标签：
我们知道对应分析是一种图示分析技术，通过对应分析图能够简单直观的将变量间的关系加以呈现，多维尺度分析和对应分析类似，也是将变量间的关系通过图形进行展现，关于二者的区别后面会做论述。
一、多维尺度分析简介
多维尺度分析Multidimensional Scaling，简称MDS，是一种探索性数据分析技术，主要是用适当的降维方法，将多个变量通过坐标定位在低维空间中(二维或三维)，变量之间的欧氏距离就可以反映它们之间的差异性和相似性。
多维尺度分析根据数据集特征分为：
1.不考虑个体差异MDS模型
2.考虑个体差异MDS模型
MDS模型允许多种类型的数据输入，并且在实际应用中，也有多种测量相似性或差异性的方法，根据分析数据的类型分为：
1.度量化MDS模型：也称为古典MDS模型，所输入的数据是直接反映变量间差异或相似的距离或比率，例如城市间的距离就是现成的反映差异的数据。
2.非度量化MDS模型：输入的数据不是直接反映变量间的差异，而是通过对其属性的评分，间接的反映变量间的差异或相似性。
二、多维尺度分析的分析步骤
1.界定问题
明确研究的问题和范畴，确定相关的变量种类和数量
2.获取数据
根据实际情况获取分析数据
3.选择MDS模型
根据获得的数据类型，选择相应的MDS模型
4.确定维度
MDS模型是为了生成一个用尽可能小的维度对数据进行最佳拟合的空间感知图，因此要确定一个合适的维度，维度太高不易于解读，维度太低会影响拟合度，通常采用二维或三维。
5.模型评价
考察应力系数Stress和拟合指数RSQ，应力系数越小越好，RSQ越大越好
6.解读图表
多维尺度分析最重要的结果是感知图，图中各点之间的距离直接反映了各变量的相似或差异程度，除了查看差异程度之外，如果要对图表进行整体的分析解读，还需要对每个维度进行解释。
三、多维尺度分析与对应分析的异同
相同点：
1.都是可以得出有直观的图形结果，并且也都常用在市场分析中
2.都具有降维，数据浓缩的思想，实际上，多元统计分析都是基于将高维空间的数据压缩至低维空间进行分析。
3.二者基本上都属于描述性分析，都没有核心假设检验
不同点
多维尺度分析的目的是分析不同样本间的相似性或差异性，是针对样本的。对应分析的目的是分析不同变量之间的相关性，是针对变量的，因此在数据组成形式上，对应分析多为列联表形式，而多维尺度分析多为矩阵形式。
标签：
原文地址：http://www.cnblogs.com/xmdata-analysis/p/5451033.html
