所有回归方法都是通过将模型拟合到数据上，来寻找使模型拟合效果最佳的参数值。
简单回归与多元回归
简单回归适用于仅含一个自变量（X）的模型。多元回归适用于含多个自变量的模型。Prism 支持多元线性回归。在某种限定条件下，它还能进行包含两个自变量的多元非线性回归。请参阅这个酶抑制数据的示例，了解其工作原理。
线性与非线性回归
多项式回归
多项式模型在数学上属于线性模型，但在 Prism 中，需使用非线性回归分析来拟合多项式模型。
泊松回归
线性与非线性回归通常基于以下假设进行：残差（数据点到最佳拟合直线或曲线的垂直距离）服从高斯分布。若因变量为计数型（物体或事件的数量），通常更适合假设残差服从泊松分布。Prism 8 版本在多元回归和非线性回归中均引入了泊松回归选项。
逻辑回归
当结果（即因变量 Y）仅有两种可能值时，应使用逻辑回归模型。例如：某人是否患病？学生是否毕业？此时可能存在一个或多个自变量。这些自变量可以是年龄或血压等连续变量，也可以是离散变量，用于编码每个受试者接受的治疗方案。
Prism 8.3 是首个支持逻辑回归的版本。
比例风险回归
当结果为某次性事件（通常为死亡）是否发生时，应使用比例风险模型。其中一个自变量是时间，其他自变量可用于解释治疗或其他变量。
GraphPad Prism 不支持比例风险回归。
