Sensibilitätsdiagramme bieten die folgenden zentralen Vorteile:
Sie können ermitteln, welche Annahmen Prognosen am meisten beeinflussen, und somit den zur Anpassung von Schätzungen erforderlichen Zeitaufwand verringern.
Sie können ermitteln, welche Annahmen Prognosen am wenigsten beeinflussen und daher ignoriert oder vollständig verworfen werden können.
Mit Sensibilitätsinformationen können Sie realistischere Tabellenmodelle konstruieren und die Genauigkeit der Ergebnisse deutlich erhöhen.
In den folgenden Fällen weisen Sensibilitätsdiagramme jedoch bestimmte Einschränkungen auf und können weniger genau oder irreführend sein:
Korrelierte Annahmen, die im Sensibilitätsdiagramm gekennzeichnet sind. Wenn Sie Korrelationen im Dialogfeld "Ausführungseinstellungen" deaktivieren, erhalten Sie unter Umständen genauere Sensibilitätsinformationen.
Annahmen mit nicht-monotonen Beziehungen mit der Zielprognose. In diesem Fall wird eine Steigung oder ein Gefälle in der Annahme nicht von einer deutlichen Entsprechung in der Prognose begleitet. Die Beziehungen logarithmischer Kurven sind monoton, die Beziehungen von Sinuskurven dagegen nicht.
Mit dem Tornadoanalysetool können Sie ermitteln, ob eine der Annahmen eine nicht-monotone Beziehung mit der Zielprognose aufweist (“Auswirkungen auf Variablen mit Tornadoanalysetool messen”).
Annahmen oder Prognosen mit wenigen diskreten Werten. Wenn ein großer Anteil der Annahme- oder Prognosewerte ähnlich oder identisch ist, wächst dieser Informationsverlust weiter an und kann die Berechnung von Korrelationen erheblich verfälschen.
Bedenken Sie dieses Problem insbesondere in den folgenden Fällen: