横浜市青葉区の個人住宅庭園の代表的な78景観 に対し，景観間の類似度を計測するため，東京大学農学部の3年生31名（男子23名，女子8名） を被験者にしてグルーピング実験を行った． これより， 景観間の類似度行列 が得られた．

計量的MDS と非計量的MDSのストレス

　類似度の最大値31から 庭景観写真間類似度行列 の値を引いたものを非類似度行列 S とした． 計量的MDS と非計量的MDSを用い， 1次元から10次元まで次元数を変化させた．
　次元数をあげるとストレスはなだらかに 減少しているので，適当な次元数はわかりにくい． ストレスが 10% 程度になる次元数 4 まで考えれば十分であるが，ここではストレス が 20% の次元数 2 の布置に関して考える．

非計量的MDSによる庭景観写真の布置(第1−第2成分)

　第１，第２成分による布置 をみると，庭景観写真が環状に配置されていて，この２軸で庭景観写真がよく 特徴づけられることが わかる． 景観写真の印象から，布置の第１成分は「空間的拡がり−空間的狭さ」， 「整然−雑然」を表現した軸で，第２成分は「和風−洋風」を表現した軸であることが 読み取れる． このことから， 庭景観写真に対する主観的・直感的な分類は，「広さ」と「和風・洋風」 を軸になされていることが推察できる．

Rのコマンド

• 多次元尺度データの読み込み（ データダウンロード）

  d1 <-scan("gardengroup.csv",sep=",")	#類似度データ読み込み
  ggroup.mat <- matrix(d1,nrow=78,ncol=78)	#行列化
  gdist.mat <- max(ggroup.mat)-ggroup.mat	#非類似度化

• 計量的MDS（cmdscale()）の4次元解

  library(mva)	# `mva'ライブラリー使用の宣言
  gmet4.mds <- cmdscale(gdist.mat, k=4,	eig=TRUE, add=TRUE)
  gmet.mat <- gmet4.mds$points	#対象座標の取り出し

• 非計量的MDS（isoMDS()）の4次元解
  library(MASS) # `MASS'ライブラリー使用の宣言

  gmet.isomds <-	isoMDS(gdist.mat, y=cmdscale(gdist.mat, 4),
  	k=4, maxit = 50, trace = TRUE, tol = 1e-3)
  gmet.iso.mat <-	gmet.isomds$points    #対象座標の取り出し

  dimnames(gmet.iso.mat)[[1]] <- as.character(1:78)
  非計量的MDSの初期値は計量的MDSの解とした．
• 庭景観写真の第1，第2成分による布置
  plot(gmet.iso.mat[,1], gmet.iso.mat[,2], type="n",
                     xlab="component 1", ylab="component 2")
  text(gmet.iso.mat[,1], gmet.iso.mat[,2], dimnames(gmet.iso.mat)[[1]], cex=0.8)