Sisältö
Moniulotteinen skaalaus on menetelmä ilmaista tietoa visuaalisesti. Raakalukujen näyttämisen sijasta moniulotteinen mittakaavio näyttää muuttujien väliset suhteet; asiat, jotka ovat samankaltaisia, ilmestyvät lähelle toisiaan, kun taas erilaiset asiat ilmestyvät kaukana toisistaan.
Suhteiden mallintaminen
Moniulotteiset asteikot osoittavat asioiden olevan suhteessa toisiinsa. Esimerkiksi, jos tekisit moniulotteisen asteikon kaupunkietäisyyksistä Yhdysvalloissa, Chicago olisi lähempänä Detroitia kuin Phoenix.
Tämän menetelmän etuna on, että voit tarkastella moniulotteista asteikkoa ja arvioida välittömästi, kuinka läheisesti liittyvät eri arvot ovat. Haittana on kuitenkin se, että tämä tekniikka ei käsittele todellisia lukuja - Bostonin, New Yorkin ja Los Angelesin moniulotteinen mittakaava näyttäisi suunnilleen samanlaiselta Lontoon, Dublinin ja Buenos Airesin moniulotteisen mittakaavan kanssa, vaikka todelliset luvut ovatkin täysin erilaisia .
Taulukoiden yksinkertaistaminen
Moniulotteista mittakaavaa käytetään parhaiten tilanteissa, joissa taulukon muodossa on järjestetty suuri määrä dataa. Muuntamalla se moniulotteiseksi mittakaavaksi voit heti arvioida suhteita, mikä on käytännössä mahdotonta taulukossa, jossa on vähintään 10 000 lukua - määrä on täysin toteutettavissa.
Tämän haittana on, että monimutkainen kaava on välttämätön raa'iden lukujen muuttamiseksi moniulotteiseksi mittakaavaksi. Siksi, vaikka on helppo nähdä lukujen väliset suhteet, taulukon luominen vie paljon työtä. Tämä tarkoittaa, että jos aiot käyttää moniulotteista asteikkoa, sinun on oltava varma, että sen esittämien tietojen todellinen kysyntä on olemassa. Muutoin käytät aikaasi nyt ilman muuta syytä kuin säästääksesi jonkun muun aikaa tulevaisuudessa.
hakemus
Moniulotteista skaalaustapaa käytetään yleensä psykologiassa kuvaajana kohteen vasteita erilaisille ärsykkeille. Tätä menetelmää käytetään, koska tutkijat voivat osoittaa tärkeyssuhteet - ts. Kuinka suuri merkitys on eri muuttujille. Tämä voi olla erittäin hyödyllinen, koska psykologinen tieto on yleensä suurta määrää ja sillä on monia erilaisia näkökohtia.
Tämän haittana on, että se lisää uuden subjektiivisuuskerroksen psykologiseen tietoon, koska taulukkotiedon mallintaminen moniulotteiseen mittakaavaan vaatii jonkin verran päätöksentekoa. Mitkä tiedot menevät mittakaavaan? Mitä kertoimia käytetään luomaan suhdelukuja? Tällä on vaikutusta moniulotteisen asteikon tarkkuuteen.