Jeśli zaakceptujesz zwięzłą odpowiedź ...
Na jakie pytania odpowiada? Wizualne odwzorowanie parowych podobieństw w przestrzeni euklidesowej (głównie) o niskiej wymiarowości.
Którzy badacze są często zainteresowani jego użyciem? Każdy, kto chce wyświetlić skupiska punktów lub uzyskać wgląd w możliwe ukryte wymiary, wzdłuż których rozróżniają się punkty. Lub kto po prostu chce przekształcić macierz zbliżeniową w dane zmiennych punktów X.
Czy istnieją inne techniki statystyczne, które wykonują podobne funkcje? PCA (liniowy, nieliniowy), analiza korespondencji, rozwijanie wielowymiarowe (wersja MDS dla matryc prostokątnych). Są one na różne sposoby powiązane z MDS, ale rzadko są postrzegane jako jego substytuty. (Liniowe PCA i CA są ściśle powiązanymi operacjami zmniejszającymi przestrzeń algebry liniowej , odpowiednio, na kwadratowych i prostokątnych macierzach. MDS i MDU są podobnymi iteracyjnymi, ogólnie nieliniowymi algorytmami dopasowywania przestrzeni, odpowiednio na macierzach kwadratowych i prostokątnych.)
S.T.miremS.→ T.=mD + EmiS.(klasyczny lub prosty MDS) lub mapa wielu matryc jednocześnie z dodatkową mapą wag (różnice indywidualne lub ważony MDS). Istnieją również inne formy, takie jak powtarzany MDS i ogólny MDS. Tak więc MDS jest różnorodną techniką.
Jak „MDS” odnosi się do „SSA”? Informacje na ten temat można znaleźć na stronie Wikipedii MDS.
Aktualizacja ostatniego punktu. Ta notatka techniczna SPSS pozostawia wrażenie, że SSA jest przykładem rozwijania się wielowymiarowego (procedura PREFSCAL w SPSS). Ten ostatni, jak zauważyłem powyżej, to algo MDS zastosowane do prostokątnych (a nie kwadratowych symetrycznych) matryc.