Многомерное масштабирование - это метод визуального выражения информации. Вместо того, чтобы показывать необработанные числа, диаграмма в многомерном масштабе покажет отношения между переменными; похожие вещи будут казаться близко друг к другу, а разные вещи - далеко друг от друга.
Моделирование отношений
Многомерные шкалы показывают, как все обстоит по отношению друг к другу. Например, если вы построите многомерную шкалу расстояний между городами в Соединенных Штатах, Чикаго окажется ближе к Детройту, чем к Фениксу.
Преимущество этого метода в том, что вы можете посмотреть на многомерную шкалу и сразу оценить, насколько тесно связаны разные значения. Однако недостатком является то, что этот метод не работает с реальными числами - многомерной шкалой Бостона, Нью-Йорка и Лос-Анджелеса. будет выглядеть примерно так же, как в многомерной шкале Лондона, Дублина и Буэнос-Айреса, хотя фактические цифры в значительной степени разные.
Упрощение таблиц
Многомерный масштаб лучше всего использовать в ситуациях, когда имеется большой объем данных, организованных в виде таблиц. Преобразуя его в многомерную шкалу, вы можете сразу оценить отношения, что практически невозможно в таблице с 10 000 или более различных цифр - сумма, которая полностью достижимый.
Недостатком этого является то, что для преобразования исходных цифр в многомерную шкалу необходима сложная формула. Таким образом, хотя взаимосвязь между фигурами легко увидеть, создание таблицы требует больших усилий. Это означает, что если вы собираетесь использовать многомерную шкалу, вы должны быть уверены, что информация, которую она представляет, действительно востребована. В противном случае вы используете свое время сейчас только для того, чтобы сэкономить время кому-то еще в будущем.
Заявление
В психологии обычно используется многомерная шкала, которая отображает реакцию субъектов на различные стимулы. Этот метод используется, потому что исследователи могут показать взаимосвязь важности, то есть, насколько большое значение придается различным переменным. Это может быть чрезвычайно полезно, поскольку психологические данные, как правило, имеют большой объем и имеют множество различных аспектов.
Недостатком этого является то, что он добавляет еще один уровень субъективности к психологическим данным, поскольку моделирование табличных данных в многомерной шкале требует принятия некоторых решений. Какие данные попадут в шкалу? Какие множители будут использоваться для построения фигур отношений? Это влияет на точность многомерной шкалы.