Prism提供了两种形式的简单回归：简单线性回归和简单逻辑回归。尽管这些分析相关联，我们还是分开讨论。如需了解简单线性回归和简单逻辑回归的异同，请阅读本指南的“回归原理”部分（简单线性回归、简单逻辑回归）。

简单线性回归通过数据拟合直线，以找到斜率和截距的最佳拟合值。

简单逻辑回归可以估计获得“阳性”结果的概率（只有两种可能结果时，例如，“阳性/阴性”、“成功/失败”或“存活/死亡”等）。

方法：简单线性回归

 找到最佳拟合斜率和截距

 从线性标准曲线插值

 建议：何时用非线性回归拟合线

 置信带和预测带（线性回归）

 绘图提示：简单线性回归

 线性回归与相关性之间的区别

 如何将一行数据拟合至两个数据集

简单线性回归的结果

 斜率和截距

 r2，简单线性回归拟合优度的衡量指标

 残差的标准偏差

 斜率是否显著不同于零？

 比较斜率和截距

 按照线性回归游程检验

 分析检查表：简单线性回归

方法：简单逻辑回归

 拟合简单逻辑回归模型

 示例：简单逻辑回归

简单逻辑回归结果

 解读系数估计

 50%时的X

 优势比

 将系数与概率关联起来

 β1的假设检验（P值）

 ROC曲线下面积

 拟合优度指标

 分析检查表：简单逻辑回归

 来自简单逻辑回归的错误消息

Deming回归

 关键概念：Deming回归

 方法：Deming回归

 问答：Deming回归

 分析检查表：Deming回归