尽管有 24 个原始变量，但您可以完美地拟合 3 维数据之间的距离，因为您只有 4 个点。您的点可能恰好位于穿过原始 24D 空间的 2D 平面上，但在我看来，这极不可能。可以合理地想象第三维的变化是无关紧要的和/或不可靠的，但我没有任何相关信息。我假设您的情节中没有表示第三个维度。

1. 您可以推断出 1 和 3 在维度 2 上没有变化，但您没有关于它们是否在维度 3 上变化的信息。因此，您不一定假设它们仅在维度 1 上变化。
2. 同样，您可以推断出 1 和 2 在维度 1 上没有变化，但同样您没有关于它们是否在维度 3 上变化的信息。因此，您不一定假设它们仅在维度 2 上变化。
3. 点 4 在维度 1 和维度 2 上都不同于点 1、2 和 3。它在维度 3 上与它们的关系是未知的。暂时忽略维度 3，您可以将点 4 视为数据集的中心点。

抱歉死了，但通过搜索找到了这个，并认为我可以帮助其他人。

正确答案是 MDS1 和 MDS2 维度相对于您的原始 24 空间点没有可解释性。

这是因为 MDS 执行了从原始 24 空间到 2 空间的非参数变换。

您可以从结果图中获得的唯一解释是点之间的距离。距离越远的两点在 24 空间中越不相似，反之越近的两点在 24 空间中越相似。