Содержание
Многомерное масштабирование - это метод визуального выражения информации. Вместо того, чтобы показывать необработанные числа, многомерная диаграмма масштаба покажет отношения между переменными; вещи, которые похожи, будут появляться близко друг к другу, в то время как вещи, которые отличаются, будут появляться далеко друг от друга.
Моделирование отношений
Многомерные шкалы показывают, как обстоят дела по отношению друг к другу. Например, если вы сделаете многомерную шкалу городских расстояний в Соединенных Штатах, Чикаго будет ближе к Детройте, чем к Фениксу.
Преимущество этого метода заключается в том, что вы можете посмотреть на многомерный масштаб и сразу оценить, насколько тесно связаны различные значения. Недостаток, однако, заключается в том, что эта методика не работает в реальных числах - многомерная шкала Бостона, Нью-Йорка и Лос-Анджелеса будет выглядеть примерно так же, как многомерная шкала Лондона, Дублина и Буэнос-Айреса, даже если фактические цифры существенно отличаются ,
Упрощенные таблицы
Многомерный масштаб лучше всего использовать в ситуациях, когда большое количество данных организовано в виде таблицы. Преобразовав его в многомерную шкалу, вы можете сразу оценить отношения, что практически невозможно в таблице с 10 000 или более различными цифрами - сумма, которая вполне выполнима.
Недостаток этого состоит в том, что сложная формула необходима для преобразования необработанных фигур в многомерный масштаб. Поэтому, хотя легко увидеть взаимосвязи между фигурами, для создания таблицы требуется много усилий. Это означает, что если вы собираетесь использовать многомерную шкалу, вы должны быть уверены, что существует реальный спрос на информацию, которую она представляет. В противном случае вы используете свое время сейчас только для того, чтобы сэкономить чужое время в будущем.
заявка
Многомерное шкалирование обычно используется в психологии для построения графиков реакции субъекта на различные стимулы. Этот метод используется, потому что исследователи могут показать важные отношения - то есть, насколько большое значение придается различным переменным. Это может быть чрезвычайно полезным, так как психологические данные имеют тенденцию быть большими и иметь много разных аспектов.
Недостатком этого является то, что он добавляет еще один уровень субъективности к психологическим данным, поскольку моделирование табличных данных в многомерном масштабе требует некоторого принятия решений. Какие данные войдут в масштаб? Какие множители будут использоваться для создания фигур отношений? Это влияет на точность многомерных шкал.