El análisis de espectro singular (SSA) es un método popular de filtrado y pronóstico que se utiliza en una amplia gama de campos, como el análisis de series temporales y el procesamiento de señales. Un enfoque comúnmente utilizado para identificar los componentes significativos de una serie temporal en el paso de agrupamiento del SSA es la utilización de la información visual de los eigentriples. Otro enfoque complementario es el de emplear un algoritmo que realiza agrupamiento basado en la matriz de disimilitud definida por la correlación ponderada entre los componentes de una serie temporal. La búsqueda en la literatura sobre SSA reveló que no se ha realizado ninguna investigación que compare los diversos métodos de agrupamiento. El objetivo de este artículo fue comparar la efectividad de diferentes enlaces de agrupamiento jerárquico para identificar los grupos apropiados en el paso de agrupamiento del SSA. La comparación se realizó en función del índice Rand corregido (CR) como criterio de comparación que utiliza varias series simuladas. También se demostró, a través de dos series temporales del mundo real, cómo se puede proceder, paso a paso, para llevar a cabo el agrupamiento en SSA utilizando un método de agrupamiento jerárquico. Este artículo se complementa con códigos de R adjuntos.