Vsebina
Večdimenzionalno skaliranje je metoda vizualnega izražanja informacij. Namesto da prikaže neobdelane številke, bo večdimenzionalna lestvica prikazala razmerja med spremenljivkami; podobne stvari se bodo pojavljale tesno skupaj, medtem ko se stvari, ki so drugačne, prikazujejo daleč drug od drugega.
Modeliranje odnosov
Večdimenzionalne lestvice prikazujejo, kako stvari stojijo druga v drugi. Če bi na primer naredili večdimenzionalno lestvico mestnih razdalj v ZDA, bi bil Chicago bližje Detroitu kot Phoenixu.
Prednost te metode je, da si lahko ogledate večdimenzionalno lestvico in takoj ocenite, kako tesno so povezane različne vrednosti. Pomanjkljivost pa je ta, da se ta tehnika ne ukvarja v resničnem številu - večdimenzionalna lestvica Bostona, New Yorka in Los Angelesa bi bila videti približno podobna večdimenzionalni lestvici Londona, Dublina in Buenos Airesa, čeprav se dejanske številke močno razlikujejo .
Poenostavitev tabel
Večdimenzionalno lestvico je najbolje uporabiti v situacijah, ko je veliko podatkov, organiziranih v tabeli. S pretvorbo v večdimenzionalno lestvico lahko takoj ocenite razmerja, kar je v tabeli z 10.000 ali več različnimi številkami v bistvu nemogoče - znesek, ki je povsem izvedljiv.
Pomanjkljivost tega je, da je za pretvorbo surovih številk v večdimenzionalno lestvico potrebna kompleksna formula. Čeprav je razmerje med figurami enostavno videti, je za izdelavo tabele potrebno veliko truda. To pomeni, da če boste uporabili večdimenzionalno lestvico, morate biti prepričani, da je dejansko povpraševanje po informacijah, ki jih predstavljajo. V nasprotnem primeru svoj čas zdaj uporabljate iz ne drugega razloga, kot da v prihodnosti prihranite nekoga drugega.
Uporaba
Večdimenzionalno skaliranje se običajno uporablja v psihologiji, pri graficiranju odzivov subjektov na različne dražljaje. Ta metoda se uporablja, ker lahko raziskovalci pokažejo pomembna razmerja - to je, kako pomemben je delež različnih spremenljivk. To je lahko izredno koristno, saj so psihološki podatki pogosto obsežni in imajo različne vidike.
Pomanjkljivost tega je, da psihološkim podatkom doda drugo plast subjektivnosti, saj modeliranje vloženih podatkov v večdimenzionalno lestvico zahteva nekaj odločanja. Kateri podatki bodo šli v lestvico? Kateri množitelji bodo uporabljeni za ustvarjanje številk odnosov? To vpliva na natančnost večdimenzionalnih lestvic.