关于归类数据，我建议检查小鼠包装。另外，请看一下此演示文稿，该演示文稿解释了它如何估算多元分类数据。不完整的多元数据的多重插补的另一个软件包是Amelia。阿米莉亚（Amelia）处理序数和名义变量的能力有限。
至于分类数据的降维（即一种将变量排列到同类聚类中的方法），我建议使用多重对应分析方法，该方法将为您提供最大化聚类同质性的潜在变量。与在主成分分析（PCA）和因子分析中所做的类似，MCA解决方案也可以旋转以增加组件的简便性。旋转背后的想法是找到变量的子集，这些子集与旋转的分量更清晰地重合。这意味着最大程度地简化组件可以帮助因素解释和变量聚类。R
MCA方法包含在ade4，MASS，FactoMineR和ca软件包中（至少）。至于FactoMineR，如果将它作为Rcmdr软件包已经建议的菜单中的附加菜单添加，则可以通过图形界面使用它，并安装RcmdrPlugin.FactoMineR
