第10章-多维标度分析

典型相关分析与多维标度法典型相关分析与多维标度法是两种常用的数据分析方法，用于分析两组变量之间的关系，其中典型相关分析主要用于分析两组多元变量之间的关系，而多维标度法则用于将多个变量转换为低维空间中的坐标，以观察它们之间的相似性或差异性。

典型相关分析是一种针对多个自变量和多个因变量之间的关系进行分析的方法。

典型相关分析的主要目标是找到一些线性组合，使得两组变量之间的相关性最大化。

通过这种方法，我们可以了解两组变量之间的相互作用和影响，对于构建预测模型或解释问题起到重要作用。

在典型相关分析中，我们首先将两组变量分别表示为X和Y，其中X 包含p个自变量（X1，X2，…，Xp），Y包含q个因变量（Y1，Y2，…，Yq）。

我们寻找一些线性组合，使得X和Y之间的相关性最大化。

我们可以将X和Y的线性组合表示为Z和W。

多维标度法是一种数据降维的方法，它可以将多个变量转换为低维空间中的坐标，以便于观察它们之间的相似性或差异性。

多维标度法的主要目标是通过将变量映射到低维空间中的坐标来保留变量之间的相对距离关系。

通过这种方法，我们可以更容易地观察和解释多个变量之间的关系。

在多维标度法中，我们首先计算变量之间的距离矩阵，然后通过寻找一些低维坐标来最小化原始距离矩阵与降维后的距离矩阵之间的误差。

我们可以使用不同的方法来计算坐标，如主成分分析法或岭回归法。

典型相关分析与多维标度法之间存在一些区别。

首先，典型相关分析主要用于分析两组多元变量之间的关系，而多维标度法则用于将多个变量转换为低维空间中的坐标。

其次，典型相关分析着重于寻找最大化相关性的线性组合，而多维标度法则着重于保留变量之间的距离关系。

最后，典型相关分析可以用于预测建模和解释问题，而多维标度法则主要用于观察和解释变量之间的相似性或差异性。

在实际应用中，我们可以根据具体的问题选择使用典型相关分析或多维标度法。

如果我们想要探索和解释两组多元变量之间的关系，可以使用典型相关分析。

第十周：多维尺度分析——每周一讲多变量分析多维尺度分析（MultiDimensional Scaling）是分析研究对象的相似性或差异性的一种多元统计分析方法。

采用MDS可以创建多维空间感知图，图中的点（对象）的距离反应了它们的相似性或差异性（不相似性）。

一般在两维空间，最多三维空间比较容易解释，可以揭示影响研究对象相似性或差异性的未知变量-因子-潜在维度。

在市场研究领域主要研究消费者的态度，衡量消费者的知觉及偏好。

涉及的研究对象非常广泛，例如：汽车、洗头水、饮料、快餐食品、香烟和国家、企业品牌、政党候选人等。

通过MDS分析能够为市场研究提供有关消费者的知觉和偏好信息。

MDS一般需要借助SPSS或SAS统计分析软件，输入有关消费者对事物的知觉或偏好数据，转换为一组对象或对象特征构成的多维空间知觉或偏好图——感知图。

应用MDS，收集的数据值大小必须能够反应两个研究对象的相似性或差异性程度。

这种数据叫做邻近数据，所有研究对象的邻近数据可以用一个邻近矩阵表示。

反映邻近的测量方式：•相似性-数值越大对应着研究对象越相似。

•差异性-数值越大对应着研究对象越不相似。

测量邻近性数据的类型：•两个地点（位置）之间的实际距离。

（测量差异性）•两个产品之间相似性或差异性的消费者心理测量。

（差异性或相似性）•两个变量的相关性测量。

（相关系数测量相似性）•从一个对象过渡到另一个对象的转换概率。

例如概率反应了消费者对品牌或产品偏好的变化。

（测量相似性）•反映两种事物在一起的程度。

例如：用早餐时人们经常将哪两种食品搭配在一起。

（测量相似性）•谁喜欢谁，谁是谁的领导，谁传递给谁信息，谁是谁的上游或下游等等社会网络数据等（测量相似性）邻近数据即可以直接测量（距离），也可以通过计算得到（变量间的相关系数）。

MDS最经典的案例就是用感知图表现美国主要城市的航空距离！我们采用SAS进行分析，选择Market模块，选择MDS方法，SAS可以直接处理矩阵数据！非常简单得到结果：你可以对着美国的地图和各个城市的地理位置，是否能够看出MDS给你的方位和差异感觉！请大家自己试一试用MDS分析中国主要省会城市之间航空距离的MDS分布。

第10章多维标度分析10.1多维标度法的基本思想当维数p>3时，即使给出了p维空间R P中n个样本点的坐标，我们都难以想象这n个点的相互位置关系，因此自然希望在我们熟悉的低维空间R k(k<p,如k=1,2,3)中能以较高的相似度重新展示这n个点的数据结构，并由此对原始样本数据进行统计分析.另外，即使维数p≤3,有时问题也不容易解决.比如地图上任意两个城市之间的直线距离和实际道路距离不一样，若仅给了一组城市相互间的实际道路距离，你能否标出这些城市之间的相对位置呢?又假定只知道哪两个城市最近，哪两个城市次近，等等，你还能确定它们之间的相对位置吗?重新标度的位置与实际位置相似度达到多大?把上面的不同“城市”换作不同的“产品”、“品牌”、“指标”等，也会遇到类似的问题.多维标度法(multidimensional scaling,MDS)就是一类将高维空间中的研究对象(样本或变量)简化到低维空间中进行定位、归类和分析，同时又有效地保留研究对象间原始关系的多元数据分析技术的总称，是一种维数缩减方法.多维标度法于20世纪40年代起源于心理测度学，用于大致测定人们判断的相似性，1958年Torgerson在其博士论文中首先正式提出了这一方法.多维标度法现在已广泛应用于心理学、市场营销、经济管理、交通、生态学及地质学等领域.多维标度法内容丰富、方法较多，其理论分析手段与主成分分析有相通之处，但也有自己的特点.根据研究对象的相关指标是用距离、比例等度量化数据给出还是用顺序、秩等给出，相应的分析方法分为度量分析法和非度量分析法，而古典多维标度法是其中最常用的度量分析法.10.2古典多维标度法下面根据参考文献[2],用一个例子来介绍几个与多维标度法相关的基本概念.【例10.1】(数据文件为eg10.1)表10-1给出了我国部分城市间的距离，由于道路弯弯曲曲，这些距离并不是这些城市间的真正距离.我们希望在地图上重新标出这八个城市，使得它们之间的距离尽量接近表10-1中的距离.表10-1 我国八个城市间的距离单位：千米北京天津济南青岛郑州上海杭州南京北京0天津118 0济南439 363 0青岛668 571 362 0郑州714 729 443 772 0上海1259 1145 886 776 984 0杭州1328 1191 872 828 962 203 0南京1065 936 626 617 710 322 305 0 10.2.1多维标度法的几个基本概念定义10.1一个n×n阶矩阵,如果满足条件(1)(2)则称矩阵D为广义距离阵，dij称为第i点与第j点间的距离.注意：这样定义的距离不是通常意义下的距离，而是通常距离的拓广，比如人们熟悉的距离三角不等式在这里就未必成立.对于距离阵,多维标度法的目的是要寻找较小的正整数k(如k=1,2,3)和相应低维空间R k中的n个点x₁,x₂,…,xn ,记表示xi与xj在R k中的欧氏距离，使得与D在某种意义下尽量接近.将找到的这n个点写成矩阵形式称X为D的一个古典多维标度(CMDS)解.在多维标度分析中，形象地称xi为D的一个拟合构造点，称X为D的拟合构图，称为D的拟合距离阵.特别地，当=D时，称xi为D的构造点，称X为D的构图.又若X为D的构图，令式中，P为正交阵，a为常数向量，则Y=(y₁,y₂,…,yn)也为D的构图，这是因为平移和正交变换不改变两点间的欧氏距离，即若D的构图存在，那么它是不唯一的.定义10.2对于一个n×n的距离阵,如果存在某个正整数k和R k中的n个点x₁,x₂,…,xn,使得(10.1)则称D为欧氏距离阵.下面讨论如何判断一个距离阵D是否为欧氏距离阵；在已知D为欧氏距离阵的条件下，如何确定定义10.2中相应的k和R k中的n个构造点x₁,x₂,…,xn.令(10.2)(10.3)式中，In 为n×n阶单位阵，1n,为分量全为1的n维列向量.借助这些定义，下面给出一个距离阵D为欧氏距离阵的充要条件.定理10.1设D为n×n阶距离阵，B由式(10.3)定义，则D是欧氏距离阵的充要条件为B≥0.证明：(必要性)设D是欧氏距离阵，由定义和式(10.2)可知，存在正整数k 和R k中的n个构造点x₁,x₂,…,xn,使得又由式(10.3)可得(10.5)式中，为元素全为1的nxn阶矩阵.注意式中(10.6)将它们代入式(10.5)中，可得(10.7)由式(10.4)知,再结合式(10.6),可得(10.8)将代入式(10.8),化简可得式中，将式(10.9)表示为矩阵形式，得到这里乘积HX所得的结果是将X中心化，即(10.10)(充分性)反之，若B≥0,记k=rank(B),λ₁,λ₂,…,λk (λ₁≥λ₂≥…≥λk>0)为B的正特征值，x(1),(2),…,x(k)为相应的特征向量，且令注意：这里x₁,x₂,…,xn表示由X的各行转置后得到的k×1列向量.令A=diag(λ₁,λ₂,…,λk),,则,即P的列为标准正交化特征向量，于是(10.11)由此可得说明正好是D的构图，所以D是欧氏距离阵，充分性得证.注意：充分性的证明给出了从欧氏距离阵D出发得到构图X的方法，即D→A→B→X具体步骤为：由D知dij,由得A,再由得B,最后求B的特征值λ₁,λ₂,…,λk和相应的特征向量x(1),(2),…,x(k),n×k阶矩阵X=(x(1),(2),…,x(k))的行向量转置后得到的n个k×1列向量x₁,x₂,…,xn 即为D的n个构成点，而矩阵即为D的构图，据式(10.11),X 也可以由来计算.由定理10.1知，D是欧氏距离阵的充要条件是B≥0.因此若B有负特征值，那么D一定不是欧氏距离阵，此时不存在D的构图，只能求D的拟合构图，记作,以区别真正的构图X.在实际中，即使D为欧氏距离阵，记它的构图为n×k 矩阵X,当k较大时也失去了实用价值，这时宁可不用X,而去寻找低维的拟合构图.也就是说，在D的构图不存在和构图存在但k较大两种情形下都需要寻找D的低维拟合构图.令这两个量相当于主成分分析中的累积贡献率，我们希望k不要取太大，就可以使a₁.k和a₂.k比较大，比如说，大于80%就比较合适.当k取定后，用表示B的对应于特征值λ₁,λ₂,…,λk的正交化特征向量，使得.通常还要求λk >0,若λk<0,要缩小k的值.最后，令则即为D的拟合构图，或者说为D的古典多维标度解，(均为k×1列向量)即为D的n个拟合构造点.有的文献也把称为X的主坐标，把多维标度分析称为主坐标分析.下面用一个具体例子(参见参考文献[2])来说明上述求解步骤.【例10.2】设有距离阵D如下(为简洁起见，对称阵都只写出上三角部分):由于,可求得A,āig ,āgj及āgg如下：再由bij =aij-āig-āgj+āgg可得由于B的7个列b₁,b₂,…,b₇有如下线性关系b₃=b₂-b₁,b₄=-b₁,b₅=-b₂,b₆=b₁-b₂,b₇=0于是B的秩最多为2,注意到B的第一个二阶主子式非退化，故rank(B)=2=k,并且可求得B的7个特征值分别为：λ₁=λ₂=3,λ₃=λ₄=…=λ₇=0且对应于λ₁,λ₂的特征向量分别为：故7个拟合构造点在R²中的坐标分别为：(√3/2,1/2),(√3/2,-1/2),(0,-1),(-√3/2,-1/2),(-√3/2,1/2),(0,1 ),(0,0)因为B≥0,所以原矩阵D是欧氏距离阵，故这7个拟合构造点就是D的构造点.容易验证，这7个构造点在R²中的欧氏距离阵恰为D,即10.2.2已知距离矩阵时CMDS解的计算上面计算CMDS解的过程在R中可使用stats包中的cmdscale()函数来实现，也可以使用MASS包中处理非度量MDS问题的isoMDS()函数来实现，但cmdscale()函数的好处是可以同时计算出B的特征值和特征向量以及两个累积贡献率a₁.k 和a₂.k的值.【例10.3】(数据文件为eg10.3)根据表10-1给出的我国八个城市间的距离矩阵D,利用R软件stats包中的cmdscale()函数求D的CMDS解，给出拟合构图及拟合构造点.解：在R中的程序为：#例10.3打开数据文件eg10.3.xls,选取数据区域C2:K10,然后复制>eg10.3=read.table("clipboard",header=T) #在R中读入数据>D10.3=cmdscale(eg10.3,k=2,eig=T) #k取为2,eig=T给出矩阵B的前两个特征#向量和特征值>D10.3$points[,1] [,2]北京-658.14610 -52.301759天津-522.00992 -133.917153济南-229.30657 32.365307青岛-80.72182 -277.225217郑州-171.98297 474.047645上海610.52727 -102.636996杭州659.93216 5.717159南京391.70794 53.951014$eig[1]1.756015e+06 3.367695e+05 7.888679e+04 3.770390e+041.320482e+04 -4.001777e-11 -1.434722e+04 -3.259473e+04......>sum(abs(D10.3$eig[1:2]))/sum(abs(D10.3$eig)) #计算a1.2[1] 0.9221257>sum((D10.3$eig[1:2])~2)/sum((D10.3$eig)~2) #计算a2.2[1] 0.9971656>x=D10.3$points[,1]>y=D10.3$points[,2]>plot(x,y,xlim=c(-700,800),ylim=c(-300,600)) #绘散点图(见图10-1)#根据两个特征向量的分量大小>text(x,y,labels=s(eg10.3),adj=c(0,-0.5),cex=0.8) #名标出#将拟合点用行#名标出图10-1我国八城市距离阵的拟合构图由R计算结果可见，矩阵B的八个特征值分别为：1756015,336770,78887,37704,13205,0,-14347,-32595最后两个特征值为负，表明距离矩阵D不是欧氏距离阵.a1.2=92.2%,a2.2=99.7%,故k=2就可以了.由前两个特征向量可得八个拟合构造点分别为：(-658.1,-52.3),(-522.0,-133.9),(-229.3,32.4),(-80.7,-277.2) (-172.0,474.0),(610.5,-102.6),(659.9,5.7),(391.7,54.0)容易计算出八个拟合构造点在R²中的欧氏距离阵，如表10-2所示.将它们与表10-1中城市间的原始距离数据进行比对，可以发现大多数距离数据拟合较好，少数数据误差较大.表10-2我国八个城市间的距离阵的拟合构图10.2.3已知相似系数矩阵时CMDS解的计算定义10.3一个n×n阶的矩阵,如果满足条件(1)(2)则称C为相似系数矩阵，cij称为第i点与第j点间的相似系数.在进行多维标度分析时，如果已知的数据不是n个对象之间的广义距离，而是n个对象间的相似系数，则只需将相似系数矩阵C按式(10.12)转换为广义距离阵D,其他计算与上述方法相同.令(10.12)由定义10.3可知，,显见,故D为距离)为欧氏距离阵. 阵，可以证明，当C≥0时，由式(10.12)定义的距离阵D=(dij【例10.4】(数据文件为eg10.4)为了分析下列六门课程之间的结构关系，找到了由劳雷和马克斯维尔得到的相关系数矩阵(见表10-3).其中，相关系数的值越大(小),表示课程越(不)相似.易见相关系数矩阵也为相似系数矩阵，记为C,求C的CMDS解，并给出拟合构图及拟合构造点.表10-3六门课程相关系数矩阵盖尔语英语历史算术代数几何盖尔语 1 0.439 0.41 0.288 0.329 0.248 英语0.439 1 0.351 0.354 0.32 0.32g 历史0.41 0.351 1 0.164 0.19 0.181 算术0.288 0.354 0.164 1 0.595 0.47 代数0.329 0.32 0.19 0.595 1 0.464 几何0.248 0.329 0.181 0.47 0.464 1解：据表10-3知，.于是由变换式(10.12)知(10.13)由式(10.13)易得六门课程的广义距离阵D,如表10-4所示.表10-4由六门课程相关系数矩阵转化所得的距离阵盖尔语英语历史算术代数几何盖尔语0 1.059 1.086 1.193 1.158 1.226英语 1.059 0 1.139 1.137 1.166 1.158 历史 1.086 1.139 0 1.293 1.273 1.280 算术 1.193 1.137 1.293 0 0.900 1.030 代数 1.158 1.166 1.273 0.900 0 1.035 几何 1.226 1.158 1.280 1.030 1.035 0余下工作可以仿照例10.3进行，在R中的程序为：#例10.4打开数据文件eg10.4.xls,选取数据区域A10:G16,然后复制>eg10.4=read.table("clipboard",header=T) #在R中读入数据>D10.4=cmdscale(eg10.4,k=2,eig=T) #k取为2,eig=T给出矩阵B的前两个特#征向量和特征值>D10.4$points[,1] [,2]盖尔语0.4028583 0.26570653英语0.2415986 0.48339407历史0.6210937 -0.50817963算术-0.4575066 0.03803193代数-0.4216733 -0.04017726几何-0.3863706 -0.23877565$eig[1]1.142825e+00 6.225908e-01 6.022539e-01 5.245848e-013.963587e-01 1.998401e-15......>sum(abs(D10.4$eig[1:2]))/sum(abs(D10.4$eig)) #计算a1.2[1] 0.5368268>sum((D10.4$eig[1:2])^2)/sum((D10.4$eig)~2) #计算a2.2[1] 0.6805523>x=D10.4$points[,1]>y=D10.4$points[,2]>plot(x,y,xlim=c(-0.6,0.8),ylim=c(-0.6,0.7)) #根据两个特征向量的分量大小绘制拟合图>text(x,y,labels=s(eg10.4),adj=c(0,-1),cex=0.8) #将拟合点用行名标出由R计算出的B的六个特征值按大小顺序依次为：λ₁=1.1428,λ₂=0.6226,λ₃=0.6023,λ₄=0.5246,λ₅=0.3964λ₆=0.0000因为a1.2=53.68%,a2.2=68.06%,不足80%,可考虑取k=3(这里从略).由前两个特征向量可得8个拟合构造点，分别为：(0.403,0.266),(0.242,0.483),(0.621,-0.508),(-0.458,0.038),(-0.422,-0. 040),(-0.386,-0.239).图10-2大体反映了这六门课程的基本结构，从图中可以直观地看出，算术、代数、几何较为接近，英语和盖尔语较为相近，而历史课程与其他课程的差异较大.图10-2六门课程相似系数矩阵的古典拟合构图10.3非度量多维标度法在实际问题中，涉及更多的可能是不易量化的相似性测度，如两种颜色的相似性，虽然我们可以用较小(大)的数字表示颜色非常(不)相似，但是这里的数字只表示颜色之间的相似或不相似程度，并不表示色彩实际的数值大小，因而这是一种非度量的定序尺度，能够利用的唯一信息就是这种顺序(秩).古典多维标度法基于主成分分析的思想，在低维空间上利用主坐标重新标度距离，这时式中，是距离dij 的拟合值；eij是拟合误差.但有时dij和之间的拟合关系可以表示为：(10.14)式中，f为一个未知的单调递增函数.这时，我们用来构造的唯一信息就是{dij }的秩，将{dij,i<j}从小到大排列为：与(i,j)所对应的dij 在上面的排列中的名次(由小到大)称为(i,j)的秩或dij的秩.我们欲寻找一个拟合构图(或一组拟合构造点),使后者相互之间的距离也有如上的次序，即并记为：这种模型大多出现在相似系数矩阵的场合，因为相似系数强调的是研究对象之间的相似，而不是它们的距离.在处理这种模型的各种方法中，最为流行的是Shepard-Kruskal算法，它的计算步骤如下：(1)已知相似系数矩阵D=(dij)(这里仍用D来记相似系数矩阵),并将其非对角元素从小到大排列为：(2)设是k维拟合构造点，相应的距离阵为,令(10.15)极小是对一切而言的，使上式达到极小的称为对的最小二乘单调回归.如果,在式(10.15)中取,这时是D 的构图.若对X作一正交平移变换yi =Pxi+b,P为正交阵，b为常数向量，则式(10.15)的分子不变.(3)若k固定，且能存在一个,使得则称为k维最佳拟合构图.(4)由于Sk (也称为压力指数，stress)是k的单调下降序列，取k,使Sk适当地小.例如Sk ≤5%最好，5%<Sk≤10%次之，Sk>10%较差.求解可用梯度法进行迭代(参见参考文献[2]).10.4案例分析与R实现案例10.1(数据文件为case10.1)表10-5给出了2010年我国31个省、直辖市、自治区农村居民家庭人均生活消费支出的统计数据.一共选取8个指标：x₁为食品消费；x₂为衣着消费；x₃为居住消费；x₄为家庭设备用品及服务；x₅为交通通信；x₆为文教娱乐用品及服务；x₇为医疗保健；x8为其他商品和服务支出.试用多维标度法对其进行统计分析，并对分析结果的实际意义进行解释.表10-5 2010年我国各地区农村居民家庭人均生活消费支出单位：元地区x₁x₂x₃x₄x₅x₆x₇x8北京2994.66 699.42 1990.21 473.62 1112.44 950.61 840.61 193.21天津2060.83 365.86 888.32 233.02 467.48 462.25 360.47 98.50河北1351.41 250.92 839.66 218.90 464.80 462.25 360.47 78.87山西1372.49 315.78 614.70 173.62 357.74 420.21 328.92 80.40内蒙古1675.04 317.71 751.99 177.91 598.61 374.19 467.97 97.41辽宁1714.15 369.15 745.03 185.23 448.97 500,28 413.83 112.87吉林1523.32 309.75 752.79 171.92 368.64 454.05 462.42 104.47黑龙江1483.95 387.17 793.80 164.63 455.90 560.71 443.16 101.86上海3806.82 554.13 2020.25 528.01 1459.45 997.65 584.51 209.66 江苏2491.51 350.01 1170.88 327.69 785.53 908.10 362.28 146.87浙江3055.59 551.53 2044.32 410.62 1145.99 839.19 709.30 172.34安1632.96 232.20 867.51 231.23 338.99 363.92 264.39 82.10 徽2537.15 310.14 865.50 292.71 638.07 462.17 251.36 141.23 福建江1812.66 174.61 782.72 205.27 331.81 285.23 243.84 75.48 西1804.45 305.56 832.95 324.70 649.21 421.91 383.89 84.51 山东河1371.17 261.52 765.18 254.47 401.44 250.47 287.83 90.14 南湖1763.05 217.61 816.42 262.26 331.35 288.12 295.24 116.73 北湖2087.85 209.85 719.20 243.90 343.82 315.93 293.59 96.23 南2630.05 215.51 986.70 235.01 637.08 326.53 307.43 177.27 广东1675.41 110.46 692.51 192.77 310.30 182.55 228.99 62.30 广西1724.47 117.36 609.77 135.22 312.53 318.04 138.35 90.49 海南1750.01 224.13 548.00 260.71 281.73 239.03 270.31 50.70 重庆1881.18 226.62 625.28 239.48 360.70 218.62 276.06 69.59 四川1319.43 137.49 621.80 135.64 229.66 186.19 178.07 44.21 贵州云1604.50 160.72 638.09 167.66 337.85 206.45 239.94 43.11 南西1325.71 326.65 352.88 181.27 282.43 51.06 71.16 75.77藏1299.22 237.87 837.54 233.37 336.22 397.61 376.20 75.77 陕西1315.25 184.23 551.63 146.93 256.70 238.03 203.13 46.0g 甘肃1442.88 255.19 944.23 193.59 369.60 198.53 307.92 62.55 青海1541.77 302.61 776.44 188.12 444.02 241.08 417.92 101.22 宁夏1394.38 303.66 695.17 137.69 382.14 170.15 314.73 59.94 新疆解：本案例我们采用R软件MASS包中的isoMDS()函数来实现分析计算(当然也可以用前面使用的cmdscale()函数),在R中的操作过程如下：#打开数据文件case10.1.xls,选取A2:I33区域，然后复制>case10.1<-read.table("clipboard",header=T) #将eg10.1.xls数据读入到#Case10.1中>D1=as.matrix(case10.1) #需要将数据转换成矩阵形式>D=dist(D1) #求距离阵>library(MASS) #载入MASS包，这样才能使用isoMDS()函数>fit=isoMDS(D,k=2)>fit$points[,1] [,2]北京-1882.08165 -405.5501799天津-181.18356 83.5568197河北378.06842 -316.9090361山西519.63551 -161.3723531内蒙古140.53475 -118.3236722辽宁239.59269 -57.3466211 吉林311.06135 -196.5769112 黑龙江257.18237 -303.2689490 上海-2574.54791 164.4633867 江苏-864.88942 19.9653109 浙江-1891.26840 -273.7180203 安徽241.99333 -56.7533361 福建-562.74468 426.2460037 江西187.41927 149.4628003 山东-23.94055 -68.0772001 河南480.52386 -165.0996828 湖北186.03261 68.3345125 湖南-11.86522 317.5767900 广东-645.99328 471.6486570 广西377.05811 164.2765177 海南362.23481 229.5403989 重庆360.53994 226.6307228 四川206.07019 261.9414880 贵州708.60794 -0.5224843 云南435.30179 117.9074584 西藏836.32175 163.8641180 陕西475.58204 -309.3702220 甘肃712.09253 -10.0972309 青海372.00020 -192.4072738 宁夏321.09711 -124.8186386 新疆529.56410 -105.2031733 $stress[1] 3.267686>x=fit$points[,1]>y=fit$points[,2]>plot(x,y) #画散点图(见图10-3)>text(x,y,labels=s(case10.1),adj=c(0.5,1.5),cex=0.7) #设置标签位#置大小>abline(h=0,v=0,lty=3) #采用虚线划分四个象限从图10-3可以比较直观地看出在总支出方面，上海、北京、广东、浙江、江苏、天津、福建等沿海地区是我国传统的经济发达地带，又是改革开放的前沿，雄厚的经济实力为农业和农村经济发展奠定了坚实的基础，农村居民的人均消费水平相对较高.北京在享受型消费方面领先于其他省区，说明北京的农民比较重视文化生活，由于他们身处祖国的政治文化中心，因此在文化、教育、医疗等方面有很高的消费和投入.而广东农民更重视物质上的消费，尤其在食物方面，广东人很下工夫，但是他们在文化生活上支出却不高，也不太注重这方面的投入.从总体来看，我国绝大多数地区农村居民家庭的消费水平比较低，消费结构不合理，我国农村居民家庭消费水平在不同地区间存在着明显的差异.图10-3 2010年我国农村居民家庭人均生活消费支出古典拟合构图习题10.1证明当C≥0时，由式(10.12)定义的距离阵D=(d₂)为欧氏距离阵.10.2(数据文件为ex10.2)在R中利用古典多维标度法对表10-6中的六个经济发展指标数据进行分析评价.其中，x₁为农业产值，x₂为林业产值，x₃为牧业产值，x₄为企业人数，x₅为企业总产值，x₆为利润总额.表10-6 2003年广东省各地区农村经济发展状况指标城市x₁x₂x₃x₄x₅x₆广州市97.84 1.28 38.86 141.98 2089.55 121.07深圳市11.20 0.66 12.59 156.52 418.16 50.12珠海市 5.67 0.11 3.60 17.39 360.58 10.58汕头市29.87 0.57 17.26 52.45 673.74 24.07佛山市52.39 0.29 32.14 90.77 1649.81 62.74韶关市47.82 4.47 18.44 27.91 144.51 16.14河源市33.57 3.10 12.84 12.62 51.25 4.73梅州市57.10 2.74 28.02 44.12 226.65 19.75惠州市61.57 4.70 25.20 70.38 568.79 40.39汕尾市29.82 1.70 12.09 30.52 189.00 6.78东莞市20.97 0.14 20.35 134.63 1380.42 74.01中山市16.87 0.21 5.33 91.43 1148.14 52.10江门市57.33 1.79 39.21 85.64 1252.07 32.68阳江市47.72 3.27 21.39 19.52 191.64 11.08湛江市87.20 4.72 34.07 40.60 390.06 20.96茂名市112.00 7.85 81.36 76.47 739.34 40.85肇庆市76.06 16.45 46.77 52.97 569.93 19.40清远市57.35 6.67 28.47 17.95 75.29 6.76潮州市27.05 1.63 14.88 35.22 501.63 20.97揭阳市71.08 2.09 26.43 50.52 891.76 17.79云浮市44.07 4.65 38.97 22.23 188.47 8.7010.3(数据文件为ex10.3)表10-7给出了2011年全国31个省、直辖市、自治区的城镇居民家庭人均消费性支出的8个主要指标数据，根据这些数据，采用多维标度法进行分析评价.表10-7全国31个省、直辖市、自治区城镇居民家庭人均消费性支出数据(2011年)单位：元地区食品x₁衣着x₂居住x₃家庭设备及用交通通信x₅文教娱乐x₆医疗保健x7其他x8品x₄北京6905.512265.881923.711562.553521.23306.821523.32975.37天津6663.311754.981763.441174.622699.532116.011415.39836.82河北3927.261425.991372.25809.85 1526.61203.99955.95 387.40山西3558.041461.91327.78832.74 1487.661419.43851.30 415.44内蒙古4962.42514.091418.61162.872003.541812.071239.36765.13辽宁5254.961854.631385.62929.37 1899.061614.521208.3643.15吉林4252.851769.471468.29839.31 1541.371468.341108.51562.48黑龙江4348.451681.881185.96723.58 1363.621190.871082.96476.89上海8905.952053.812225.681826.223808.413746.381140.821394.86江苏6060.911772.061187.741193.812262.192695.52962.45 647.06浙江7066.222138.991518.061109.423728.232816.121248.9811.51安徽5246.761371.011501.39690.66 1365.011631.28907.58 467.77福建6534.941494.961661.841179.842470.181879.02773.26 667.00江西4675.161272.881114.49914.88 1310.211429.3641.23 389.06山东4827.612008.841510.841013.822203.991538.44938.86 518.27河南4212.761706.941087.08977.52 1573.641373.94919.83 484.76湖北5363.681677.911172.11814.81 1382.21489.67915.72 347.68湖南4943.891499.021292.55940.79 1975.51526.1790.76 434.25广东7471.881404.62005.151370.283630.622647.94948.18 773.17广西5074.491019.341237.91884.85 2000.571502.65779.08 349.48海南5673.65 780.101342.29729.86 1830.81141.81783.34 360.91重庆5847.92056.791205.661079.271718.731474.881050.62540.63四川5571.691483.541226.141020.161757.521369.47735.26 532.52贵州4565.851209.881102.99857.55 1395.281331.43578.33 311.57云南4802.261587.18827.84 570.46 1905.861350.65822.41 381.38西藏5184.181261.29781.12 428.03 1278.0514.44 424.10 527.74陕西5040.471673.241193.81914.26 1502.441857.61100.51500.42甘4182.41470.21139.8660.48 1289.81158.3874.05 413.37肃7 6 5 0 0青海4260.271394.281055.15723.23 1293.45967.90 854.25 406.93宁夏4483.441701.731247.14885.36 1637.611441.18978.12 521.47新疆4537.461715.94888.16 791.43 1377.671122.18912.99 493.56 10.4(数据文件为ex10.4)对表10-8给出的我国12个城市间的航空距离矩阵D,利用R软件中的cmdscale()函数求D的CMDS解，并给出拟合构图X及拟合构造点.表10-8我国12个城市间的航空距离矩阵10.5(数据文件为ex10.5)在R中利用古典多维标度法对表10-9中给出的2006年我国东部和西部地区20省区工资水平数据.请对相关经济发展指标数据进行分析评价.其中x₁为国有单位工资，x₂为城镇集体单位工资，x3为股份合作单位工资，x₄为联营单位工资，x5为有限责任公司工资，x₆为股份有限公司工资，x₇为其他单位工资，x8为港、澳、台商投资单位工资，x9为外商投资单位工资.表10-9我国2006年20个省区工资水平数据单位元地区x₁x₂x₃x₄x₅x₆x₇x8X 9北京41313 17550 14603 20154 30732 54595 28023 52593 64192 河北17057 10255 12947 23894 17580 15835 10362 17282 18014 山西18540 12014 10208 16308 20554 15917 11883 14583 17363 内蒙古19275 12404 11216 12238 17439 18211 12966 14222 19041 辽宁20305 10793 13175 11859 18852 24453 10095 19206 19756 吉林16983 9106 9698 10413 15249 20657 10381 13461 22562 上海40141 22959 20912 30984 31305 43673 42206 26244 42556 江苏28143 15279 16199 17302 20453 25487 15954 18200 23446 浙江41920 22006 19220 32979 19903 26994 21657 19593 20950 江西16227 10000 12118 13939 14710 17365 10388 10982 13731 山东22552 13024 13588 27823 15732 17440 12798 15602 18248 湖北17708 10265 10787 14262 14683 14985 9671 12545 23261 湖南18459 12490 14442 14328 15754 18228 15525 15812 17574 广西18384 12025 11071 13637 16549 17854 13231 12910 22427 重庆21168 13471 14460 16283 15637 21497 13368 17098 25037 四川19884 12624 13522 14962 13251 16606 10693 16909 20749 贵州17248 12590 14796 12306 14227 19361 12482 13436 15359 云南19520 11859 12806 14890 16308 19720 10833 15054 20944 陕西16894 8879 19713 14943 18215 18856 13613 14634 18077 甘肃17836 11411 9832 6439 13998 22076 8407 16877 20139。

多维数据分析基础多维数据分析是指按照多个维度（即多个⾓度）对数据进⾏观察和分析，多维的分析操作是指通过对多维形式组织起来的数据进⾏切⽚、切块、聚合、钻取、旋转等分析操作，以求剖析数据，使⽤户能够从多种维度、多个侧⾯、多种数据综合度查看数据，从⽽深⼊地了解包含在数据中的信息和规律。

多维数据分析以数据仓库为基础，按照维度模型来设计数据仓库。

在维度模型中，把存储度量的表称作事实表，把存储属性的表叫做维度表。

事实表存储的是可概括的数据，维度中包含属性和层次结构。

⽤户可以按照层次结构对数据进⾏聚合，从High Level上分析数据。

⼀，度量和度量值度量（Measure）是事实表中⼀个数值类型的属性，对数值进⾏聚合计算是有意义的，例如，学⽣的分数，计算学⽣的平均分数是有意义的。

度量值是指可概括的数值，是度量的值，度量值⼜被称作事实（fact），这也是“事实表”名称的由来。

从维度模型来看，事实表中除了维度的外键列和主键列之外，其他的列都是度量，这些列的值是度量值。

由此可以得出，事实表的构成是：主键列+维度外键+度量。

事实表存储数据的详细程度称作事实表的粒度，由于粒度是由事实表引⽤的外键列确定的，因此⼀个事实表只能有⼀个粒度，不同粒度的事实数据必须分别存储到不同的事实表中。

⼆，维度和层次结构维度是分析数据的⾓度，维度和维度之间是相互独⽴的。

在报表中，增加维度只是创建了⼀个新的、独⽴的细分度量值的⽅法。

从数据分析的⾓度来讲，增加维度是把度量值更细分，增加新的属性来分解数据。

属性是维度表的⼀列，主键属性（Primary Key Attribution）唯⼀地确定了维度表中的其他属性，属性值是int类型；由于主键属性不具有可读性，通常为维度表创建⼀个名称属性（Name Attribution），是字符类型，⽤于说明主键属性标识的实体。

维度表的每⼀⾏都是不同的实体，但是其名称属性可能是相同的，例如，⼈名。

由于主键属性是int类型，值是唯⼀的，占⽤的存储空间⼩，因此⼤量应⽤于事实数据中，作为外键列。

SPSS分析：多维尺度分析⼀、概念多维尺度尝试寻找对象间或个案间⼀组距离测量的结构。

该任务是通过将观察值分配到概念空间（通常为⼆维或三维）中的特定位置实现的，这样使空间中的点之间的距离尽可能与给定的不相似性相匹配。

在很多情况下，这个概念空间的维度可以解释并可以⽤来进⼀步分析数据。

多维尺度分析（MDS）是分析研究对象的相似性或差异性的⼀种多元统计分析⽅法。

采⽤MDS可以创建多维空间感知图，图中的点（对象）的距离反应了它们的相似性或差异性（不相似性）。

多维尺度分析和因⼦分析都是维度缩减技术，但是因⼦分析⼀般使⽤相关系数进⾏分析，使⽤的是相似性矩阵；⽽多维尺度分析采⽤的是不相似的评分数据或者说相异性数据来进⾏分析；与因⼦分析不同，多维尺度分析中维度或因素的含义不是分析的中⼼，各数据点在空间中的位置才是分析解释的核⼼内容；多维尺度分析与聚类分析也有相似之处，两者都可以检验样品或者变量之间的近似性或距离，但聚类分析中样品通常是按质分组的；多维尺度不是将分组或聚类作为最终结果，⽽是以⼀个多维尺度图作为最终结果，⽐较直观。

若你的⽬的是要把⼀组变量缩减成⼏个因素来代表，可考虑使⽤因素分析；若⽬的是变量缩减后以呈现在空间图上，则可以使⽤多维尺度分析。

如果你是想要却仍相似观测值得组别，请考虑以聚类分析来补充多维尺度分析，聚类分析虽可以确认组别，但⽆法在空间图中标⽰出观测。

⼆、距离（分析-度量-多维尺度）1、指定数据为距离数据：如果您的活动数据集代表⼀组对象中的距离或者代表两组对象之间的距离，则指定数据矩阵的形状才能得到正确的结果。

2、指定从数据创建距离：多维尺度使⽤不相似性数据创建尺度分析解。

如果您的数据为多变量数据（度量到的变量的值），就必须创建不相似性数据才能计算多维尺度解。

可以指定从数据创建⾮相似性测量的详细信息。

2.1度量。

允许您指定进⾏分析的⾮相似性测量。

从与您的数据类型相关的“度量”组选择⼀个选项，然后从与那⼀类度量相关的下拉列表选择⼀种度量。

多维标度法的定义判断题一、多维标度法的概念与原理1.多维标度法的定义多维标度法（Multidimensional Scaling，简称MDS）是一种对数据进行降维处理和可视化分析的方法。

它通过计算不同变量之间的相似性或距离，将原始数据映射到一个新的低维空间，从而实现对数据的简化与理解。

2.多维标度法的应用领域多维标度法广泛应用于心理学、社会学、地理学、市场营销、生物学等领域，主要用于分析复杂数据集，挖掘变量间的潜在关系。

3.多维标度法的基本原理多维标度法的基本原理是将数据点之间的相似性或距离信息转化为低维空间中的坐标，使得数据点在低维空间中的距离能够反映原始数据中的相似性或距离信息。

这可以通过求解最小二乘法问题来实现。

二、多维标度法的判断题类型1.相似性判断题相似性判断题是多维标度法中的一种题目类型，通过比较两个对象在低维空间中的距离来判断它们之间的相似程度。

这类题目可以帮助我们了解变量间的相似性关系。

2.优先级判断题优先级判断题要求受访者根据一定的标准，对多个对象进行排序。

通过多维标度法，可以将受访者的排序结果映射到低维空间，从而分析排序背后的潜在因素。

3.距离判断题距离判断题要求受访者根据对象之间的距离来判断它们在低维空间中的相对位置。

这类题目可以帮助我们了解受访者对不同对象之间的距离感。

三、多维标度法的实证分析与案例1.数据收集与处理在进行多维标度法分析之前，我们需要首先收集相关数据。

数据可以来源于问卷调查、实验观察等多种途径。

在收集到数据后，我们需要对数据进行预处理，包括去除异常值、标准化等。

2.模型构建与参数估计在数据处理完成后，我们可以构建多维标度模型，并使用最小二乘法等方法估计模型参数。

这一步骤的目的是将原始数据映射到低维空间，从而实现对数据的降维处理。

3.结果分析与应用多维标度法的结果可以用于分析变量间的相似性、优先级和距离关系。

此外，我们还可以将结果应用于后续的决策分析、市场划分等领域。

武夷学院实验报告
课程名称：多元统计分析项目名称：多维标度分析姓名：专业： 14信计班级：1班学号：同组成员：无
）
线性拟合散点图，如下图。

该图提供的是原始数据的不一致程度和用线性模型计算出来的欧式距离间的散点图。

如果模型拟合程度好，则所有散点应当在一条直线上。

从该图中可以发现，各点基本上呈线性趋势，不存在明显的离群点，因此采用欧几里得距离来拟合原始数据的距离阵是非常适合的。

实验报告成绩（百分制）__________ 实验指导教师签字：__________。

运用多维尺度标度法对NBA球员的聚类分析陈博摘要本文首先从2010-2011赛季NBA常规赛中得分榜前五十位球星中选取了收入最高的十位作为样本，然后选择了衡量球员防守和进攻能力的六个最主要的指标作为变量，运用Spss 进行多维标度分析，得到了一个二维的空间分布图，发现在二维坐标平面上詹姆斯和霍华德远离其他球员。

在运用得到的球员在二维平面上的坐标进行聚类分析，得到了与分布图一致的结论即詹姆斯和霍华德是真正的巨星。

再结合各球员的当赛季薪资分析，仍然可以发现的是詹姆斯和霍华德还是十分物美价廉的球员，而湖人队的两位球星加索尔和科比，有薪资过高的嫌疑。

诺维斯基虽然数据不突出但带领球队获得最终总冠军，因此第二高薪也是当之无愧的。

而其他球员应属是物有所值型的。

关键词：NBA 多维标度法聚类分析工资水平第一章绪论第一节选题背景及意义NBA（全称National Basketball Association），直译为美国篮球大联盟，简称美职篮。

NBA在其短短几十年的发展历史里面已经成为了全球最著名最成功的体育赛事之一。

激烈精彩的赛事，光芒四射的球星，成功的商业推广，巨额的广告赞助和电视转播收入，吸引着全世界球迷的眼球。

然而浮华背后其实是危机四伏，2005-2006赛季，共19支球队亏损，亏损金额为2.2亿美元；2006-2007赛季，共21支球队亏损，亏损金额为2.85亿美元；2007-2008赛季，共23支球队亏损，亏损金额为3.3亿美元；2008-2009赛季，共24支球队亏损，亏损金额为3.7亿美元；2009-2010赛季共23支球队亏损，亏损金额为3.4亿美元；而最近结束的11赛季预计亏损为3亿美元。

整个NBA共有30支球队，从以上数据可以看到有70%-80%的球队连年巨额亏损，而球队亏损的一个最主要原因就是疲于支付球员们的巨额年薪。

有资料显示2010-2011赛季，NBA所有球员的平均年薪是515万美元，在美国所有的职业体育联盟里是平均年薪最高的，而当赛季收入最高的科比布莱恩特更是达到了惊人的2480万美金。

多维尺度分析多维尺度分析（multidimensional scaling ,MDS ）又称ALSCALE(alternative least-square SCALing),还有人称之为多维量表分析；它是将一组个体间的相异数据经过MDS 转换成空间构图，且保留原始数据的相对关系。

1多维尺度分析的目的假设给你一张中国台湾省地图，要你算出基隆，台北，新竹，台中，台南，嘉义，高雄，花莲，台东，枋寮，苏澳，恒春等地间的距离，你可以用一把刻度尺根据比例测算出一个12x12de 距离矩阵；反之，如果给你一份12个城市间的距离矩阵，要你画出12个城市相对位置的二维台湾地图，且要他们与现实尽量保持一致，那就是一件不容易的工作了，多为尺度分析就为此工作提供了一个有效地分析手段。

2多为尺度分析与因子分析和聚类分析的异同多为尺度分析和因子分析都是维度缩减技术，但是因子分析一般使用相关系数进行分析，使用的是相似性矩阵；而多为尺度分析采用的是不相似的评分数据或者说相异性数据来进行分析；与因子分析不同，多为尺度分析中维度或因素的含义不是分析的中心，各数据点在空间中的位置才是分析解释的核心内容；多为尺度分析与聚类分析也有相似之处，两者都可以检验样品或者变量之间的近似性或距离，但聚类分析中样品通常是按质分组的；多维分析不是将分组或聚类作为最终结果，而是以一个多维尺度图作为最终结果，比较直观。

若你的目的是要把一组变量缩减成几个因素来代表，可考虑使用因素分析；若目的是变量缩减后以呈现在空间图上，则可以使用MDS 。

如果你是想要却仍相似观测值得组别，请考虑以聚类分析来补充多为尺度分析，聚类分析虽可以确认组别，但无法在空间图中标示出观测。

3.定性的和定量的MDSMDS 分析测量的尺度不可以是nominal 的，但可以是顺序的ordinal,等距的interval,比率的ratio 。

顺序量表只可以用于质的分析，又称为定性多维量表分析；它以个体间距离排序为主；而interval 和ratio 量表称为定量多维量表分析（定量多维尺度分析）。