1.创建一张数据表

在“欢迎”或“新建表格”对话框中，选择创建XY数据表。

如果您刚刚开始使用，请选择样本数据：线性回归-比较斜率。

如需输入自身数据，请选择子列格式。如需输入重复，请选择重复值。Prism可自动绘制误差条，也可选择输入已计算出平均值和标准差（或SEM）的数据。在此情况下，如果您想考虑点对点标准差之间的差异，请使用非线性回归对该线段进行拟合。

2.输入数据

如果选择样本数据，您将看到这些值：

如果您为几个数据集（A、B和C列）输入Y值，Prism将报告X对于YA、X对于YB以及X对于YC的回归结果，其还可检验斜率（和截距）是否有显著差异。

如果不同的数据集不共享相同的X值，请对不同的数据集使用不同的行，如下所示：

3.分析选择

点击“分析”，然后从XY分析列表中选择线性回归。

强制曲线通过指定点（如原点）？

如果选择回归，则可强制曲线通过特定的点，如原点。在此情况下，由于截距是固定的，Prism将只确定最佳拟合斜率。科学理论告诉您这条线必须通过一个特定的点（通常是原点，X=0，Y=0）且您只想知道斜率时，使用该选项。这种情况很少出现。

作出决定时，请运用常识。例如，考虑蛋白质分析。可测量几种已知蛋白质浓度的光密度（Y），以创建标准曲线。然后您想从标准曲线中内推未知的蛋白质浓度。进行测定时，您调整了分光光度计，使其在蛋白质为零时的读数为零。因此，您可能会试图强制回归线穿过原点。但这种约束可能会导致一条与数据不太拟合的曲线。因为您真的很关心这条线在未知值附近是否很好地拟合了标准，您可能会通过不限制这条线得到更好的拟合。

如有疑问，应让Prism找到没有任何限制的最佳拟合曲线。

将线性回归拟合到单个平行测定值或平均值？

如果在每个X值上收集了重复的Y值，有两种方法可计算线性回归。可将每个重复值视为单独的点，或者对重复的Y值取平均值，以确定每个X的平均Y值，并使用平均值计算线性回归。

如果每个数据点的实验误差源相同时，您应将每个重复值视为单独的点。如果有个值碰巧有点高，没有理由期望其他的重复值也高。这些错误是独立的。

重复值不独立时，对重复值进行平均，将平均值视为单个值。例如，如果重复值代表同一只动物的三次测量值，且每个X（剂量）值使用不同的动物，则重复值不是独立值。如果一只动物碰巧比其他动物反应更强烈，那将影响所有重复值，重复值不是独立值。

检验运行时线性偏离

见游程检验

检验斜率和截距是否具有显著性差异。

如果为两个或多个数据集输入了数据，则Prism可检验斜率是否有显著差异。

置信带和预测带

了解有关置信带和预测带的更多信息。