Кластерный анализ предназначен для разбиения совокупности объектов на однородные группы (кластеры или классы). Это задача многомерной классификации данных.
Задачи дискриминантного анализа в экономике можно разделить на два типа.
Задачи первого типа часто встречаются в производственной практике. Допустим, что мы располагаем информацией о некотором числе бракованных деталей, дефект каждой из которых может быть следствием ряда разладок производственного процесса. На основе этой информации нужно найти функцию, позволяющую определить, какая разладка вызвала причину конкретного дефекта. Построение такой функции и составляет задачу дискриминации.
Задачи второго типа связаны с предсказанием будущих событий на основании имеющихся данных. Примером может служить определение вероятности, с которой, если соответствующие предписания производственного были соблюдены, деталь окажется стандартной.
Как уже писалось на страницах этого сайта, общее наше мнение о статистическом ПО такое: любая компьютерная программа для статистического анализа есть лишь инструмент для выполнения работы. Главное в процессе построения анализа - профессионализм и чутьё аналитика. А инструмент, пусть он будет чуть хуже или чуть лучше, лишь помощь для выполнения хорошей работы.
Часто в социологических, экономических, психологических исследованиях мы имеем дело с многомерной информацией. Если изучаемые объекты - люди, а ответы на вопросы анкеты соответственно принаки изучаемых объектов, то очень часто трудно сгруппировать людей в однородные группы, поскольку при анкетировании задаются несколько десятков вопросов. даже если разбиение на группы удалось, то сложно описать характеристики этих групп. В этом случае можно попробовать перейти от исходного многомерного факторного пространства к новым факторам, которые обобщали бы в себе все ответы на вопросы. Техника факторного анализа в прикладном смысле нацелена на снижение размерности поля признаков.