文档介绍：在市场研究中，有一种分析是研究消费者态度或偏好，收集的数据是某些对象的评分数据，这些评分数据可以看做是对象间相似性或差异性的表现，也就是一种距离，距离近的差异性小，距离远的差异性大。而我们的分析目的也是想查看这些对象间的差框比较简单，首先将所有城市迭入变量■下方的数抿为距离数抿是戦认迭项，表示当前的数1&就是代表距离，本例中无需傷改
〔聪」WBEI fttt® X 皿
点击下方的形状按钮，会弹出选择数抿排列方式的对话框，本例的数据排列方式为正对称'此外还有正不对称和拒形，基本涵盖所有数据组成形式
绘条淮尺度敌揺・” X
0正不对称址）
©矩形回
行勤迥）：
更订［取消］I帮助
多维尺度分析的结果并不橡其他统计分析结果那样以表格形式输岀结果，而是采用说明的形式，最开始的结果是根18迭择输出一些模塑和迭项的摘要，基本上張是将前面的设置文字化了一总。在此我们主要看以下几个结果：左图中的结果显示的是迭代记录・可见迭代2 次即达到收敛，递进值=0. 00086小于收敘
单击模型选项，弹出如下对话框，由于本例的度量水平是连续变量，因此我们选择比率，度量模型为默认的欧氏距高，条件性选项中，可咲在形状的基础上，进一步定义距离阵的情况，默认为矩阵，其余的行为非对称逅阵或矩形针，无约束是指比较时没有任何限制， —般来讲，最好使用最简单的正对称矩阵进行分析。
在下面还可咲定义输出的维度，戳认为二维
在选项按钮中，我们选择多维尺度分析最重要的输出结果一组图，并且选择模型和选顶摘要，其余为定义一些收敛性和缺失值等，一般为默认即可
Matnx 1 has 1 missing observations
iteration history for the 2 dimensional solution (in squared distances)
Young's S-stress formula 1 is used
Iteration S-stress Improvement
.00752
.00667 00086
iterations stopped because
S-stress improvement rs less than .001000
2
-10-
Stress and squared correlation (RSQ) in distances
RSQ values are the proportion of varianee of the scaled data (disparities) in the partition (row. matrix, or entire data) which is accounted for by their corresponding distances
Stress values are Kruskal's stress formula 1
For matrix
Stress = 00946 RSQ = 99973
接下来输岀的是反映模型拟合效果的统计量，RSQ为决定系数，表示总变异中能被模型所解释的比例。Stress是应力值
Stimulus Coordin ates
Dimension
2
-10-
2
-10-
Stimulus Stimulus 1 2
Number Name
123456789
接下来输出的是9个
1 2885
-2149
城市的坐标值，也
8969
-.1782
就是后续图形中的
6809
-0359
坐标值
7775
2533
7054
-8548
.1251
1 0402
.3142
.1922
-2 0409
.1506
-27477
-.3525
O
O
msn o
o
O
氐氏
o
Euclidean即鬲检申
io-
os-
•1-
oo-
•os・
miki
接下来输出的组图，就是上述坐标值的團形展现，可见悉尼和惠灵顿这两个西方城市距离右侧的东方城市距蔑较远
2
-10-
10
轨tt馆仟怖股点圈
EuddauiK^IQ^
最后備出的是当前模型计算出的歓式距离和实测距關的散点團，如果模型拟合较好，则所有散点应该在一条直线上，圉中可见本模型