多元回归意味着模型中有一个或多个自变量（X）和一个因变量（Y）。为模拟各种类型的因变量，Prism提供了三种类型的多元回归：

•多元线性回归（Y数连续值时使用）

•泊松回归（Y为计数值时使用；0，1，2，...）

•逻辑回归（Y为二元值时使用；例如是/否、成功/失败、存在/缺乏等。）

所有这些方法均属于广义线性模型（GLM）族。GLM是一个统一的理论框架，对于各种数据集的建模非常灵活，其行为具有相似性，因此一旦学会其中一个，许多想法即可延续到其他回归类型。

多元回归在以下几种情况下很有用：

•考虑到其他变量后，评估一个变量的影响。考虑到接受治疗的患者和接受安慰剂的患者之间的年龄差异后，治疗是否有效？考虑到曾经接触过和未接触过该风险因素的人之间的其他差异后，环境接触是否会增加疾病的风险？

•创建一个方程来进行预测。根据我们现在所知的数据，这名有胸痛的男人患有心肌梗塞（心脏病发作）的可能性有多大？

•理解几个变量的变化如何有助于解释想要的结果。例如，高密度脂蛋白（HDL，好胆固醇）、低密度脂蛋白（LDL，坏胆固醇）、甘油三酯、C反应蛋白和同型半胱氨酸的浓度如何预测心脏病的风险？一个目的可能是生成一个可预测个人风险的方程。另一目的是了解每个风险因素的贡献，以帮助公共卫生工作，并帮助优先研究项目。