Daugialypis mastelis yra informacijos vaizdinės išraiškos būdas. Užuot parodžius neapdorotus skaičius, daugiamatė skalės diagrama parodys ryšius tarp kintamųjų; panašūs dalykai pasirodys arti, o skirtingi - toli vienas nuo kito.
Santykių modeliavimas
Daugialypės skalės rodo, kaip viskas yra vienas kito atžvilgiu. Pvz., Jei padarytumėte daugiamačių miestų atstumų JAV skalę, Čikaga būtų arčiau Detroito nei Phoenix.
Šio metodo privalumas yra tas, kad galite pažvelgti į daugialypę skalę ir iškart įvertinti, kiek glaudžiai susijusios skirtingos vertės. Tačiau trūkumas yra tas, kad ši technika nėra susijusi su realiais skaičiais - daugialypė Bostono, Niujorko ir Los Andželo skalė atrodytų apytiksliai panaši į daugiamatę Londono, Dublino ir Buenos Airių skalę, nors faktiniai skaičiai yra giliai skirtingi.
Lentelių supaprastinimas
Daugialypė skalė geriausiai naudojama tais atvejais, kai lentelių pavidalu sutvarkytas didelis duomenų kiekis. Konvertuodami jį į daugiamatę skalę, galite iš karto įvertinti santykius, kurie yra iš esmės neįmanoma lentelėje su 10 000 ar daugiau skirtingų skaičių - suma yra visiškai įmanoma.
Trūkumas yra tas, kad norint pakeisti neapdorotas figūras į daugialypę skalę, reikalinga sudėtinga formulė. Todėl, nors lengva suprasti figūrų ryšius, lentelės sukūrimas reikalauja daug pastangų. Tai reiškia, kad jei ketinate naudoti daugialypę skalę, turite būti tikri, kad yra reali jos pateikiamos informacijos paklausa. Priešingu atveju jūs dabar naudojate laiką ne dėl kitų priežasčių, o tik tam, kad ateityje sutaupytumėte laiko kitam.
Taikymas
Daugialypis mastelis paprastai naudojamas psichologijoje, grafikuojant tiriamųjų reakcijas į įvairius dirgiklius. Šis metodas naudojamas, nes tyrėjai gali parodyti svarbos ryšius - t. Y., Kiek svarbos skiriama skirtingiems kintamiesiems. Tai gali būti nepaprastai naudinga, nes psichologiniai duomenys paprastai būna didelės apimties ir turi daug skirtingų aspektų.
Trūkumas yra tas, kad jis prideda dar vieną subjektyvumo sluoksnį prie psichologinių duomenų, nes pateiktų duomenų modeliavimas į daugiamatę skalę reikalauja tam tikro sprendimo priėmimo. Kurie duomenys bus įtraukti į skalę? Kurie daugikliai bus naudojami kuriant santykių figūras? Tai turi įtakos daugiamatės skalės tikslumui.