多次元尺度構成法（MDS）は、対象の距離や非類似性を視覚化することでデータを分析する統計的手法です。特に、データポイントが高次元であり、関係性をできるだけ保ちながら次元を減らして理解を促進することを目的としています。
MDS works by taking a matrix of pairwise distances (or dissimilarities) among a set of items and then representing these items in a lower-dimensional space—typically 2D or 3D. The result is a spatial configuration where similar items are placed close together, while dissimilar items are further apart. This allows for intuitive visualization and interpretation of complex データ内の関係性。
MDSには主に2つのタイプがあります： メトリックMDS, which assumes that the distances are derived from interval data, and ノンメトリックMDS, which focuses on the rank order of the distances rather than their actual values. The choice between metric and non-metric MDS typically depends on the nature 分析されているデータの
MDSはさまざまな分野で広く使用されており、 psychology, marketing, and 社会科学, to explore and visualize patterns in データセット, such as consumer preferences or perceptual similarities among products. By transforming complex data into a more digestible visual format, MDS enables researchers and analysts to derive insights that might not be immediately apparent from raw data alone.