在多元拟合中，归因于假设和误差的平方和是平方与叉积的矩阵（而非单个数值）。有很多方法来衡量假设平方和以及叉积的矩阵（称为 H 或 SSCP）值与残差的矩阵（称为 E）值相比有多大。JMP 报告文献中常见的四种多元检验。若您在寻找精确显著性水平下的检验，可能需要在参考书中查找表。幸运的是，这四种检验都可以变换为近似 F 检验。若响应设计生成单个值，或假设是单个自由度，则多元检验是等价的，生成相同的精确 F 检验。JMP 用精确的 F 值标记检验；否则用近似的 F 值标记它。
在高尔夫球示例中，只有一个效应，因此整体模型检验和品牌的检验是相同的，它们将使用近似 F 值检验显示四种多元检验。只有自由度为 2（每个响应各一个）的单个截距，因此它的 F 检验是精确的，被标记为精确的 F 值。
效应（该示例中为品牌）弹出菜单也包含用于指定对比的选项。
标记表中的每个统计检验。若响应函数值（M 矩阵中指定的列）的数目为 1 或效应对于每个响应函数只有一个自由度，则提供精确的 F 检验。否则，使用近似 F 检验给出四个标准多元检验统计量：Wilks Lambda (Λ)、Pillai 迹、Hotelling-Lawley 迹和 Roy 最大根。
对应于 F 值的显著性概率。