量的変数の集合、バイナリ変数(0/1)、または可能なすべてのタイプの変数による記述に基づく類似のオブザベーションのグループ（クラスタ）を作 成するには、凝集型階層クラスタリングを使用します。
XLSTATは、複数の凝集法を提案します。
Ward法（イナーシャ）
Ward法（分散）
完全連結法（最長距離法、Complete linkage）
単連結法（最短距離法 、Simple linkage）
強連結（Strong linkage）
柔連結（Flexible linkage）
重みなし群間平均法（Unweighted pair-group average）
重みつき群間平均法（
Weighted pair-group average）
XLSTATは、特定のデータ・タイプに適した複数の類似度・非類似度を提案します。
量的データ用:
| 類似度 | 非類似度 |
|---|---|
| Pearsonの相関係数 | ユークリッド距離 |
| Spearmanの順位相関係数 | カイ2乗距離 |
| Kendallの順位相関係数 | マンハッタン距離 |
| イナーシャ | Pearsonの非類似度 |
| 共分散 (n) | Spearmanの非類似度 |
| 共分散 (n-1) | Kendallの非類似度 |
| パーセント一致度 | パーセント非類似度 |
バイナリ・データ用 (0/1):
類似度/非類似度
Jaccard（ジャッカード）係数
Dice係数
Sokal & Sneath係数 (2)
Rogers & Tanimoto係数
Simple matching係数
Indice de Sokal & Sneath係数 (1)
φ係数
Ochiai係数
Kulczinski係数
パーセント一致度
注意: 非バイナリのカテゴリ変数用には、まず多重コレスポンデンス分析(MCA)を実行して、因子軸上のオブザベーションの座標を新しい変数としてみなすのが好 ましいです。