Analiza skupień – nazywana również analizą klasterową (ang. cluster analysis) – obejmuje grupę metod statystycznych służących do wyodrębniania w danych grup obserwacji o podobnych właściwościach.  Celem analizy jest utworzenie takich skupień, aby obserwacje należące do tego samego skupienia były możliwie podobne do siebie, natomiast obserwacje należące do różnych skupień – możliwie odmienne.  Analiza skupień znajduje zastosowanie między innymi w psychologii, medycynie, biologii, marketingu i naukach społecznych. Może służyć przykładowo do identyfikowania profili pacjentów, segmentacji konsumentów, wyróżniania typów zachowania lub poszukiwania charakterystycznych konfiguracji cech psychologicznych.

W przeciwieństwie do metod takich jak analiza wariancji czy analiza regresji liniowej, w analizie skupień nie określamy wcześniej, do jakich grup należą badane osoby. Grupy są wyodrębniane na podstawie podobieństwa konfiguracji wartości analizowanych zmiennych. Z tego względu  analiza skupień zaliczana jest do metod eksploracyjnych . Do analizy można wprowadzić jednocześnie wiele zmiennych. Pozwala to poszukiwać grup charakteryzujących się określonymi profilami cech, których nie zawsze można łatwo dostrzec, analizując każdą zmienną oddzielnie.

Wyobraźmy sobie, że chcemy zbadać, jakie grupy dzieci można wyróżnić ze względu na ich sytuację społeczną i funkcjonowanie szkolne, a następnie sprawdzić, czy grupy te różnią się nasileniem uzależnienia od gier komputerowych. Do utworzenia skupień moglibyśmy wykorzystać takie zmienne jak: płeć, wiek, wielkość miejsca zamieszkania, średnia ocen w szkole, liczba kontaktów rówieśniczych.

Na podstawie konfiguracji tych cech analiza mogłaby przykładowo wyodrębnić trzy skupienia:

• starsze dzieci mieszkające głównie w większych miejscowościach, osiągające wysokie wyniki w szkole i posiadające liczne kontakty rówieśnicze,
• młodsze dzieci osiągające wysokie wyniki w szkole, ale posiadające niewiele kontaktów rówieśniczych,
• starsze dzieci mieszkające głównie na terenach wiejskich, osiągające niższe wyniki w szkole i posiadające mniej kontaktów rówieśniczych.

Następnie można byłoby sprawdzić, czy wyodrębnione skupienia różnią się pod względem nasilenia uzależnienia od gier komputerowych. W takim przypadku nasilenie uzależnienia nie służyłoby do tworzenia grup, lecz stanowiłoby dodatkową zmienną wykorzystaną do ich późniejszego scharakteryzowania lub porównania. Takie podejście pozwala odpowiedzieć na inne pytanie niż pojedyncze analizy zależności. Analiza regresji liniowej mogłaby przykładowo określić, w jakim stopniu poszczególne cechy są związane z nasileniem uzależnienia. Analiza skupień pozwala natomiast sprawdzić, czy w badanej próbie występują charakterystyczne konfiguracje wielu cech współwystępujących u określonych grup osób.

Analiza skupień nie jest jedną konkretną procedurą statystyczną. Istnieje wiele metod różniących się sposobem określania podobieństwa obserwacji oraz tworzenia grup. Do najczęściej stosowanych należą:

• hierarchiczna analiza skupień – kolejne obserwacje lub grupy są stopniowo łączone albo dzielone, a rezultat można przedstawić za pomocą dendrogramu,
• metoda k-średnich (k-means) – obserwacje przypisywane są do określonej z góry liczby k skupień w taki sposób, aby ograniczyć zróżnicowanie wewnątrz poszczególnych grup,
• dwustopniowa analiza skupień (TwoStep Cluster Analysis) – metoda umożliwiająca analizowanie dużych zbiorów danych i, w odpowiednich warunkach, jednoczesne uwzględnianie zmiennych ilościowych oraz kategorialnych.

Przykładowo, IBM SPSS Statistics udostępnia między innymi wszystkie trzy wymienione metody, jednak dostępnych metod grupowania jest znacznie więcej, np. w środowisku R.

Ważna jest także ocena, czy otrzymane skupienia są stabilne, odpowiednio odseparowane i możliwe do sensownej interpretacji.  Sam fakt, że algorytm podzielił próbę na określoną liczbę grup, nie oznacza jeszcze, że grupy te reprezentują rzeczywiście istniejące i powtarzalne typy badanych osób. 

PRZYKŁAD DZIAŁANIA ANALIZY SKUPIEŃ METODĄ K-ŚREDNICH