主編：費(fèi)宇中國(guó)人民大學(xué)出版社2023/9/7主編：費(fèi)宇1第10章多維標(biāo)度分析10.1

多維標(biāo)度法的基本思想10.2

古典多維標(biāo)度法多維標(biāo)度法的幾個(gè)基本概念；

已知距離矩陣時(shí)CMDS解；

已知相似系數(shù)矩陣時(shí)CMDS解；10.3

非度量多維標(biāo)度法10.4案例分析與R實(shí)現(xiàn)2023/9/7主編：費(fèi)宇2第10章多維標(biāo)度分析2023/9/7主編：費(fèi)宇310.1

多維標(biāo)度法的基本思想多維標(biāo)度法：是用低維空間

Rk(k<p)中的n個(gè)點(diǎn)去重新標(biāo)度和展示高維空間Rp中n個(gè)點(diǎn)(的某種距離或某種相似性)，將高維空間中的研究對(duì)象(樣本或變量)簡(jiǎn)化到低維空間中進(jìn)行定位、歸類(lèi)和分析且有效保留研究對(duì)象間原始關(guān)系的多元數(shù)據(jù)分析技術(shù)的總稱(chēng)．是一種維數(shù)縮減方法，主要思想是在降維的同時(shí)讓新得到的n個(gè)點(diǎn)與原來(lái)的n個(gè)點(diǎn)保持較高的相似度(如位置關(guān)系、距離、類(lèi)別等)．2023/9/7主編：費(fèi)宇4多維標(biāo)度法起源于上世紀(jì)40年代的心理測(cè)度.1958年Torgerson正式提出了這一方法．目前應(yīng)用廣泛，內(nèi)容豐富，方法較多．主要分為兩類(lèi)：度量分析法，非度量分析法.它與主成分分析有相通之處：

共同點(diǎn)：均先降維，再做簡(jiǎn)明有效的分析；

不同點(diǎn)：主成分法按包含信息大小選取主成

分；多維標(biāo)度法按標(biāo)度前后距離陣

盡量接近或相似來(lái)構(gòu)造擬合點(diǎn)．10.2

古典多維標(biāo)度分析2023/9/7主編：費(fèi)宇5例10.1在地圖上重新標(biāo)度我國(guó)八個(gè)城市，使得它們之間的距離盡量接近于表10.1中的距離．

北京天津濟(jì)南青島鄭州上海杭州南京北京0

天津1180

濟(jì)南4393630

青島6685713620

鄭州7147294437720

上海125911458867769840

杭州132811918728289622030

南京1065936626617710322305010.2.1

多維標(biāo)度法的幾個(gè)基本概念2023/9/7主編：費(fèi)宇6古典多維標(biāo)度(CMDS)解的定義對(duì)于距離陣，多維標(biāo)度法的目的是要尋找較小的k和Rk中的n個(gè)點(diǎn),記，表示xi與xj在Rk中的歐氏距離，使得與在某種意義下盡量接近,記稱(chēng)為的一個(gè)古典多維標(biāo)度(CMDS)解,稱(chēng)xi為的一個(gè)擬合構(gòu)造點(diǎn)，稱(chēng)為的擬合構(gòu)圖，稱(chēng)為的擬合距離陣．2023/9/7主編：費(fèi)宇7特別，當(dāng)時(shí)，稱(chēng)xi為的一個(gè)構(gòu)造點(diǎn)，稱(chēng)為的構(gòu)圖，注意的構(gòu)圖不唯一．2023/9/7主編：費(fèi)宇8幾個(gè)相關(guān)矩陣構(gòu)造：2023/9/7主編：費(fèi)宇9

距離陣為歐氏距離陣的充要條件：從歐氏距離陣D出發(fā)得到構(gòu)圖

X的步驟：見(jiàn)下面例10.2．2023/9/7主編：費(fèi)宇10例10.2

由D求

X的過(guò)程示例2023/9/7主編：費(fèi)宇11例10.2（續(xù)）

由D求

X的過(guò)程示例2023/9/7主編：費(fèi)宇1210.2.2

已知距離矩陣時(shí)CMDS解上面求解CMDS解的實(shí)現(xiàn)過(guò)程，可使用stats包中的cmdscale函數(shù)；也可使用MASS包中isoMDS函數(shù)．

例10.3對(duì)表10.1給出的我國(guó)八個(gè)城市間的距離矩陣D，利用R軟件stats包中的cmdscale函數(shù)求

的CMDS解，給出擬合構(gòu)圖

及擬合構(gòu)造點(diǎn)．2023/9/7主編：費(fèi)宇13例10.3（續(xù)）#打開(kāi)數(shù)據(jù)文件eg10.3.xls,選取C2:K10后復(fù)制>eg10.3=read.table("clipboard",header=T)#讀入數(shù)據(jù)>D10.3=cmdscale(eg10.3,k=2,eig=T);D10.3#k取為2,并給出B的前兩個(gè)特征向量和所有特征值>sum(abs(D10.3$eig[1:2]))/sum(abs(D10.3$eig))#j算a1.2>sum((D10.3$eig[1:2])^2)/sum((D10.3$eig)^2)#算a2.2>x=D10.3$points[,1];y=D10.3$points[,2]>plot(x,y,xlim=c(-700,800),ylim=c(-300,600))#根據(jù)兩個(gè)特征向量的分量大小繪散點(diǎn)圖>text(x,y,labels=s(eg10.3),adj=c(0,-0.5),cex=0.8)#將擬合點(diǎn)用行名標(biāo)出2023/9/7主編：費(fèi)宇14圖10.1我國(guó)八城市距離陣的擬合構(gòu)圖：2023/9/7主編：費(fèi)宇152023/9/7主編：費(fèi)宇1610.2.