未强制关系检测通常用于确定两个或多个变量之间是否存在非强制性的关系。以下是一些常见的未强制关系检测项目：
相关性分析：测量变量之间的线性或非线性关系强度。
回归分析：建立变量之间的数学模型，以预测一个变量对另一个变量的影响。
聚类分析：将数据分组，以发现相似的数据点。
因子分析：将多个变量归结为较少的几个因子。
判别分析：确定哪些变量可以区分不同的组。
对应分析：用于分析两个分类变量之间的关系。
多维尺度分析：将数据点映射到低维空间，以可视化数据的结构。
结构方程模型：综合多个变量之间的关系，包括直接和间接效应。
逻辑回归：用于预测二分类或多分类变量的结果。
主成分分析：提取数据的主要成分，以减少数据的维度。
偏最小二乘回归：用于处理具有多个自变量和因变量的情况。
典型相关分析：研究两组变量之间的线性关系。
方差分析：比较不同组之间的均值差异。
协方差分析：在控制其他变量的情况下，比较不同组之间的均值差异。
卡方检验：用于检验两个分类变量之间的独立性。
Fisher 精确检验：在小样本情况下，用于检验两个分类变量之间的独立性。
Wilcoxon 秩和检验：比较两个独立样本的中位数差异。
Kruskal-Wallis 检验：比较多个独立样本的中位数差异。
Mann-Whitney U 检验：比较两个独立样本的分布差异。
Spearman 秩相关：测量两个变量之间的单调关系。
Kendall 秩相关：测量两个变量之间的一致性程度。
Q-Q 图：比较样本数据与理论分布的拟合程度。
箱线图：显示数据的分布情况，包括中位数、四分位数和异常值。
散点图：展示两个变量之间的关系。
茎叶图：显示数据的分布和集中趋势。
直方图：展示数据的频率分布。
正态性检验：检查数据是否符合正态分布。
方差齐性检验：检查不同组之间的方差是否相等。
游程检验：检验数据的随机性。
