SPSS软件的尺度分析：基本原理
尺度分析用来分析样本数据间的相似性，如果数据为不相似性数据，则它们必须为数值型数据或是使用相同计量单位计量的数据。如果数据为多元变量，则数据可以是等间隔数据、二分数据或计数数据。注意应该保持数据量度单位的一致性，否则将会影响到分析结果。如果不能避免这种情况的出现，则必须对数据进行标准化（在此分析过程中可以自动解决）。
多维尺度分析没有严格的假设要求，但在选择测量水平时应该十分小心。在相似数据的情况下，用较大数值表示非常相似，用较小的数值表示非常不相似，比如用7表示非常相似，1表示两个商场非常不相似。如果用较大的数值表示非常不相似，较小的数值表示非常相似，则数据为不相似数据，也称距离数据。比如用7表示非常不相似，用1表示两个商场非常相似。
在SPSS官方网站的帮助文档《 IBM_SPSS_Statistics_Base 》中，对于尺度分析的应用条件和相关过程还进行了特别指导。
数据方面，如果数据是非相似性数据，那么所有的非相似性都应该是定量的，应该用相同的标度进行度量。如果数据是多变量数据，则变量可以为定量数据、二分类数据或计数数据。变量标度是一个重要问题，标度之间的差异可能会影响解。
如果变量在标度上有很大差异（如一个变量以美元为单位度量，而另一个以年数为单位度量），那么应该考虑对它们进行标准化（这可以通过多维标度过程来自动完成）。
假设条件方面，相对来讲，多维标度过程没有分布假定，用户需要确保在“多维标度：选项”对话框中选择适当的测量级别（有序、定距或定比）以确保正确计算结果。
相关过程方面，如果用户的目标是减少数据，特别当变量为定量时，就可以考虑使用另一种方法，即因子分析。
如果用户要确定相似个案的组，则考虑使用分层聚类或k-means聚类分析补充多维标度分析。
