对数据点进行不同的加权通常很有用。了解原因。

Prism 在多元回归的权重选项卡上提供了四种选择：

不加权。回归最常用的方法是最小化数据与直线或曲线垂直距离的平方和。离曲线较远的点对平方和的贡献较大。靠近曲线的点对平方和的影响很小。这是有道理的，因为你预期实验散点在曲线的所有部分平均都是相同的。

按 1/Y^2 加权。在许多实验情况下，当 Y 值较高时，你期望点与曲线的平均距离（或者说距离的平均绝对值）会较高。散度较大的点的平方和会大很多，因此在计算中占主导地位。如果希望相对距离（残差除以曲线高度）保持一致，则应按 1/Y2 加权。

按 1/Y 加权。 当散点图服从泊松分布时，有时会使用这种加权方式--当 Y 代表定义空间中的对象数或定义区间中的事件数时。由于 Prism 提供泊松回归（ 模型选项卡上的一个选项 ），因此 1/Y 加权几乎没有什么用处。

按1/YK加权。 也称为 "一般加权"。更多信息