在学习如何使用 GraphPad Prism（或任何程序）拟合模型之前，值得先回顾一下必要的步骤。

步骤 1.选择模型

非线性回归会根据数据拟合一个模型。因此，您必须选择一个模型或输入一个新模型。这是一项科学决策，必须由了解实验科学目标的人来做出。为什么计算机程序不应该为您选择模型？

第 2 步决定是否将任何参数限制为恒定值

在进行非线性回归时，您不必拟合方程中的每个参数。相反，您可以将一个或多个参数固定值。当只有几个数据点时，定义常量通常很有帮助。本示例中，您可以将 Sigmoid 曲线或指数衰减的底部高原固定为零。

不要指望计算机程序具有常识。这是你的工作！想想你是如何做实验和准备数据的，然后决定是否应该固定某些参数。例如，如果已经减去了背景信号，那么将剂量反应曲线或指数衰减曲线的底部高原固定为零是有意义的。

步骤 3.选择（或审查）初始值

非线性回归是一个迭代过程。程序必须从每个参数的估计值开始。然后调整这些初始值以提高拟合值。如果选择内置方程，GraphPad Prism 会自动提供初始值。如果输入自己的方程，还需要提供初始值，或根据数据范围生成初始值的规则。

如果你看过数据图表，了解模型，并理解方程中所有参数的含义，你会发现估算初始值很容易。请记住，您只需要一个估计值。不一定要非常精确。如果您在估算初始值时遇到问题，请将数据集放在一边，使用模型模拟曲线。每次改变一个变异性，看看它们如何影响曲线的形状。一旦你对参数如何影响曲线有了更好的感觉，你可能会发现估计初始值更容易了。

在对干净的数据拟合一个简单的模型时，如果初始值与正确值相差甚远，也没有什么关系。除非初始值与正确值相差甚远，否则无论使用什么初始值，都会得到相同的拟合优度曲线。当数据有很大的散点或者模型有很多变异性时，初始值就更重要了。

第 4 步如果同时拟合两个或多个数据集，决定是否共享任何参数

如果您在两个或多个数据集列中输入数据，Prism 将在一次分析中对所有数据集进行拟合。但是，除非您指定共享一个或多个参数，否则每次拟合都将独立于其他数据集。共享参数时，分析称为全局非线性回归。

步骤 5.决定加权方案

非线性回归程序通常会对每个点平均加权。但也有很多方法可以对各点进行不同加权。

第 6 步选择需要报告的结果

非线性回归总是报告参数的拟合优度值。除此以外，Prism（以及大多数程序）还为您提供了多种选择，以确定您希望报告哪些结果。