多元回归意味着模型中有一个或多个自变量（X）与一个因变量（Y）。为了对各种类型的因变量（Y）进行建模，Prism 提供了三种类型的多元回归：

•多元线性回归（Y 为连续变量时使用）

•泊松回归（Y 为计数时使用；0、1、2、...）

•逻辑回归（Y 为二进制时使用，如是/否、成功/失败、存在/不存在等）

所有这些方法都是广义线性模型（GLM）家族的成员。广义线性模型是一个统一的理论框架，可以非常灵活地对各种数据集进行建模。它们的行为都很相似，所以一旦学会了其中一种，很多想法就会带到其他回归类型中。

多元回归在多种情况下都很有用：

•在考虑其他变量后评估一个变量的影响。在考虑了接受治疗的患者和接受安慰剂的患者之间的年龄差异后，某种治疗方法是否有效？在考虑了暴露于和未暴露于某种风险因素的人之间的其他差异后，暴露于某种环境是否会增加罹患某种疾病的风险？

•建立一个预测方程。根据我们现在掌握的数据，这个胸痛的人患心肌梗塞（心脏病）的几率有多大？

•了解多个变量的变异性如何有助于解释相关结果。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风险？其中一个目标可能是生成一个可以预测个体风险的方程。另一个目标是了解每个风险因素的作用，以帮助公共卫生工作和确定研究项目的优先次序。