【正文】 i s a c c o u n t e d f o r b y t h e i r c o r r e s p o n d i n g d i s t a n c e s . S t r e s s v a l u e s a r e K r u s k a l 39。 s s t r e s s f o r m u l a 1 . F o r m a t r i x S t r e s s = . 038 80 R S Q = . 994 85 表 壓力指標(biāo)檢驗(yàn) C o n f i g u r a t i o n d e r i v e d i n 2 d i m e n s i o n s S t i m u l u s C o o r d i n a t e s D i m e n s i o n S t i m u l u s N u m b e r S t i m u l u s N a m e 1 2 1 V A R 1 2 . 8 0 7 7 . 7 8 2 5 2 V A R 2 1 . 4 3 5 1 . 0 2 0 0 3 V A R 3 1 . 9 7 9 9 . 2 4 2 5 4 V A R 4 . 1 9 5 0 . 5 2 4 9 5 V A R 5 1 . 7 1 9 0 . 7 1 5 1 表 擬合點(diǎn)的在 2維標(biāo)度中的坐標(biāo)（部分） 3. 接下來(lái)是歐氏距離下的 16個(gè)國(guó)家和地區(qū)的擬合構(gòu)造點(diǎn)的二維圖（圖 ），從圖上可以看出比較發(fā)達(dá)的地區(qū)基本都在第三個(gè)象限，如香港，日本，新加坡。而中國(guó)和泰國(guó)，菲律賓等國(guó)較為接近。而線性擬合散點(diǎn)圖（圖 ）從圖形上告訴我們采用歐氏距離來(lái)擬合原始數(shù)據(jù)的距離陣是非常合適的。 O p t i m al l y s c al e d d at a ( d i s p ar i t i e s ) f or s u b j e c t 1 1 2 3 4 5 1 2 3 4 5 . 000 1. 676 . 856 3. 293 4. 553 . 000 . 648 1. 673 3. 210 . 000 2. 298 3. 736 . 000 1. 942 . 000 表 最優(yōu)標(biāo)度的距離陣（部分） 3 2 1 0 1 2 3Dimens ion 1Dimension 2VAR1VAR2VAR3VAR4VAR5VAR6VAR7VAR8VAR9VAR10VAR11VAR12VAR13VAR14VAR15VAR16Euc l i de an di st an ce mod elDer i ve d Sti mul us Con fi gu ra ti on 圖 擬合構(gòu)造點(diǎn)的二維坐標(biāo)圖 0 1 2 3 4 5D ispar it ies012345DistancesEu c l i d e a n d i s ta n c e m o d e lSc a tt e r p l o t o f L i n e a r F i t 圖 歐氏距離下的線性擬合散點(diǎn)圖 二、利用 SPSS對(duì)本章美國(guó)十城市的 例子進(jìn)行多維標(biāo)度 （一）操作步驟： 1. 打開(kāi)文件之后，在主對(duì)話框的 distances單選項(xiàng)中選擇 Data are distances，此時(shí) shape對(duì)話框被激活（圖 ），默認(rèn)距離形式為 Square symmetric。 ? 若原始數(shù)據(jù)的距離是對(duì)稱的，則只需要輸入三角陣即可，運(yùn)算中 SPSS會(huì)自動(dòng)填充，如本例； Square asymmetric表示不對(duì)稱的距離陣；而 Rectangular表示距離陣不是方陣，這時(shí)需要指定矩陣使用的行數(shù) Number of rows，該數(shù)值必需大于等于 4。本例中選擇 Square symmetric，點(diǎn)擊 Continue返回主對(duì)話框。 圖 shape子對(duì)話框 2. 在 Options子對(duì)話框中選中 Group plots，點(diǎn)擊 Continue返回，再點(diǎn)擊 OK運(yùn)行。 （二）結(jié)果分析： 1. 首先觀察壓力指標(biāo)（表 ）， Young氏指標(biāo)值為， K氏指標(biāo)值為 ， RSQ=，說(shuō)明歐氏距離模型擬合效果很好。 I t e r at i on h i s t or y f or t h e 2 d i m e n s i on al s o l u t i o n ( i n s q u ar e d d i s t an c e s ) Y o u n g 39。 s S s t r e s s f or m u l a 1 i s u s e d . I t e r a t i o n S s t r e s s I m p r ove m e n t 1 . 0 0 2 9 1 I t e r at i on s s t op p e d b e c au s e S s t r e s s i s l e s s t h a n . 005 000 S t r e s s a n d s q u a r e d c o r r e l a t i o n ( R S Q ) i n d i s t a n c e s R S Q val u e s ar e t h e p r op or t i on of var i an c e of t h e s c al e d d at a ( d i s p ar i t i e s ) i n t h e p a r t i t i o n ( r o w , m a t r i x , o r e n t i r e d a t a ) w h i c h i s a c c o u n t e d f or b y t h e i r c or r e s p on d i n g d i s t an c e s . S t r e s s v a l u e s a r e K r u s k a l 39。 s s t r e s s f o r m u l a 1 . F o r m a t r i x S t r e s s = . 002 72 R S Q = . 999 96 表 壓力指標(biāo)檢驗(yàn) 2. 擬合點(diǎn)的坐標(biāo)（表 ），二維坐標(biāo)圖（圖 ）以及線性擬合散點(diǎn)圖（圖 ）。從圖 距離的擬合標(biāo)度非常符合原始距離陣。各個(gè)城市之間的距離可以非常好地用圖 。 2 1 0 1 2D im ensio n 1Dimension 2at la nt achi cag odenverho ust onlo san ge le sm ia m ine wyo r ksan f r ansea t t lewashdcEu c l i d e a n d i s ta n c e m o d e lDe r i v e d St i m u l u s Co n fi g u r a ti o n 圖 歐氏距離模型下的二維散點(diǎn)圖 C on f i gu r at i on d e r i v e d i n 2 d i m e n s i on s S t i m u l u s C oor d i n at e s S t i m u l u s N u m b e r D i m e n s i on S t i m u l u s N am e 1 2 1 2 3 4 5 6 7 8 9 10 at l an t a c h i c ago d e n ve r h ou s t o n l os an g e l m i am i n e w yor k s an f r an s e a t t l e w as h d c . 957 5 . 50 90 . 641 6 . 215 1 1. 603 6 1. 510 1 1. 428 4 1. 892 5 1. 787 5 1. 305 1 . 190 5 . 454 1 . 033 7 . 763 1 . 519 7 . 775 2 . 691 4 . 150 0 . 772 3 . 446 9 表 擬合點(diǎn)坐標(biāo) 0 1 2 3 4Dispa rities01234DistancesEuc l i de an di st an ce mod elSca tte rp l ot of Li ne ar Fi t 圖 擬合散點(diǎn)圖 本章結(jié)束