Fordeler og ulemper av flerdimensjonale Scales

Flerdimensjonal skalering er en metode for å uttrykke informasjon visuelt. Snarere enn å vise rå tall, vil en flerdimensjonal skala diagrammet viser sammenhenger mellom variabler; ting som er lik vises tett sammen, mens ting som er forskjellig vises langt borte fra hverandre.

forholdet Modeling

Flerdimensjonale skalaer viser hvordan ting står i forhold til hverandre. For eksempel, hvis du har gjort en flerdimensjonal skala fra byen avstander i USA, ville Chicago være nærmere Detroit enn det ville være å Phoenix.

En fordel med denne metoden er at du kan se på en flerdimensjonal skala og umiddelbart vurdere hvor nært beslektet forskjellige verdier er. En ulempe, skjønt, er at denne teknikken ikke avtale i reelle tall --- en flerdimensjonal skala fra Boston, New York og Los Angeles vil se omtrent lik en flerdimensjonal skala fra London, Dublin og Buenos Aires, selv om selve tallene er dypt annerledes.

forenkling Tabeller

En flerdimensjonal skala er best brukt i situasjoner hvor det er en stor mengde data organisert i tabellform. Ved å konvertere den til en flerdimensjonal skala, kan du umiddelbart vurdere relasjoner, som er egentlig umulig i en tabell med 10.000 eller flere forskjellige tall --- et beløp som er fullt mulig.

Ulempen ved dette er at en kompleks formel er nødvendig for å konvertere rå tall til en flerdimensjonal målestokk. Derfor, mens det er lett å se sammenhengen mellom tallene, det tar en stor innsats for å skape bordet. Dette betyr at hvis du kommer til å bruke en flerdimensjonal skala, må du være sikker på at det er en faktisk etterspørsel etter informasjon det er å presentere. Ellers bruker du tiden din nå for ingen annen grunn enn å spare noen andre gang i fremtiden.

Søknad

Flerdimensjonal skalering er vanligvis brukt i psykologi, grafer lagt reaksjoner på ulike stimuli. Denne metoden brukes fordi forskerne kan vise forhold som har betydning --- dvs. hvor mye vekt er plassert på ulike variabler. Dette kan være svært nyttig, som psykologisk data har en tendens til å være høyt volum og har mange forskjellige aspekter.

En ulempe med dette er at det legger et lag av subjektivitet til psykologiske data, som modellering fremmet data i en flerdimensjonal skala krever litt beslutninger. Hvilke data vil gå inn i skalaen? Hvilke multiplikatorer vil bli brukt til å lage forholdet tall? Dette har en effekt på flerdimensjonal vektens nøyaktighet.