Innehåll
Multidimensionell skalning är en metod för att uttrycka information visuellt. I stället för att visa råa nummer kommer ett flerdimensionellt skaldiagram att visa förhållandena mellan variabler; saker som är liknande kommer att visas nära varandra medan saker som är olika kommer att visas långt borta från varandra.
Förhållande modellering
Flerdimensionella skalor visar hur saker står i relation till varandra. Om du till exempel gjorde en flerdimensionell skala av stadsavstånd i USA skulle Chicago vara närmare Detroit än det skulle vara Phoenix.
En fördel med denna metod är att du kan titta på en flerdimensionell skala och omedelbart utvärdera hur nära besläktade olika värden är. En nackdel är dock att denna teknik inte handlar i riktigt antal - en multidimensionell skala från Boston, New York och Los Angeles skulle se ungefär lika ut som en multidimensionell skala i London, Dublin och Buenos Aires, även om de faktiska siffrorna är mycket olika .
Förenkla tabeller
En flerdimensionell skala används bäst i situationer där det finns en stor mängd data organiserade i tabellform. Genom att konvertera den till en flerdimensionell skala kan du omedelbart utvärdera förhållanden, vilket är väsentligen omöjligt i en tabell med 10 000 eller fler olika siffror - ett belopp som är helt genomförbart.
Nackdelen med detta är att en komplex formel är nödvändig för att konvertera råa siffror till en flerdimensionell skala. Därför, medan det är lätt att se förhållandena mellan siffror, kräver det en stor ansträngning att skapa tabellen. Detta innebär att om du kommer att använda en flerdimensionell skala, måste du vara säker på att det finns en faktisk efterfrågan på den information som den presenterar. Annars använder du din tid nu utan andra skäl än att spara någon annan tid i framtiden.
Ansökan
Multidimensionell skalning används vanligtvis inom psykologi, och diagramar ämnesrespons på olika stimuli. Denna metod används eftersom forskare kan visa relationer av betydelse - dvs hur mycket vikt som läggs på olika variabler. Detta kan vara extremt användbart eftersom psykologiska data tenderar att vara höga och ha många olika aspekter.
En nackdel med detta är att det lägger till ytterligare ett lager av subjektivitet till psykologiska data, eftersom modellering av tabellerade data i en flerdimensionell skala kräver en del beslutsfattande. Vilka data går in i skalan? Vilka multiplikatorer kommer att användas för att skapa relationstal? Detta påverkar den multidimensionella skalans noggrannhet.