передбачає значення метричної «залежної» змінної за множиною відомих значень «незалежних» змінних, виміряних у великої кількості об’єктів (досліджуваних).

прогнозує приналежність об’єктів (досліджуваних) до одного із відомих класів (номінативної шкали) за виміряними метричними (дискримінантними) змінними.

за виміряними характеристиками у великої кількості об’єктів (досліджуваних) або за даними про їх попарну схожість (відмінність) розбиває цю множину об’єктів на групи, в кожній із яких містяться об’єкти, більше схожі одне на одного, ніж на об’єкти з інших груп.

дозволяє класифікувати об’єкти за відомими класами, виходячи із виміряних у них ознак, користуючись певними правилами, виробленими попередньо на вибірці ідентичних об’єктів, у яких були виміряні ті ж ознаки.

спрямований на виявлення структури змінних як сукупності факторів, кожен з яких – це прихована, узагальнююча причина взаємозв’язку групи змінних.

виявляє шкали як критерії, за якими поляризуються об’єкти при їх суб’єктивному попарному порівнянні.

може аналізувати дані про попарну схожість між сукупністю об’єктів оцінених групою експертів. При цьому спільно аналізуються як відмінності між об’єктами, так і індивідуальні відмінності між експертами.

задача розбиття заданої вибірки об'єктів (ситуацій) на підмножини, які називаються кластерами, так, щоб кожен кластер складався з схожих об'єктів, а об'єкти різних кластерів істотно відрізнялися.

Багатомірне шкалювання і дискримінантний аналіз додають припущення про те, що вихідні відмінності між об’єктами можна представити як відстань між ними в просторі невеликої кількості шкал (функцій).