线性回归是非线性回归的特例
简单线性回归只是较为简单的非线性回归的特例。计算稍微简单（但这仅对于程序员来说很重要）。您可以使用Prism的非线性回归分析，拟合直线模型，且结果将与简单的线性回归相同。
如何将线性回归分析转换为非线性回归
如需将简单线性回归转换为非线性回归，请打开线性回归的“参数”对话框，然后点击底部的“更多选择”。
非线性回归提供更多选项
从概念上来说，简单线性回归只是非线性回归的特例。但当使用非线性回归时，Prism提供了更多选项。因此，使用Prism的非线性回归分析来拟合直线通常具有一定意义。特别是，非线性回归分析使您能够：
•拟合线性和非线性模型，以及比较两种模型。
•应用微分权重。
•自动排除异常值。
•使用稳健拟合方法。
•对残差执行正态性检验。
•检查相关矩阵或相关性。
•采用重复值检验比较直线上点的分散和重复之间的分散。
•报告具有90%置信界限的最佳拟合值（或任何其他值）。Prism的线性回归分析仅报告了95% CI。非线性回归让您可以选择想要的置信水平。
•报告具有预测值的95%置信区间的直线/曲线的插值结果。Prism的线性回归分析不包括这些置信区间。
•对于线性回归，斜率的SE始终用斜率作为正负值来报告。对于非线性回归，SE值是一个单独的结果块，可以复制并粘贴到其他地方。
•使用全局非线性回归使一行拟合多个数据集，或在几个数据集之间共享截距或斜率，同时将其他参数分别拟合到每个数据集。
•运行蒙特卡洛分析。
•在您在每个X值输入多个重复的数据时，Prism的非线性回归可以执行重复值检验，以询问数据是否系统地偏离直线模型。Prism不提供线性回归的重复检验。
•检验斜率（或截距）是否明显不同于某些建议值。例如，检验斜率是否不同于假设值1.0，或截距是否明显不同于0.0。
•找到两行的交点。
必须拟合非线性回归的线
有两种情况，您可能首先认为线性回归是最佳分析，但事实上需要非线性回归：
•如果Y轴使用对数或概率分度，则图表上的直线由一个非线性模型创建。在此情况下，尽管图表上的线条为直线，但模型实际上并非线性。您需使用非线性回归拟合“直线”。
•如果您想让两条线拟合不同的数据段，这不能用Prism的简单线性回归分析来完成。但Prism的非线性回归可拟合分段线性回归。
