تحلیل تشخیص یکی از روش های تحلیل خوشه ای است که به تحلیل ممیزی نیز معروف است. در این تحلیل، هر داده در یکی از خوشه ها قرار می گیرد و محقق به دنبال آن است که تشخیص دهد آیا یک داده درست رده بندی شده است یا خیر. این تحلیل مشابه رگرسیون چندگانه است، با این تفاوت که در رگرسیون چندگانه، متغیر وابسته همیشه یک متغیر کمّی و دارای توزیع نرمال است. در حالی که در اینجا متغیر وابسته نه تنها توزیع نرمال ندارد، بلکه یک متغیر کیفی با سطوح محدود (رسته ای) است. در حالت خاصی که متغیر وابسته دو مقداری باشد، رگرسیون لجستیک مورد استفاده قرار می گیرد. اما اگر متغیر وابسته بیش از دو مقدار بگیرد، باید از روش تحلیل تشخیص استفاده کرد. 

توابع تحلیل تشخیصی که جزو گروه (GLM) یا همان مدل های خطی عمومی لحاظ می گردند، در واقع همانند تابع رگرسیون لجستیک نوعی ترکیب وزنی هستند که به منظور پیش بینی عضویت یک فرد یا موضوع مورد بررسی در یکی از چند گروه ممکن بکار می روند. با این تفاوت که در تحلیل تشخیصی متغیر مستقل حتماً باید دارای مقیاس فاصله ای یا نسبتی بوده و در آن نمی توان متغیرهای دارای مقیاس ترتیبی یا اسمی را وارد نمود. متغییر وابسته نیز مانند رگرسیون لجستیک می تواند اسمی یا ترتیبی باشد. همچنین تفاوت این تحلیل با تحلیل واریانس چند متغیره در این است که در تحلیل واریانس این متغیر وابسته است که حالت کمی داشته و متغیر(های) مستقل حالت کیفی یا مقوله ای دارند. پیشنهاد می گردد که حجم نمونه مورد استفاده در تحلیل تشخیص حداقل ۲۰ برابر تعداد متغیرهای مستقل باشد. معادله تحلیل تشخیصی را می توان همانند معادله رگرسیون چند متغیره بصورت زیر نوشت:

Yi = a + b1X1 + b2X2 + . . . + bnXn 

مسیر انجام تحلیل ممیزی در SPSS

Analyze/ Classify/Discriminant