Fordele og ulemper ved multidimensionale skalaer

Multidimensionel skalering er en metode til at udtrykke information visuelt. I stedet for at vise rå tal viser et multidimensionalt skala diagrammerne mellem variabler; ting der ligner hinanden vil fremstå tæt sammen, mens ting, der er forskellige, vil se langt væk fra hinanden.

Forholdsmodellering

Multidimensionale skalaer viser, hvordan tingene står i forhold til hinanden. For eksempel, hvis du lavede en multidimensionel skala af byafstande i USA, ville Chicago være tættere på Detroit end det ville være for Phoenix.

En fordel ved denne metode er, at man kan se på en flerdimensionel skala og vurder straks, hvor tæt relaterede forskellige værdier er. En ulempe er imidlertid, at denne teknik ikke handler i reelle tal - en multidimensionel skala af Boston, New York og Los Angeles ville se stort set ud som en multidimensionel skala af London, Dublin og Buenos Aires, selvom de faktiske tal er dybt forskellige.

Forenklingstabeller

En multidimensionel skala bruges bedst i situationer, hvor der er en stor mængde data, der er organiseret i tabelform. Ved at konvertere den til en multidimensionel skala kan du straks vurdere relationer, hvilket i det væsentlige er umuligt i et bord med 10.000 eller flere forskellige figurer - et beløb, der er helt muligt.

Ulempen ved dette er, at en kompleks formel er nødvendigt at konvertere rå tal til en flerdimensionel skala. Derfor er det nemt at se forholdet mellem figurer, men det kræver en stor indsats for at oprette bordet. Det betyder, at hvis du skal bruge en multidimensionel skala, skal du være sikker på, at der er en faktisk efterspørgsel efter de oplysninger, den præsenterer. Ellers bruger du din tid nu uden anden grund end at redde en anden tid i fremtiden.

Application

Multidimensionel skalering bruges generelt i psykologi, grafisk respons på forskellige stimuli . Denne metode anvendes, fordi forskere kan vise relationer af betydning - det vil sige, hvor stor betydning der er lagt på forskellige variabler. Dette kan være yderst nyttigt, da psykologiske data har tendens til at være højt volumen og har mange forskellige aspekter.

En ulempe ved dette er, at den tilføjer et andet lag af subjektivitet til psykologiske data, som modellering af data ind i en flerdimensionel skala kræver nogle beslutninger. Hvilke data går ind i skalaen? Hvilke multiplikatorer vil blive brugt til at oprette forholdstal? Dette har en effekt på den multidimensionale skala nøjagtighed.