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