Кластерный анализ может быть успешно использован в задачах социально-экономического прогнозирования. При анализе и прогнозировании социально-экономических явлений исследователь довольно часто сталкивается с многомерностью их описания. Это происходит при решении задачи сегментирования рынка, построения типологии регионов отдельного государства или стран по достаточно большому числу показателей, прогнозирования конъюнктуры рынка отдельных товаров, прогнозирования экономической депрессии, оценке качества образования и многих других проблем. Методы многомерного анализа - наиболее действенный инструмент исследования социально-экономических процессов, описываемых большим числом характеристик. Например, выделение:
- однородных групп населения по различным аспектам жизне-
деятельности или образа жизни в целом;
- групп детей или взрослых с общими для них характерными
признаками;
- групп регионов государства (в РФ 89 регионов), которые
можно классифицировать по совокупности общих признаков в за-
висимости от цели исследования;
- стран по совокупности признаков, характеризующих то или
иное социальное, экономическое или техническое качество.
Только имея однородные группы объектов можно решать задачи их статистического анализа (корреляционного, регрессионного, факторного и др.). Набор признаков, по которым предполагается такое выделение, зависит от той локальной цели, которую ставят перед собой исследователи. После выделения сходных групп по совокупности общих для них признаков, возникает задача дальнейшего анализа причин, порождающих именно такое разбиение.
Достоинство кластерного анализа состоит в том, что он позволяет производить разбиение объектов не по одному параметру, а по целому набору признаков, общих для исследуемых объектов. Кроме того, кластерный анализ в отличие от большинства математико-статистических методов не накладывает никаких ограничений на законы распределения значений рассматриваемых факторов. Признаки, описывающие объекты, могут принимать значения различной природы. Другими словами, значения признаков могут быть как количественными, т.е. числовыми, так и качественными. Это имеет большое значение, например, для прогнозирования конъюнктуры, когда показатели имеют нечисловую природу, затрудняющую применение традиционных количественных статистических и социально-экономических подходов.