آشنایی با روش آماری«مقیاس بندی چند بعدی»
مقیاس بندی چند بعدی تکنیکی است که برای رسم نقشه نشان دهنده روابط بین تعدادی از مشاهدات که جدولی از فواصل بین آنها در دست داریم، طراحی شده است.این نقشه میتواند یک بعدی(اگر مشاهدات در یک خط واقع شوند)، دو بعدی(اگر مشاهدات در یک سطح واقع شوند)، سه بعدی(اگر مشاهدات بتوانند بوسیله نقاطی در فضا مشخص گردند) و یا چند بعدی(که در این حالت نمایش مستقیم هندسی امکانپذیر نیست)باشد.
منظور از رسم نقشه فوق، آن است که هر یک از مشخصات با مختصاتی روی نقشه نشان داده شوند به طوری که فاصله آن با سایر نقاط که از قبل مشخص بوده رعایت شود.بدیهی است که انجام دقیق چنین عملی بسیار دشوار و یا حتی غیر ممکن است زیرا مسئله تبدیل بهیک جایابی 1 پیچیده میشود که حتی ممکن است جواب بهینهای که کلیه شرایط را ارضاء کند برای آن وجود نداشته باشد.به زبان سادهتر اگر بخواهیم به طور آزمایشی این کار را به صورت دستی و فقط با 4 یا 5 نقطه انجام دهیم در مییابیم که کاری وقتگیر و بغرنج است. به همین دلیل هم با استفاده از روشهای سعی و خطا و الگوریتمهای مرحلهای بهبود دهنده، اقدام به حل تقریبی مسئله میکنیم که بالطبع این فرایند با استفاده از نرم افزارهای کامپیوتری صورت میگیرد.
مفید بودن مقیاس بندی چند بعدی از این واقعیت سرچشمه میگیرد که غالبا در برخی از موارد روابط بین اشیا(یا مشاهدات)نامشخص بوده، ولی ماتریس فواصل آنها قابل محاسبه میباشد.این وضعیت به ویژه در روانشناسی رخ میدهد در شرایطی که اشخاص تحت آزمایش میتوانند میزان شباهت یا اختلاف بین زوج اشیا را پیدا کنند ولی قادر به ترسیم تصویری کلی از روابط بین آنها نیستند.بنابراین در چنین مواردی مقیاس بندی چند بعدی میتواند تصویری از روابط را ایجاد نماید.لازم به ذکر است که تا بحال کاربرد عمده این روش در روانشناسی و جامعه شناسی بوده است.[2]
هر چند که انواع زیادی از تکنیکهای مربوط به تفکیک مشاهدات، تحت عنوان عمومی «مقیاس بندی چند بعدی»مطرح میشوند(نظیر روشهای تورگرسون، شیفمن، و...)سادهترین آنها را مورد استفاده قرار میدهیم که روش کراسکال 2 نامیده میشود ذیل است