Uso: Determina la relación entre variables y explicarlas a través de dimisiones.

Descripción: El escalamiento multidimensional es una técnica que permite reducir el número de variables. Se diferencia del análisis factorial en que los factores se denominan dimensiones y que los datos vienen dados por la comparación entre pares de variables.

Variables: Métricas y no métricas.

Ejemplo en R: Reducir las dimensiones asociadas a los gustos entre tipos de bebidas alcohólicas.

# Consideremos las distancias entre cinco objetos
datos <- matrix(c(0, 1, 2, 4, 5, 1, 0, 2.5, 4, 5, 2, 2.5, 0, 4, 5, 4, 
              4, 4, 0, 1.2, 5, 5, 5, 1.2, 0), nrow = 5)
rownames(datos) <- colnames(datos) <- c("Whisky", "Ron", "Licor", "Vodka", "Ginebra")
datos

# Ejecutar el escalado multidimensional 
modelo <- cmdscale(datos)
modelo

# Calcular las distancias obtenidas 
distancia <- dist(modelo)

# Representar los objetos como puntos de un mapa de dimensión dos:
plot(modelo, type = "n", xlab = "Coord. 1", ylab = "Coord. 2")
text(modelo[, 1], modelo[, 2], labels = rownames(modelo), cex = 0.8)

Escalamiento multidimensional para la visualización de variables

# Las dos primeras coordenadas principales (valores propios) son
valores <- cmdscale(distancia, eig = T)

# Valores propios calculados
valores$eig

# Determinar el ajuste
valores$GOF