筛选设计的分析依赖于效应稀疏原则，该原则规定响应中的多数变异由少量的效应来解释。按照该原则，具有小估计值的效应用来估计模型中的误差。这样便可以检测较大效应是否活跃。
可以使用“拟合模型”（“分析”>“拟合模型”）或“拟合两水平筛选”（“实验设计”>“经典”>“两水平筛选”>“拟合两水平筛选”）分析筛选实验的数据。使用以下指导原则来选择合适的建模平台：
• 若您的因子全部为两水平且正交，则“拟合两水平筛选”平台中的所有统计学都没问题。
• 若您的数据来自高度超饱和的主效应设计，则“拟合两水平筛选”平台对于选择活跃因子很有效，但对于估计误差或显著性无效。生成 p 值的 Monte Carlo 模拟使用的假设不适用于此类情形。
• 若您的分类或离散数值因子包含两个以上的水平，则“拟合两水平筛选”平台并不适合。JMP 将关联的模型项视为连续项。对于此类因子，变异散布在主效应和多项式效应中。在这种情况下，建议您使用“拟合模型”平台。
• 若您的数据非正交，则“拟合两水平筛选”平台中构造的估计值不同于标准回归估计值。JMP 可标识大效应，但它不会有效地检验每个效应。这是因为效应在输入模型时被人为正交化，这使得较早进入模型的效应显得没有在标准回归中那么显著。请参见效应进入顺序的统计详细信息。
• 对于混料设计，“拟合两水平筛选”平台不合适。改为参见“拟合混料设计”。