我回答我自己的问题有两个原因：1）我想清楚我所理解的是否正确。2）如果有人正在寻找同样的原因，他/她应该在这里找到它。我几乎找不到能清楚解释 MDS 双图解释的书。我还将提供一些参考资料，人们可以在其中阅读更多关于 MDS 绘图解释的信息，以更好地理解它。

这个答案分为几个部分： 第 1 部分：双标图的轴是主要成分。x 轴具有 PC 1，它反映了数据集中的最大方差。y 轴具有 PC 2，它反映了第二大的方差。例如，在我的示例中，x 轴代表 72% 的方差，而 y 轴代表数据中 16% 的方差。

 PC1      PC2      PC3      PC4 
0.727891 0.166721 0.070320 0.003048 

第 2 部分：箭头反映了变量在每台 PC 中的加载方式。例如，在我的示例中，“整洁”和“可视化”高度负加载到 PC 2，因此是 y 轴。类似地，“无水”、“快速救济”和“方便”高度加载到 PC 2，因此是 x 轴。这为我们提供了关于变量如何加载到不同 PC 中的可视化。

                    NMDS1     NMDS2
Safe                      0.616967 -0.786989
Highly.efficacious       -0.135565  0.990768
Same.side.effect.profile  0.822707 -0.568466
Fast.Relief               0.988621 -0.150428
No.Water                  0.990893  0.134648
Convenient                0.989206  0.146534
Convincing                0.763225 -0.646133
Visually.appealing        0.154414 -0.988006
Very.novel                0.900984  0.433853
Noticeable                0.691596  0.722284
Likely.to.be.read         0.887028 -0.461715
Uncluttered               0.031498 -0.999504
Interesting               0.872584 -0.488465
Credible                  0.620556 -0.784162
Prescribe.Recommend       0.809955 -0.586492

第 3 部分：概念点告诉我们它们彼此之间有多么不同。因此，在我的示例中，概念 1 和概念 2 与其他概念非常不同。概念 2 在视觉吸引力和便利性方面都不好。而概念 3 和 4 更相似。它们在可视化和便利性方面也很好。

Reference: 1) Greenacre, M. (2010). Biplots in Practice
           2) Everitt & Hothorn: An Introduction to Multivariate Analysis with R(Chapter 4).
           3) Hair: Multivariate Data Analysis