다차원 적 스케일링은 정보를 시각적으로 표현하는 방법입니다. 원시 숫자를 표시하는 대신 다차원 척도 차트는 변수 간의 관계를 표시합니다. 비슷한 것들은 서로 가깝게 나타나고 다른 것들은 서로 멀리서 보일 것입니다.
관계 모델링
다차원 척도는 사물이 서로 어떻게 관련되어 있는지 보여줍니다. 예를 들어, 미국에서 도시 거리의 다차원 척도를 만들었다면 시카고는 피닉스보다 디트로이트에 더 가깝습니다.
이 방법의 장점은 다차원 척도를보고 서로 다른 값이 얼마나 밀접하게 관련되어 있는지 즉시 평가할 수 있다는 것입니다. 하지만 단점은이 기술이 보스턴, 뉴욕 및 로스 앤젤레스의 다차원 척도 인 실수를 처리하지 않는다는 것입니다. 실제 수치가 심오하더라도 런던, 더블린 및 부에노스 아이레스의 다차원 척도와 거의 비슷하게 보일 것입니다. 다른.
표 단순화
다차원 척도는 테이블 형식으로 구성된 많은 양의 데이터가있는 상황에서 가장 잘 사용됩니다. 다차원 척도로 변환하면 관계를 즉시 평가할 수 있습니다. 10,000 개 이상의 다른 수치를 가진 테이블에서는 본질적으로 불가능합니다. 실현 가능 한.
이것의 단점은 원시 수치를 다차원 척도로 변환하려면 복잡한 공식이 필요하다는 것입니다. 따라서 그림 간의 관계를 쉽게 알 수 있지만 테이블을 만드는 데 많은 노력이 필요합니다. 즉, 다차원 척도를 사용하려면 그것이 제공하는 정보에 대한 실제 수요가 있는지 확인해야합니다. 그렇지 않으면 미래에 다른 사람의 시간을 절약하는 것 외에 다른 이유없이 지금 시간을 사용하고 있습니다.
신청
다차원 스케일링은 일반적으로 심리학에서 사용되며 다양한 자극에 대한 주제 반응을 그래프로 표시합니다. 이 방법은 연구자들이 중요한 관계, 즉 서로 다른 변수에 얼마나 많은 중요성이 있는지 보여줄 수 있기 때문에 사용됩니다. 심리적 데이터의 양이 많고 다양한 측면이있는 경향이 있기 때문에 이는 매우 유용 할 수 있습니다.
이것의 단점은 테이블 데이터를 다차원 스케일로 모델링하려면 약간의 의사 결정이 필요하기 때문에 심리적 데이터에 또 다른 주관성을 추가한다는 것입니다. 어떤 데이터가 스케일에 포함됩니까? 관계 수치를 생성하는 데 사용할 승수는 무엇입니까? 이것은 다차원 척도의 정확도에 영향을 미칩니다.