多维尺度MDS结果解读：应力值与空间配置的合理性.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）是一类把对象之间的相异性或距离关系投影到低维空间中的方法。它的目标不是建立因果模型，而是尽可能保留对象间的相对距离结构，使研究者能够通过二维或三维坐标图直观看到谁更接近、谁更分散、哪些对象可能形成聚类。因此，MDS特别适合用于区域比较、品牌定位、消费者认知结构以及样本相似性研究。

需要强调的是，MDS坐标本身通常不具有直接经济学含义，真正有解释价值的是对象之间的相对位置关系。也就是说，点落在左上角还是右下角并不是结论核心，关键在于彼此之间是否接近、是否分成若干团簇、是否存在明显离群点。本次结果采用二维度量MDS，因此解读重点将放在维度设置、投影坐标、城市间接近关系以及图形中的空间分布结构上。

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、模型基本设置

表1显示，本研究采用度量MDS，输入数据为n×n相异性矩阵，并最终投影到二维空间中。这说明结果图是以保持原始距离关系为目标的低维表示，适合做相对位置和聚类模式解释。维度数量为2，意味着研究者可以直接在平面图上观察样本点的接近与分离情况，便于在论文中进行可视化展示和文字说明。

三、维度坐标结果

表2给出了八个城市在二维空间中的投影坐标。从维度1看，北京、天津、济南、青岛和郑