تحلیل تشخیصی یک روش آماری مرتبط با همبستگی چندگانه است.
این روش آماری از تعداد متغیر پیش بین استفاده می کند تا آزمودنی ها را به دو یا بیش از دو گروه مجزا طبقه بندی کند؛ مانند ترک تحصیل کنندگان در مقابل افرادی که به تحصیل اشتغال دارند، دانشجویان موفق در مقابل دانشجویان ناموفق، مجرمین در مقابل غیرمجرمین و غیره.
معیار در تحلیل تشخیصی عضویت شخص در یک گروه است.
این روش به یک معادله یا تابع تشخیص منتهی می شود که در آن نمره های متغیرهای پیش بین در وزن های آن ضرب می شود تا طبقه بندی آزمودنی ها در گروها پیش بینی شود.
وقتی که فقط دو گروه وجود دارد، تابع تشخیص اساساً یک معادله همبستگی چندگانه است که در آن معیار عضویت در گروه با 0 یا 1 کد گذاری شده است.
اما اگر معیار، سه یا بیش از سه گروه باشد، تحلیل تشخیصی از همبستگی چندگانه فراتر می رود.
مثال : تحلیل تشخیصی ممکن است برای شناسایی متغیرهای پیش بین موفقیت برنامه آموزش دوره دکتری دانشگاه مورد استفاده قرار می گیرد.
شما می توانید متغیرهایی را شناسایی کنید که به وسیله آن عضویت در یکی از دو گروه زیر را تشخیص دهید: گروهی که دوره دکتری را با موفقیت به اتمام رسانیده اند و گروهی که در این کار ناموفق بوده اند.
برای این کار ممکن است متغیرهای پیش بین مختلفی مورد استفاده قرار گیرد؛ مثل نمرات آزمون قیاس های میلر (MAT)، نمرات آزمون ورودی تحصیلات تکمیلی (GRE)، معدل دوره کارشناسی، معدل دوره کارشناسی ارشد، فاصله زمانی بین زمان دریافت مدرک فوق لیسانس و ورود به دوره دکتری، تخصص دکتری، سن در زمان ورود، جنسیت، نژاد یا قومیت و وضعیت تأهل، تحلیل پیچیده همبستگی، معادله ای را ایجاد می نماید که نشان دهنده متغیرهای معنادار در پیش بینی متغیر ملاک- موفقیت یا ناکامی در دوره دکتری- است.
