如果对项目或对象进行了多项测量，可使用 Minitab 的多元分析过程来分析数据。您可以选择：
· 分析数据协方差结构以了解它或减少数据维度
· 将观测值分配到组
· 研究类别变量之间的关系
由于 Minitab 不会比较多元分析过程的显著性检验，因此解释结果带有某种程度的主观性。但是，如果您对数据非常了解，则可以作出明智的结论。
数据结构分析
Minitab 提供了两种过程用于分析数据协方差结构：
· 主成份，该过程可帮助您了解原始变量中的协方差结构和/或使用该结构生成为数更少的变量。
· 因子分析，与主成份一样，该过程能够以为数更少的维度总结数据协方差结构。因子分析的重点是找出可解释与巨大数据变异相关的维度的基础“因子”。
内部一致性
· 项目分析可评估调查或检验中的多个项目度量同一结构体时的可靠程度。
将观测值分组
Minitab 提供了三种聚类分析方法和判别分析用于为观测值分组：
· 观测值聚类，在组最初未知的情况下用于为彼此靠得很近的观测值分组或聚类。当不存在与分组相关的外部信息时，此方法是一个合适的选择。最终分组的选择通常是在查看聚类统计量后根据什么分组对数据有意义来做出。
· 变量聚类，在组最初未知的情况下用于为彼此靠得很近的变量分组或聚类。该过程类似于观测值聚类。您可能希望聚类变量以减少它们的数量。
· K 均值聚类，与观测值聚类一样，用于为彼此靠得很近的观测值分组。K 均值聚类最适用于存在足够可用信息进行有效起始聚类指定的情况。
· 判别分析，在样本具有已经组的情况下用于将观测值分类为两个或两个以上的组。您可以使用判别分析调查自变量对分组的影响。
对应分析
Minitab 提供了两种对应分析方法来研究类别变量之间的关系：
· 简单对应分析研究双因子分类中的关系。您可以将此过程用于 3 因子表和 4 因子表，因为 Minitab 可以将它们折叠成双因子表。简单对应分析可分解列联表，类似于主成份分析分解多元连续数据。简单对应分析可对数据进行特征分析，将变异分解为基本维度，以及将变异与行和/或列相关联。
· 多重对应分析是将简单对应分析扩展到 3 个或 3 个以上类别变量的情况。多重对应分析可对矩阵的每列对应于一个类别变量水平的指示变量矩阵执行简单对应分析。对于多因子表，该分析不是将其折叠成双因子表，而是折叠成 1 个维度。
多元分析概述