目录

前言

粉丝及官方意见说明

第十六章一些学习笔记 

 第十六章一些操作方法 

多维尺度分析

不考虑个体差异的多维尺度分析模型

假设数据

具体操作

结果解释

选择不同距离的排列方式

考虑个体差异的多维尺度分析模型（INDSCAL，individual difference scaling）

假设数据

具体操作

结果解释

基于最优尺度变换的多维尺度分析模型（PROXSCAL过程）

对话框介绍

具体操作

结果解释

在模型中考虑更多维度

多维展开模型

假设数据

具体操作

结果分析

结束语 

---

前言

#有条件要上，没有条件创造条件也要上

#本期内容：多维尺度分析

#由于导师最近布置了学习SPSS这款软件的任务，因此想来平台和大家一起交流下学习经验，这期推送内容接上一次高级教程第十五章的学习笔记，希望能得到一些指正和帮助~

粉丝及官方意见说明

#针对官方爸爸的意见说的推送缺乏操作过程的数据案例文件澄清如下：1、操作演示的数据全部由我本人随意假设输进去的，重在演示操作；2、本人也只是在学习阶段，希望友友们能谅解哈，手里有数据的宝子当然更好啦，没有咱就自己假设数据练习一下也没多大关系的哈；3、我也会在后续教程中尽量增加一些数据的必要性说明；4、大家有什么好的意见也可以在评论区一起交流吖~

第十六章一些学习笔记 

1. SPSS中不考虑个体差异的多维尺度分析模型：1、古典多维尺度分析（classical MDS）【当测量数值代表不同对象两两间的差异性（即数值越大代表两者差异越大）时，该模型就将数值近似看作点间的距离加以分析，模型拟合效果一般直接用决定系数描述，若数据采集自不同个体的多个矩阵，则需要拟合重复多维尺度分析（RMDS）模型】；2、非度量多维尺度分析模型【依据经验，若应力值（stress）≥20%，则模型拟合程度差，小于10%为满意，小于5%为好，小于2.5%为很好，若该值为0，称为完全匹配】。--统计分析高级教程（第三版）P296-297
2. SPSS中多维尺度分析距离的各种提供方式：1、通过原始数据计算距离；2、选择不同距离排列方式【1、对称正方形（square symmetric）；2、不对称正方形（square asymmetric）；3、矩形（rectangular）】。--统计分析高级教程（第三版）P301-302

 第十六章一些操作方法 

多维尺度分析

多维尺度分析（multidimensional scaling，MDS）是主要用于处理n个可以由多个指标进行描述的对象（object），但指标数量不确定、模糊，只知这n个对象间的某种距离（差异性）或相似性的问题分析的工具，通过模型拟合将对象定位到“概念空间（一般2~3维）”的具体位置，数据点间的距离由计算的差异性决定，从而可以在低维度空间描述相似性或差异性。

不考虑个体差异的多维尺度分析模型

假设数据

具体操作

结果解释

选择不同距离的排列方式

考虑个体差异的多维尺度分析模型（INDSCAL，individual difference scaling）

饮料口味差异评价

假设数据

具体操作

结果解释

基于最优尺度变换的多维尺度分析模型（PROXSCAL过程）

对话框介绍

具体操作

结果解释

这里是由于源的问题，导致个体差异的结果没出来，建议还是在处理数据那一步将数据合并好，且要保证具有足够的数据量，再用上述步骤分析，后续还需继续研究，实在不行再考虑编程实现。

在模型中考虑更多维度

这里由于是三个维度，因此给出结果

多维展开模型

分析目的是考察各组对象之间的距离远近，同一组内各对象间的距离则并不在研究关心的范围之内，这时多维展开模型就是比较合适的选择。

场景与行为的匹配关系

假设数据

具体操作

结果分析

结束语 

#好啦~，以上就是我SPSS第三十四期学习笔记——高级教程第十六章的学习情况啦~，希望能与大家交流学习经验，共同进步吖~

#考虑高级教程的难度与深度，主要是内容太多辣，后续依然会尽力更新内容~争取日更！

#也非常感谢大家对我的一路陪伴，宝子们的关注、支持和打赏就是up儿不断更新滴动力，我近期也会坚持学习SPSS，更新相应的学习内容及笔记到平台上，咱们下期高级教程不见不散~