正如这一部分多元回归原理所述，多元线性回归、多元逻辑回归和泊松回归均属于相关建模技术。在这三种情况中的每一种，您既可能具有一个或多个自变量（X）（还可称为预测变量），也可能具有一个因变量（Y）（还可称为反应变量或结果变量）。尽管这三种方法相似，但选择哪一种回归方法很容易；这取决于您正在建模的因变量（Y）类型。

•Y表示连续使用时多元线性回归

•Y表示计数数据（0，1，2，...）时使用泊松回归。在Prism中，这是多元线性回归分析中的一个选项。

•Y表示二进制（是/否、存在/缺少等）使用时多元逻辑回归

这些建模类型的具有自然的复杂性层次。如果您不熟悉回归建模，则我们建议首选学习简单线性回归。简单线性回归包括一些直观扩展：非线性回归和多元线性回归是其中两种。相反，在Prism中，多元线性回归具有两个可用的扩展：多元逻辑回归和泊松回归。最终，如上所述，多元逻辑回归包括将模型拟合到一组多个自变量中。然而，如果您只有一个自变量，则该方法可简化为简单逻辑回归（类似于简单线性回归和多元线性回归的关系）。通过这种方式，简单逻辑回归还可视为简单线性回归的扩展。

如果这一切听起来有点压倒性，但没关系。您可在本指南回归原理部分，阅读更多关于每种多元回归方法的信息，或可继续阅读下文任何链接，了解更多关于如何在Prism中执行每种方法的信息。