Sergi和Daniel（2000）通过大量实证，对比了主成分分析法和多元统计聚类法两类集群辨识的途径，发现两种方法生成的产业集群所具有的产业关联特征总是有不尽如人意之处，但又各有所长，因此，他们通过糅合两类辨识方法，创建了一种新的集群辨识手段，称为“共识集群法”。此方法可分为三个阶段进行：

①在用于运算分析的矩阵选择上，不囿限于最大相似矩阵C（或最大关联矩阵E），而是将中间投入矩阵A、中间产出矩阵E等通通吸纳进来，以期获得不同层面的产业功能关联。

②对于所有纳入分析的矩阵，一方面利用主成分分析法运作，选择不同的因子载荷门槛值，获得一系列辨识结果；另一方面，利用多元统计聚类法分析，利用不同算法和阈值组合，得出一系列辨识结果。

③接着引入一个“产业对”的概念，在某一辨识方法中，进入同一集群的两个部门即为一“产业对”，然后，利用先前所得的若干组辨识结果，构造体现产业对信息的共识相似矩阵，进而进行多元聚类分析，最终获得各个共识产业群。

为了能更清楚地说明此方法，设定A、B、C、D、E、F六个产业部门，使用三种产业集群辨识方法进行分析（楚波等，2007），见表4－6－1。(www.daowen.com)

表4－6－1　辨识结果分类表

继而可构造出相应的用于共识集群分析的矩阵，见表4－6－2。

表4－6－2　共识相似矩阵

最后，利用表4－6－2中的矩阵进行多元聚类分析，并获得树状图，确定一定阈值，就可以获得最终的共识集群结果。此方法将原来单独使用的各种集群辨识法整合起来，将它们所得结果都看成是对其他方法的补充；“产业对”的引入能够使产业间各个层面功能紧密连接的特质突显出来。Sergi和Daniel（2000）对加利福尼亚州的实证研究表明，共识集群方法辨识出来的产业集群结果是相当理想的。