多維度方法
多維度方法試圖尋找物件或觀察值間距離量數集的結構，可藉著將觀察值指定到概念上的空間 (通常為二或三個維度) 中特定位置來達成此工作，而空間中的點間距須儘可能符合規定的相異性。在許多例子中，這項概念上空間的維度可解釋並用來進一步瞭解您的資料。
如果您有客觀測量的變數，就可將多維度方法當作資料縮減技術使用 (如果有必要，多維度方法程序將會為您計算多變量資料的距離)，另多維度方法也可以應用在物件或概念間的主觀等級上。此外，多維度方法程序可處理來自多個來源的相異性資料，例如來自多位評估者或問卷應答者的資料。
範例。 人們如何察覺不同汽車間的關係？如果您有指出不同汽車廠牌及型號之間相似性等級的應答者資料，就可使用多維度方法來確定可敘述消費者接受度的維度。例如，您可能會發現汽車價格及大小可定義一個二維空間，以說明應答者所回報的相似性。
統計量。 適用於每一個模型：資料矩陣、最佳調整的資料矩陣、S 應力 (Young‘s)、應力 (Kruskal’s)、RSQ、刺激座標、平均應力及各項刺激的 RSQ (RMDS models)。適用個別差異 (INDSCAL) 模型：每個受試者的受試者加權及離奇性索引。適用複製的多維度方法模型中各矩陣：每項刺激的應力及 RSQ。繪圖：刺激座標（二或三個維度）、不等性對距離的散佈圖。
多維度方法的資料考量
資料。如果您的資料是相異性資料，那所有相異性都應為數值，並以相同的計量單位測量。如果您的資料是多變量資料，那麼變數可以是數值、二元或個數資料。變數尺度是一項重要問題 -- 因為尺度的差異可能會影響您的解答。如果您的變數尺度差異極大（例如，一個變數以元為單位來測量，另一個以年為單位），那就應考慮將他們標準化（可使用多維度方法程序來自動執行）。
假設。 多維度方法程序比較沒有分配上的假設，但一定要在「多維度尺度選項」對話框中選擇適當的測量層級（序數、區間或比例量數），以確保結果係經過正確計算。
相關程序。 如果您的目的是資料縮減，特別是您的變數為數值的話，可考慮使用因素分析的替代方法。如果您想要確認相似觀察值的組別，請考慮以階層或 k 平均數集群分析來補充多維度方法的分析。
取得多維度方法的分析
此功能需要 Statistics 基本版。
- 在功能表上，選擇：
- 選取至少四個數值變數進行分析。
- 在「距離」群組中，選擇「資料為歐基里得直線距離」或「將資料轉換成歐基里得直線距離」其中之一。
- 如果您選取「將資料轉換成歐基里得直線距離」，您也可以為個別的矩陣選取分組變數。分組變數可以是數字或字串。
您也可以：
- 當資料為歐基里得直線距離時，指定距離矩陣的形狀。
- 從資料建立歐基里得直線距離時指定距離量數。
此程序會貼上ALSCAL 指令語法。