多维尺度分析的主要目的是通过数据分析，对变量进行分类，并根据理论思考对每种类别的变量群进行主观命名或赋予意义，以寻找人们行为及心理活动的潜在影响因素。多维尺度分析技术将大型数据压缩到低维空间，形成一个直观的空间地图。有几个潜在影响因素，图形就是几维的，每个变量都表示为空间上的一个点，点与点之间的距离代表了变量在维度特征上的相似性，变量越相关，其距离越近，越能显现出变量间的潜在规律性联系。

多维尺度分析一般分为计量型多维尺度分析和非计量型多维尺度分析，由于在心理与教育领域中所获得的数据一般为顺序量表数据，因此非计量型多维尺度分析在这些领域用得更多。多维尺度分析主要包括三大部分：①收集评价数据。多维尺度分析能够处理称名变量和顺序变量数据，且不要求数据满足多元正态分布假设。从数据类型来说，多维尺度分析的数据分为直接数据（未经处理的数据，如利克特量表原始得分）和间接数据（直接数据进行加工后得到的数据，如相关矩阵、距离矩阵）。②构建直观地图。多维尺度分析的计算过程是要寻找几个较少的潜在维度，将多个变量表示在潜在维度决定的坐标系中，并比较坐标系中表示变量的各点之间的模型距离与观察距离的一致性，通常是通过多步迭代的方法，不断调整影响模型拟合度的点的坐标，直到表示模型拟合度的压力系数变化足够小为止。③解释特征轴。多维尺度分析一般都想得到维度数少而拟合程度又高的分析结果，其结果解释需要注意各维度意义以及研究对象在空间中的分布特点两方面。

多维尺度分析技术操作简单、分析结果直观，其应用广泛，被SPSS、SYSTAT、XLSTAT等统计软件包列为主要功能模块。在心理学中，多维尺度分析多用于探索与分析心理特质结构及人们评价事物的潜在心理标准，在兴趣、价值观的研究中使用较多。