一、概念

多维尺度尝试寻找对象间或个案间一组距离测量的结构。该任务是通过将观察值分配到概念空间（通常为二维或三维）中的特定位置实现的，这样使空间中的点之间的距离尽可能与给定的不相似性相匹配。在很多情况下，这个概念空间的维度可以解释并可以用来进一步分析数据。多维尺度分析（MDS）是分析研究对象的相似性或差异性的一种多元统计分析方法。采用MDS可以创建多维空间感知图，图中的点（对象）的距离反应了它们的相似性或差异性（不相似性）。

多维尺度分析和因子分析都是维度缩减技术，但是因子分析一般使用相关系数进行分析，使用的是相似性矩阵；而多维尺度分析采用的是不相似的评分数据或者说相异性数据来进行分析；与因子分析不同，多维尺度分析中维度或因素的含义不是分析的中心，各数据点在空间中的位置才是分析解释的核心内容； 

多维尺度分析与聚类分析也有相似之处，两者都可以检验样品或者变量之间的近似性或距离，但聚类分析中样品通常是按质分组的；多维尺度不是将分组或聚类作为最终结果，而是以一个多维尺度图作为最终结果，比较直观。 

若你的目的是要把一组变量缩减成几个因素来代表，可考虑使用因素分析；若目的是变量缩减后以呈现在空间图上，则可以使用多维尺度分析。如果你是想要却仍相似观测值得组别，请考虑以聚类分析来补充多维尺度分析，聚类分析虽可以确认组别，但无法在空间图中标示出观测。

二、距离（分析-度量-多维尺度）

1、指定数据为距离数据：如果您的活动数据集代表一组对象中的距离或者代表两组对象之间的距离，则指定数据矩阵的形状才能得到正确的结果。

2、指定从数据创建距离：多维尺度使用不相似性数据创建尺度分析解。如果您的数据为多变量数据（度量到的变量的值），就必须创建不相似性数据才能计算多维尺度解。可以指定从数据创建非相似性测量的详细信息。

2.1度量。允许您指定进行分析的非相似性测量。从与您的数据类型相关的“度量”组选择一个选项，然后从与那一类度量相关的下拉列表选择一种度量。可以使用的选项有：◎区间。欧氏距离、平方Euclidean 距离、Chebychev、区组、Minkowski 或定制。◎计数。卡方统计量测量或Phi 平方统计量测量。◎二元。欧氏距离、平方Euclidean 距离、尺度差分、模式差分、方差或Lance 和Williams。

2.2、创建距离矩阵。可以选择要分析的单位。选项有“变量之间”或“个案之间”。

2.3转换值。在某些情况下（例如用相差很大的尺度测量变量时），您可能希望先将值标准化，然后再计算近似值（对二分类数据不可用）。从“标准化”下拉列表中选择一个标准化方法。如果不需要标准化，则选择无。

三、模型：（分析-度量-多维尺度-模型）

1、测量级别。使您可以指定数据的级别。选项为“序数”、“区间”或“比率”。如果变量是有序的，选择打开结观察值要求将它们当作连续变量，这样结（不同个案的相等值）就会最优化解开。

2、约束性。可以指定哪些比较是有意义的。选项为“矩阵”、“行”或“无约束”

3、维。使您可以指定尺度解决方案的维度性。对该范围中的每个数字都计算出一个答案。指定1 到6 之间的整数；只有将Euclidean 距离选为尺度模型时才可以使用最小为1 的值。要获得单一的解，为最小值和最大值指定同一个值。

4、尺度模型。使您可以指定作为尺度执行标准的假定。可以使用的选项为“Euclidean距离”或“个别差异Euclidean 距离”（也称为INDSCAL）。对于“个别差异Euclidean距离”模型，如果适用于您的数据的话，就可以选择允许负的主题权重。

四、选项：（分析-度量-多维尺度-选项）

1、显示。可以选择各种输出类型。可用的选项为“组图”、“个别主题图”、“数据矩阵”以及“模型和选项摘要”。

2、标准。可以确定迭代停止的时间。要更改缺省值，请输入S 应力收敛性、最小S 应力值和最大迭代次数的值。

3、将小于n 的距离看作缺失值。从分析中排除小于该值的距离。