在学习如何使用 GraphPad Prism（或任何其他软件）进行模型拟合之前，最好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来做出。为什么不应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底部平台固定为零。

不要指望计算机程序具备常识。这是您的职责！ 回顾您的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，如果已经减去了背景信号，那么将剂量反应曲线或指数衰减曲线的底部平台期固定为零是合理的。  

步骤 3. 选择（或审查）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，然后调整这些初始值以改善拟合效果。 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。

如果您已经查看过数据的图表，理解了模型，并掌握了方程中所有参数的含义，那么估算初始值会非常容易。请记住，您只需要一个估计值，不必非常精确。 如果您在估算初始值时遇到困难，请暂时搁置数据，先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，您都会得到相同的最佳拟合曲线。当数据散布较大或模型变量较多时，初始值的重要性会显著增加。

步骤 4. 如果要同时拟合两个或多个数据集，请决定是否共享任何参数

如果您将数据输入到两个或多个数据集列中，Prism 会将它们全部纳入一次分析中。但除非您指定共享一个或多个参数，否则每次拟合都将相互独立。当您共享参数时，该分析被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。但存在多种方法可以对数据点进行差异化加权。

步骤 6. 选择要报告的结果

非线性回归总是报告参数的控制数据。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。