSSAU输出结果

SPSSAU共输出2个表格和1个图。分别如下说明：

表格或图说明

基本参数设置即模型的基本设置参数情况

模型维度数据结果可视化图维度的坐标数据

MDS距离模型MDS距离模型可视化图

5文字分析

基本参数设置

MDS方法类型数据格式是否计算欧式距离维度数量

度量MDSn*n格式