SAS:多维标度分析（也可起到降维分析的作用）

本文详细介绍了SAS软件中的多维标度分析方法，揭示其如何在数据分析中实现降维的目的。通过对复杂数据的处理，多维标度分析能帮助简化数据结构，便于理解数据间的内在关系。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

/** 多维标度分析 **/
proc transpose data=brand out=tmpbrand;
  /*brand数据的行代表152个人，列代表20个品牌特征。
    使用transpose过程对其进行转置，输出数据集tmpbrand的行代表20个品牌特征，
      列代表152个人，缺省的列名为col1、col2、...、col152。
    此外，tmpbrand中还会生成两个新的列：
      "_name_"表示原brand数据集中各列（品牌特征）的名称，
      "_label_"表示原brand数据集中各列（品牌特征）的标签。*/
run;
proc distance data=tmpbrand out=distbrand method=cityblock;
  /*使用distance过程计算数据集tmpbrand中各行
       （即原brand数据集中各品牌特征）之间的距离。
    输出数据集distbrand记录了计算出的距离矩阵。
    计算距离的方法为"cityblock"，即两行之间的距离为各列的差异的绝对值之和，
      也就是说两个品牌特征之间的距离是152个人给这两个特征评分的差异的
      绝对值之和。*/
  var interval(col1-col152);
  /*指明用于计算距离的列为定序变量col1至col152*/
  id _name_;
  /*指出数据集tmpbrand中"_name_"列（即品牌特征的名称）代表了各行的ID*/
run;
proc print data=distbrand;
run;

proc mds data=distbrand out=out;
  id _name_;
  /*使用mds过程进行多维标度分析。
    输入数据集为前面计算出的距离矩阵。
    输出数据集out中：
      第一行记录了应力函数的值（这里为8.7%，说明拟合优度还可以），
      其它行记录了各品牌特征在低维空间（缺省为2维）对应的坐标。*/
run;

%plotit(data=out, datatype=mds, labelvar=_name_);
  /*使用SAS中系统定义的plotit宏函数在投射的