词条 | 多维标度 |
释义 | 多维标度(Multidimensional scaling,缩写MDS,又译“多维尺度”)也称作“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。 假设 至少有几个特征是相联反映的,对于被调查者来说是不知道 存在这样一个空间:它的正交轴是所寻找的特征 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 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 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 因子分析 相同:通过归因于少数几个不相关的特征来减少数据 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 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 |
随便看 |
百科全书收录4421916条中文百科知识,基本涵盖了大多数领域的百科知识,是一部内容开放、自由的电子版百科全书。