对数轴图上的直线
非线性回归分析适用于数据，而非图表。由于Prism允许您选择对数轴，因此一些数据点形成直线的图形遵循非线性关系。Prism的方程“线性”集合包括那些X轴是对数、Y轴是对数或两个轴均是对数时，允许您将非线性模型拟合到看起来是线性图形的方程。在这些情况下，线性回归将一条直线拟合到数据，但由于一根轴（或两根轴）不是线性的，图表将显示为曲线。相反，非线性回归到合适的非线性模型将创建一条在这些轴上看起来是直线的曲线。
输入和拟合数据
1.创建一张XY表格，并输入X和Y值。
2.转至图表，双击一根轴，弹出轴格式对话框。将一根或两根轴更改为对数刻度。
3.点击“分析”，选择“非线性回归”（不是线性回归），然后从方程的“线”部分选择其中一个半对数或对数-对数方程。
方程
半对数线--X轴为对数轴，Y轴为线性轴
Y=Yintercept + Slope*log（X）
在半对数轴上 |
在线性轴上 |
|
|
log（X）变化1.0时，斜率是Y的变化（因此X变化10倍）。
log（X）等于0.0时，Yintercept为Y值。因此X等于1.0时，它就是Y值。
半对数线--X轴是线性的，Y轴是对数的
Y=10^（Slope*X+Yintercept）
在半对数轴上 |
在线性轴上 |
|
|
X变化1.0时，斜率是log（Y）的变化。
X等于0.0时，Yintercept是log（Y）值。
对数-对数线--X轴和Y轴均是对数的
Y=10^（slope*log（X）+Yintercept）
在对数-对数轴上 |
在线性轴上 |
|
|
因为两个轴的变换方式相同，因此图表在两组轴上均是线性的。但拟合数据时，两个拟合将不会完全相同。
log（X）变化1.0时，斜率是log（Y）的变化。
log（X）等于0.0时，Yintercept为Y值。因此X等于1.0时，它就是Y值。
处理这些数据的另一种方法
非线性回归分析最小化实际Y值和曲线预测的Y值之间差值的平方和。这不同于最小化点和曲线之间距离的平方和（如图所示）。在下图中，两条垂直线看起来距离相同，但一条代表9 Y单位的差异，另一条代表900的。
另一种方法在某些情况下可能更好，是使用Prism的变换分析将Y（也可能是X）变换成对数。然后对对数进行线性回归。回归结果将与在对数轴上使用非线性回归不同。
