筛选设计通常用于检验大量因子或交互作用。当有误差的自由度时，允许构造误差估计值，可以使用常规回归技术（“分析”>“拟合模型”）来分析实验结果。您可以使用正态图、Bayes 图（亦称 Box-Meyer Bayes 图）和 Pareto 图来标识关注的因子。请参见《拟合线性模型》中的效应筛选图选项。
但是，有时没有误差的自由度。在这种情况下，假定效应稀疏，“筛选”平台（实验设计 > 经典 > 因子筛选 > 拟合两水平筛选）提供一种分析两水平设计结果的方式。“筛选”平台支持多重响应和多个因子。它自动使用图和统计量显示显著效应。请参见“筛选设计”。有关当前章中的示例，请参见在部分析因设计中修改生成规则的示例和Plackett-Burman 设计的示例。