多维尺度分析MDS结果解读：感知映射与品牌定位.docxVIP

多维尺度分析MDS结果解读

一、方法概述

多维尺度分析（MultidimensionalScaling,MDS）是一种将对象间的相似性或差异性关系映射到低维几何空间的多元统计方法。其基本思想是：若两个对象在多个属性上越相似，则它们在低维空间中的距离越近；反之则越远。MDS不要求研究者预先了解对象的特征维度，而是通过数学优化算法从原始距离矩阵或相似性矩阵中自动提取能够最好地保留原始结构关系的坐标配置。根据输入数据类型不同，MDS可分为度量MDS（输入为数值型距离矩阵）和非度量MDS（输入为等级顺序数据）。该方法在城市竞争力比较、品牌定位分析、消费者感知映射等领域具有广泛应用。本研究借助SPSSAU软件，采用度量MDS方法对10个城市的综合发展指标进行二维空间映射，以揭示城市间的相对位置关系与竞争格局。

在SPSSAU【综合评价】模块选择【多维尺度MDS】，按提示粘贴或修改数据，操作如下图：

二、分析参数设置

表1报告了本次MDS分析的基本参数设置。本研究采用度量MDS（MetricMDS）方法，该方法适用于输入数据为数值型距离矩阵的情形，能够直接利用原始距离信息进行坐标优化。数据格式为n×n格式，即输入为10×10的对称距离矩阵，包含所有城市两两之间的距离信息。维度数量设定为2，即将高维距离关系压缩到二维平面空间，便于可视化呈现和直观解释。未选择计算欧氏距离，表明距离矩阵由研究