“别名矩阵”解决不包括在模型中的项如何影响模型项的估计值的问题（若这些项确实是活跃的）。在“别名项”分级显示项中列出可能的活跃效应，它们不在您的假设模型中，但是可能使模型项的估计值偏倚。“别名矩阵”条目表示别名项效应给模型参数带来的偏倚程度。请参见别名项。
考虑 Design Experiment 文件夹下的 Coffee Data.jmp 样本数据表。该设计假定一个主效应模型。您可以通过运行数据表中的“模型”脚本来进行查看。这样，在“评估设计”窗口的“模型”分级显示项中，只显示“截距”和五个主效应。“别名项”分级显示项包含双因子交互作用。“别名矩阵”如Coffee Data.jmp 的别名矩阵中所示。
“别名矩阵”在第一列中显示“模型”项，用来定义行。“别名项”中的双因子交互作用在顶部列出，用来定义列。考虑以模型效应温度为例。若研磨*时间交互作用为唯一活跃的双因子交互作用，则温度系数估计值的偏倚量为研磨*时间效应的真实值的 0.333 倍。若其他交互作用是活跃的，则“别名矩阵”中的值指示温度系数估计值导致的其他偏倚量。
考虑 Design Experiment 文件夹下的 Bounce Data.jmp 样本数据表。“模型”脚本包含所有双因子交互作用。这样，“评估设计”窗口在“模型”分级显示项中显示所有主效应和双因子交互作用。三个双因子交互作用自动添加到“别名项”的列表。因此，“别名矩阵”对于这三个交互作用的每一项分别显示一列（Bounce Data.jmp 的别名矩阵）。请注意，只有别名矩阵中的非零条目对应于对自身的双因子交互作用的偏倚影响。这些条目是 1，这是希望的结果，因为双因子交互作用已在模型中。
