多維標度

多維標度，多重變數分析的方法，社會學、數量心理學、市場行銷等統計實證分析的常用方法

多維標度（Multidimensional scaling，縮寫MDS，又譯“多維尺度”）也稱作“相似度結構分析”（Similarity structure analysis），屬於多重變數分析的方法之一，是社會學、數量心理學、市場行銷等統計實證分析的常用方法。
假設
至少有幾個特徵是相聯反映的，對於被調查者來說是不知道
存在這樣一個空間：它的正交軸是所尋找的特徵
這個特徵空間滿足這個要求：相似的對象能以相對較小的距離描摹出來
目的
多維標度是一個探索性的過程方法
減少（觀察）項目
如果可能，在數據中揭示現有結構
揭示相關特徵
尋找儘可能低維度的空間（“最小化條件”）
空間必須滿足“單調條件”
解釋空間的軸，依照假設提供關於感知和評判過程的信息
套用領域
用於評判和感知：
（民眾）對政治家的態度
對影星的喜愛度
跨文化的差異和比較
心理學中的人類感知
揭示市場空白
評價產品設計和市場行銷中的廣告
與其他多變數分析方法的比較
因子分析
相同：通過歸因於少數幾個不相關的特徵來減少數據
不同：多維標度僅僅需要相似性或者距離，而不需要相關性（因子分析需要相關性）
如果僅僅對因子值感興趣，可以用作因子分析的替代方法
聚類分析
相同：把對象分組
不同：聚類分析把觀測到的特徵當作分組標準，而多維標度僅僅取用感知到的差異
為劃分類別提供實際的支持