在学习如何使用 GraphPad Prism（或任何其他软件）拟合模型之前，不妨先回顾一下必要的步骤。

步骤 1. 选择模型

非线性回归是将模型拟合到数据上的过程。因此，您必须选择一个模型或输入一个新模型。这是一项科学决策，必须由了解实验科学目标的人员来做出。为什么不应该让计算机程序为您选择模型。  

步骤 2. 决定是否将某些参数约束为常数值

进行非线性回归时，您无需对方程中的每个参数都进行拟合。相反，您可以将一个或多个参数固定为常数值。当数据点较少时，定义常数通常很有帮助。例如，您可以将S型曲线的底部平台或指数衰减的末端固定为零。

不要指望计算机程序具备常识。这是您的职责！回顾实验过程和数据准备工作，从而决定是否应将某些参数固定。例如，如果已扣除背景信号，将剂量-反应曲线或指数衰减曲线的底部平台值固定为零是合理的。  

步骤 3. 选择（或检查）初始值

非线性回归是一个迭代过程。程序必须先为每个参数设定估计值，然后通过调整这些初始值来改善拟合效果。若选择内置方程，GraphPad Prism 会自动提供初始值。若输入自定义方程，则需自行提供初始值，或设定规则以根据数据范围生成初始值。

如果您已查看过数据的图表、理解了模型，并掌握了方程中所有参数的含义，那么估算初始值将变得非常容易。 请记住，您只需要一个估计值，无需非常精确。若在估算初始值时遇到困难，请暂时搁置数据，转而使用该模型模拟曲线。逐个改变变量，观察它们如何影响曲线的形状。一旦您对参数如何影响曲线有了更直观的了解，估算初始值可能会变得更容易。

当将简单模型拟合到干净的数据集时，初始值与正确值相差较大通常影响不大。除非初始值与正确值相差极大，否则无论使用何种初始值，最终得到的最佳拟合曲线都是一样的。当数据点分布较散或模型包含众多变量时，初始值才显得尤为重要。

步骤 4. 若同时拟合两个或多个数据集，请决定是否共享参数

若将数据输入到两个或多个数据集列中，Prism 将在一次分析中对所有数据集进行拟合。但除非您指定共享一个或多个参数，否则每次拟合都是相互独立的。当共享参数时，该分析称为全局非线性回归。

步骤 5. 确定加权方案

非线性回归程序通常对每个数据点赋予相等的权重。但存在多种对数据点进行差异化权重分配的方法。

步骤 6. 选择要报告的结果

非线性回归总是报告参数的最佳拟合值。除此之外，Prism（以及大多数程序）还为您提供了多种选择，供您决定需要报告哪些结果。