Простейшее определение многомерное шкалирование (ММШ) состоит в том, что с его помощью можно количественно измерить пространственные взаимосвязи. Предположим, что мы хотим попытаться понять, как люди воспринимают следующие шесть ресторанов быстрого обслуживания: McDonal,s, Burger King, Pizza Hut, Long John Silver,s, Arby,s и KFC. Респонденты оцениваю их с помощью набора шкал.
Существует множество способов, чтобы понять, с чем у респондентов ассоциируются эти рестораны. Воспользовавшись шкалой рейтингов, вы могли бы разложить на множители результаты оценки ресторанов с получением корреляционной матрицы и нанести на карту полученные факторные нагрузки. Вы можете обработать рейтинги ресторанов для каждого респондента как «группу», выполнить дикриминнантный анализ и начертить график дикриминантных показателей. Рейтинговые данные можно использовать в компьютерной программе ММШ, которая по сути создаст картину, на которой рестораны, расположенные (по рейтингу) близко один от другого, буду расположены близко, а отдельные рестораны – соответственно дальше.
Вы можете сказать, что это слишком просто, чтобы этим заниматься. Наоборот, простота анализа – часть его привлекательности. Очевидные взаимосвязи легко понять, и картины дают ясное отображение того, что хотели бы выразить респонденты. Математически это строже, чем может показаться вначале. Таким образом, если у вас есть многомерная картина ваших данных, и установлено, что она хорошо соответствует вашим данным, то вы можете быть уверены, что картина очень правдоподобно отражает реальную структуру восприятия вещей.