SPSS 命令: SPSS ALSCAL
在浏览器中做 ALSCAL 多维尺度分析
ALSCAL 构建一张图，使其距离再现不相似性，并以交替最小二乘拟合平方距离。
免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日
能告诉你什么
Crosstabs 在你的设备上，对单个不相似性矩阵按欧氏模型、以有序或比率水平运行 SPSS ALSCAL 算法。
- 每次迭代后的 Young S-stress，以及改进低于准则的时点。
- 最终配置的 Kruskal 应力公式 1 与 RSQ。
- 刺激坐标，可直接绘制为感知图。
适用场景
适合使用
- 希望重现或比较旧版 SPSS 语法中的 ALSCAL 分析。
- 只有不相似性的排序可信（有序水平）。
改用其他方法
- 有多个矩阵并需要个体权重（INDSCAL）：只拟合单个矩阵的简单欧氏模型。
- 需要区间水平：请使用 PROXSCAL（多维尺度分析）。
在 Crosstabs 中如何操作
- 01
打开数据
在工作区打开 .sav、CSV 或 Excel 文件并切换到“统计”模式。文件只在浏览器中读取，不会上传。
- 02
选择多维尺度分析（ALSCAL）
在“降维”组中选择“多维尺度分析（ALSCAL）”。
- 03
指定不相似性来源
在“邻近度”中选择变量间距离、个案间距离或“数据中的方形相异性矩阵”，并勾选变量。
- 04
设置水平与维数
选择“测量级别”（有序或比率），有序数据还需设置“结的邻近度”，以及“维数”和“最大迭代次数”（默认 30）。
- 05
运行
点击“运行 ALSCAL”，查看迭代历史、拟合度量与配置。
输出表格说明
- 迭代历史记录
- 每次迭代的 S-stress 及其改进；改进低于 0.001 时停止迭代。
- 应力与拟合度量
- S-stress、Kruskal 应力公式 1 以及差异值与距离之间的 RSQ。
- 刺激坐标
- 每个对象的坐标，已中心化并缩放为均方为 1。
前提假设与注意事项
- 不相似性是对称的；使用矩阵的下三角。
- 由于拟合的是平方距离，S-stress 准则比 Kruskal 应力更重视较大的不相似性。
结果如何验证
按 ALSCAL 章节独立实现的 NumPy 版本在有序（保留结或拆分结）与比率水平下，重现加性常数、迭代历史中的每个 S-stress、坐标、差异值、Kruskal 应力与 RSQ，误差在 1e-7 至 1e-9 之间；SciPy 确认比率解是 S-stress 的驻点。 验证证据（英文）
常见问题
ALSCAL 还是 PROXSCAL？
PROXSCAL 最小化 Kruskal 原始应力并提供区间变换；ALSCAL 最小化平方距离上的 S-stress。若需与旧分析一致用 ALSCAL，否则用 PROXSCAL。
S-stress 多少算好？
越低越好；通常低于约 0.1 可以接受，但应比较不同维数的解，而不要依赖固定界限。
为什么几次迭代后就停止了？
与 SPSS 默认设置相同，当 S-stress 的改进小于 0.001 时 ALSCAL 即停止。
会使用权重吗？
不会。ALSCAL 按给定的不相似性进行尺度分析。
相关过程
用你自己的数据运行多维尺度分析（ALSCAL）
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成，文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。