“定制检验”选项
使用定制检验选项设置效应水平的定制检验。
注意：有关如何创建定制检验的说明，请参见定制检验。
每个效应名称旁边的菜单图标为您提供以下选项，以请求有关多元拟合的其他信息：
检验详细信息
显示用于构造多元检验统计量的 E−1H 矩阵的特征值和特征向量。请参见检验详细信息。
重心图
在从检验空间生成的前两个典型变量上标绘重心（多元最小二乘均值）。请参见重心图。
保存典型得分
将名为 Canon[1]、Canon[2] 等的变量保存为当前数据表中的列。这些列具有值和公式。相关示例，请参见保存典型得分。有关技术细节的信息，请参见典型详细信息。
对比
执行您在对比对话框中指定的处理水平的统计对比。
注意：对比命令与具有单个响应的回归相同。有关最小二乘均值对比命令的说明和示例，请参见最小二乘均值对比。
检验详细信息
“检验详细信息”报表提供有关整体模型或指定效应的检验的典型详细信息。
特征值
在计算多元检验统计量中使用的 E−1H 矩阵的特征值。
典型相关性
与每个特征值关联的典型相关性。这是变换的响应与效应的典型相关性（已针对模型中的所有其他效应进行了校正）。
特征向量
E−1H 矩阵或等价的 (E + H)−1H 的特征向量。
“检验详细信息”的示例
1. 选择帮助 > 样本数据库，然后打开 Iris.jmp。
Iris 数据 (Mardia et al. 1979) 具有物种的三个水平，名为 Virginica、Setosa 和 Versicolor。对每个样本取四个测量值（花瓣长度、花瓣宽度、萼片长度和萼片宽度）。
2. 选择分析 > 拟合模型。
3. 选择花瓣长度、花瓣宽度、萼片长度和萼片宽度，然后点击 Y。
4. 选择物种并点击添加。
5. 对于特质，请选择多元方差分析。
6. 点击运行。
7. 点击选择响应按钮并选择恒等。
8. 点击运行。
9. 点击“物种”红色小三角并选择检验详细信息。
将显示特征值、特征向量和典型相关性。
图 9.4 检验详细信息
重心图
重心图命令（从“物种”红色小三角访问）在从检验空间生成的前两个典型变量上标绘重心（多元最小二乘均值），如Figure 9.5中所示。第一个典型轴是垂直轴，以便在检验空间只有一个维时，重心在垂直轴上排成一条直线。重心点用对应于 95% 置信区域的圆圈显示 (Mardia et al. 1979)。在效应检验下创建重心图时，对应于要检验的效应的圆圈显示为红色。其他圆圈显示为蓝色。双标图射线显示检验空间中原始响应变量的方向。请参见“重心图”选项的详细信息。
点击重心值展开图标以显示其他信息，如Figure 9.5中所示。
具有特征值的第一个典型轴比第二个轴解释更多分离。均值被很好地分离（判别），第一组比其他两组隔得更远。第一个典型变量似乎针对花瓣宽度变量加载花瓣长度变量。可以使用双标图射线和相关的特征向量验证各组变量之间的关系。
图 9.5 重心图和重心值
保存典型得分
将名为 Canon[i] 的列保存到数据表，其中 i 表示 Y 变量的第 i 个典型得分。典型得分基于用于构造多元检验统计量的 E−1H 矩阵来计算。保存对应于非零特征值的特征向量的典型得分。
典型相关性
典型相关性分析不是特定命令，但是可以通过多元拟合平台中的一系列命令来执行该分析，如下所示：
1. 执行“检验详细信息”的示例中的step 1到step 8。
2. 点击“整体模型”红色小三角并选择检验详细信息。
3. 点击“整体模型”红色小三角并选择保存典型得分。
详细信息在特征值旁边列出典型相关性（典型相关性）。保存的变量称为 Canon[1]、Canon[2] 等等。这些列同时包含值和公式。
要获得 X 侧的典型变量，请重复相同步骤，但是将 X 和 Y 变量互换。若您已有附加到数据表的列 Canon[n]，则新列名为使名称唯一的 Canon[n] 2（或另一数字）。
对于另一示例，按以下步骤操作：
1. 选择帮助 > 样本数据库，然后打开 Exercise.jmp。
2. 选择分析 > 拟合模型。
3. 选择引体向上、仰卧起坐和向上跳，然后点击 Y。
4. 选择体重、腰围和脉搏，然后点击添加。
5. 对于特质，请选择多元方差分析。
6. 点击运行。
7. 点击选择响应按钮并选择恒等。
8. 点击运行。
9. 点击“整体模型”红色小三角并选择检验详细信息。
10. 点击“整体模型”红色小三角并选择保存典型得分。
图 9.6 典型相关性
输出典型变量使用显示为 Y 变量的线性组合的特征向量。例如，canon[1] 的公式为：
0.02503681*引体向上数 + 0.00637953*仰卧起坐数 + -0.0052909*向上跳数
该典型分析不生成均值为 0 且标准差为 1 的标准化变量，但是很容易使用具有这些功能的计算器定义新的标准化变量。