NMDS分析，全稱非度量多維尺度分析（Non-metric Multidimensional Scaling），是一種在數據分析中常用的技術，主要用於將多維空間的研究對象（如樣本或變數）簡化到低維空間（如二維或三維）進行定位、分析和歸類，同時儘可能保留對象間的原始關係。其特點如下：
輸入數據。NMDS基於距離矩陣進行排序分析，與經典的度量多維尺度分析（CMDS）相比，NMDS弱化了距離矩陣中具體值的大小，更關注排序關係。
適用範圍。NMDS適用於存在配對距離缺失的數據、任何距離算法產生的矩陣，以及定量、半定量、定性或混合變數的分析；在多樣本、物種數量多的情況下，NMDS模型能更準確地反映出距離矩陣的數值排序信息。
降維過程。NMDS分析首先指定維度（軸）的數量，然後通過疊代過程找到樣品在維度空間的最合適位置；其評估標準是stress值，表示觀察到的距離和擬合的距離的不一致性，通常認為stress小於0.2時有一定的解釋意義，小於0.1時是一個好的排序，小於0.05時則具有很好的代表性。
圖形展示。NMDS圖形通常為散點圖，其中的點代表樣本，不同顏色或形狀代表不同的樣本分組信息；同組間樣本點距離的遠近說明了樣本的重複性強弱，分組樣本的遠近則反映了組間樣本距離在秩次上的差異。
此外，NMDS分析在微生物組研究中也有廣泛套用，可以用於展示群落beta多樣性。