スクリーニング計画では、誤差の自由度がまったくない場合があります。誤差の自由度がなければ、効果に対して検定を行う際に、従来の検定が使用できません。特にそのような場合、「要因のスクリーニング」の機能が役に立ちます。
多くのスクリーニング計画では、パラメータ推定値は、相関がなく、等分散になっています。この性質は、多くの古典的な実験計画で成立します。しかし、この性質をもたない実験計画もあります。どちらの状況でも、「要因のスクリーニング」の機能は、どの効果が有意であるかを見つけるのに役立ちます。
「要因のスクリーニング」で行われる統計分析は、前提として、効果の希薄性（effect sparsity）が成立していなければいけません（Box and Meyer, 1986）。この前提は、「スクリーニング実験において、応答に強い影響を与えている因子はごくわずかであり、ほとんどの効果は重要ではない」というものです。この前提に基づき、「ほとんどの効果は、その真の大きさが0で、それらの推定値はランダムな誤差として分布する」と仮定します。
［要因のスクリーニング］オプションには次のものがあります。
尺度化した推定値
説明変数の平均を0、範囲を2に変換したときのパラメータ推定値が計算されます。尺度化した推定値を参照してください。
正規プロット
正規分位点プロットを描きます。このグラフに基づき、正規分布から外れている因子が、効果を持つ因子だと判断できます。「正規プロット」レポートを参照してください。
Bayesプロット
Bayes（ベイズ）流の計算によって、すべてのモデル項の事後確率を計算します。「Bayesプロット」レポートを参照してください。
パレート図
直交化し、かつ標準化したパラメータ推定値の絶対値をプロットします。また、絶対値の合計に対する累積割合を折れ線で描きます。「パレート図」レポートを参照してください。