根据聚类的准则，可分为两类：
<1>距离法：通过变量间的距离量度变量的相似性，距离越短，相似性越佳，越可合并为一类。在距离法中，变量被看作多维空间的一个点，则两变量的欧氏距离为：其中表示变量之距离，表示第K个个案在上的观测值，为第K个个案在上的观测值，n为个案数。
根据计算的距离，通常采用谱系聚类法将变量间的关系理顺成谱。其基本思想是先把P个变量各自看成一类，然后选择距离最小的合并为一新类；再计算新类和其他类的距离，然后将距离最近的合并为新的一类；这样每次减少一类，直到所有变量成为一类为止。
<2>相关系数法：是通过变量间的相关系数来量度聚类中变量的相似性的，相关系数越大，相似性越佳，越可合并为一类。相关系数不限于适用于定距变量的皮尔森相关系数r，如果是定类变量，可采用系数或系数等。相关系数求出后，仍采用谱系聚类法进行聚类，但与距离法不同的是首先将相关系数最大的合并为一类，然后再逐步合并，直到所有变量成为一类的谱系图。
谱系图作出后，应将变量分为几类为宜，一般用归类系数进行判断：归类系数应大于1。通常要求归类系数，作为分类的标准。对于所分类别还应作出社会学的解释，这样聚类的结果才有意义。
以上介绍了变量群的聚类分析，它又称为R型聚类分析。但如果研究个案群的归类，则称为Q型聚类分析。
（2）因素分析：也是旨在简化大量变量之间的关系的方法，但它不是像聚类分析那样，将这众多的变量归成少数几类而是从众多变量的相关变量中抽取若干共同因子。
（3）最小空间分析：是一种较新但极有发展潜力的分析方法，可适用于各种尺度的变量，最小空间分析以相关系数为基础，通过绘图的方法来简化多个变量之间的相互关系。多个变量之间的相互关系，可用一维空间来表示，也可用二维空间或多维空间表示，空间越大，情况越复杂，最小空间分析就是要找出一个最小而又最能代表实际情况的空间达到简化变量间关系得目的。