多维标度（英語：multidimensional scaling，缩写：MDS），又译多维尺度，又稱相似度结构分析（similarity structure analysis），属于多重变量分析的方法之一，是社会学、数量心理学、市场营销等统计实证分析的常用方法。
假設 编辑
- 有許多特徵是互相關聯的，而受測者原本並不知道其特徵為何。
- 存在著這樣一個空間：它的正交軸是欲尋找的特徵。
- 这个特征空间满足这个要求：相似的对象能以相对较小的距离描摹出来
目的 编辑
多维标度是一个探索性的过程方法
- 减少（观察）项目
- 如果可能，在数据中揭示现有结构
- 揭示相关特征
- 寻找尽可能低维度的空间（“最小化条件”）
- 空间必须满足“单调条件”
- 解释空间的轴，依照假设提供关于感知和评判过程的信息
应用领域 编辑
与其他多变量分析方法的比较 编辑
- 相同：通过归因于少数几个不相關的特征来减少数据
- 不同：多维标度仅仅需要相似性或者距离，而不需要相关性（因子分析需要相关性）
- 如果仅仅对因子值感兴趣，可以用作因子分析的替代方法
- 相同：把对象分组
- 不同：聚类分析把观测到的特征当作分组标准，而多维标度仅仅取用感知到的差异
- 为划分类别提供实际的支持
相似（度）矩阵 编辑
| 红色 | 橙色 | 黄色 | 绿色 | 蓝色 | 紫色 |
| 红色 | - |
| 橙色 | 6 | - | | | |
| 黄色 | 8 | 0 | - | | |
| 绿色 | 10 | 8 | 9 | - | |
| 蓝色 | 10 | 10 | 10 | 6 | - |
| 紫色 | 0 | 7 | 10 | 9 | 7 | - |
相似度矩阵举例（数字越小表示越相似）
例如，10个对象，2维空间，坐标个数则为10×2=20，“相似度”的个数为C102=45，数据压缩系数=相似度的个数÷坐标个数=45÷20=2.25（数据压缩系数要大于等于2才可接受，否则不能做多维标度分析）
数据采集的困难和问题 编辑
间接（数据）采集方法 编辑
完全排序法 编辑
Cn2对“相似度”进行排序，最相似的一对得到序数1，最不相似的一对得到序数Cn2
锚点法 编辑
评级法（Rating） 编辑
与“完全排序法”不同的是，虽然最相似的一对得到序数1，但是可以有多于一对得到相同的序数，最不相似的一对也不一定会依序得到Cn2
各种多维标度 编辑
简单多维标度 编辑
迭代多维标度 编辑
加权多维标度 编辑
对各维度进行不同的加权
多维展开（Multidimensional unfolding） 编辑
多维标度方法 编辑
（古典）公制（多维）标度 编辑
非公制多维标度 编辑
评价 编辑
参见 编辑
外部链接 编辑
多维标度, 英語, multidimensional, scaling, 缩写, 又译多维尺度, 又稱相似度结构分析, similarity, structure, analysis, 属于多重变量分析的方法之一, 是社会学, 数量心理学, 市场营销等统计实证分析的常用方法, 目录, 假設, 目的, 应用领域, 与其他多变量分析方法的比较, 因子分析, 聚类分析, 所使用的标量类型, 相似, 矩阵, 数据采集的困难和问题, 间接, 数据, 采集方法, 完全排序法, 锚点法, 评级法, rating, 各种, 简单,. 多维标度 英語 multidimensional scaling 缩写 MDS 又译多维尺度 又稱相似度结构分析 similarity structure analysis 属于多重变量分析的方法之一 是社会学 数量心理学 市场营销等统计实证分析的常用方法 目录 1 假設 2 目的 3 应用领域 4 与其他多变量分析方法的比较 4 1 因子分析 4 2 聚类分析 5 所使用的标量类型 6 相似 度 矩阵 7 数据采集的困难和问题 8 间接 数据 采集方法 8 1 完全排序法 8 2 锚点法 8 3 评级法 Rating 9 各种多维标度 9 1 简单多维标度 9 2 迭代多维标度 9 3 加权多维标度 9 4 多维展开 Multidimensional unfolding 10 多维标度方法 10 1 古典 公制 多维 标度 10 2 非公制多维标度 11 评价 12 参见 13 外部链接假設 编辑有許多特徵是互相關聯的 而受測者原本並不知道其特徵為何 存在著這樣一個空間 它的正交軸是欲尋找的特徵 这个特征空间满足这个要求 相似的对象能以相对较小的距离描摹出来目的 编辑多维标度是一个探索性的过程方法 减少 观察 项目 如果可能 在数据中揭示现有结构 揭示相关特征 寻找尽可能低维度的空间 最小化条件 空间必须满足 单调条件 解释空间的轴 依照假设提供关于感知和评判过程的信息应用领域 编辑用于评判和感知 民众 对政治家的态度 对影星的喜爱度 跨文化的差异和比较 心理学中的人类感知 揭示市场空白 评价产品设计和市场营销中的广告与其他多变量分析方法的比较 编辑因子分析 编辑 相同 通过归因于少数几个不相關的特征来减少数据 不同 多维标度仅仅需要相似性或者距离 而不需要相关性 因子分析需要相关性 如果仅仅对因子值感兴趣 可以用作因子分析的替代方法 聚类分析 编辑 相同 把对象分组 不同 聚类分析把观测到的特征当作分组标准 而多维标度仅仅取用感知到的差异 为划分类别提供实际的支持所使用的标量类型 编辑序数标量 区隔标量 比率标量相似 度 矩阵 编辑红色 橙色 黄色 绿色 蓝色 紫色 红色 橙色 6 黄色 8 0 绿色 10 8 9 蓝色 10 10 10 6 紫色 0 7 10 9 7 相似度矩阵举例 数字越小表示越相似 例如 10个对象 2维空间 坐标个数则为10 2 20 相似度 的个数为C102 45 数据压缩系数 相似度的个数 坐标个数 45 20 2 25 数据压缩系数要大于等于2才可接受 否则不能做多维标度分析 数据采集的困难和问题 编辑间接 数据 采集方法 编辑完全排序法 编辑 Cn2对 相似度 进行排序 最相似的一对得到序数1 最不相似的一对得到序数Cn2 锚点法 编辑 评级法 Rating 编辑 与 完全排序法 不同的是 虽然最相似的一对得到序数1 但是可以有多于一对得到相同的序数 最不相似的一对也不一定会依序得到Cn2各种多维标度 编辑简单多维标度 编辑 迭代多维标度 编辑 加权多维标度 编辑 对各维度进行不同的加权 多维展开 Multidimensional unfolding 编辑多维标度方法 编辑 古典 公制 多维 标度 编辑 处理区隔标量和比率标量 一定是采用欧氏距离 非公制多维标度 编辑 处理序数标量 不一定采用欧氏距离评价 编辑参见 编辑多重变量分析外部链接 编辑 取自 https zh wikipedia org w index php title 多维标度 amp oldid 69158026, 维基百科，wiki，书籍，书籍，图书馆，
文章
，阅读，下载，免费，免费下载，mp3，视频，mp4，3gp， jpg，jpeg，gif，png，图片，音乐，歌曲，电影，书籍，游戏，游戏。