Flerdimensionell skalning är en metod för att uttrycka information visuellt. I stället för att visa råa siffror visar ett flerdimensionellt skaldiagram förhållandet mellan variabler. saker som liknar kommer att visas nära varandra medan saker som är olika kommer att se långt ifrån varandra.
Relationsmodellering
Flerdimensionella skalor visar hur saker och ting står i förhållande till varandra. Till exempel, om du gjorde en flerdimensionell skala av stadsavstånd i USA, skulle Chicago vara närmare Detroit än det skulle vara för Phoenix.
En fördel med denna metod är att du kan titta på en flerdimensionell skala och omedelbart bedöma hur nära relaterade olika värden är. En nackdel är dock att den här tekniken inte handlar i verkliga siffror - en flerdimensionell skala av Boston, New York och Los Angeles skulle se ungefär ut som en flerdimensionell skala i London, Dublin och Buenos Aires, även om de faktiska siffrorna är djupt annorlunda.
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 bedöma relationer, vilket är i princip omöjligt i en tabell med 10 000 eller fler olika siffror - ett belopp som är helt möjlig.
Nackdelen med detta är att en komplex formel är nödvändig för att konvertera råa siffror till en flerdimensionell skala. Därför, även om det är lätt att se förhållandena mellan figurer, krävs det en stor insats för att skapa tabellen. Det betyder att om du ska använda en flerdimensionell skala måste du vara säker på att det finns en faktisk efterfrågan på den information den presenterar. Annars använder du din tid nu utan anledning än att spara någon annan tid i framtiden.
Ansökan
Flerdimensionell skalning används i allmänhet inom psykologi, och kartlägger ämnesvar på olika stimuli. Denna metod används för att forskare kan visa relationer av betydelse - dvs hur mycket vikt läggs på olika variabler. Detta kan vara extremt användbart, eftersom psykologiska data tenderar att vara stora och har många olika aspekter.
En nackdel med detta är att det lägger till ytterligare ett lager av subjektivitet till psykologiska data, eftersom modellering av tabelldata i en flerdimensionell skala kräver viss beslutsfattande. Vilka data kommer att gå in i skalan? Vilka multiplikatorer kommer att användas för att skapa relationstal? Detta påverkar flerdimensionell skalas noggrannhet.