所有回归分析法均将模型拟合到数据，以找到使模型最佳拟合的参数值。
简单回归与多元回归
简单回归拟合具有一个自变量（X）的模型。多元回归适合具有多个独立变量的模型。Prism提供了多元线性回归。从严格意义上讲，其可用两个独立变量进行多元非线性回归。请查看此酶抑制数据的示例，了解其如何工作。
线性回归与非线性回归
多项式回归
多项式模型在数学上是线性的，但在Prism中，可使用非线性回归分析来拟合多项式模型。
泊松回归
线性和非线性回归通常在假设残差（点到最佳拟合直线或曲线的垂直距离）从高斯分布中抽样的情况下进行的。如果结果是计数（对象或事件的数量），通常最好假设残差是从泊松分布中抽样。Prism 8将泊松回归分析既作为多元非线性回归分析选项又作为非线性回归分析选项引入Prism 。
逻辑回归
结果-因变量（Y）只有两个可能值时，使用逻辑回归模型。此人是否患病？该学生是否已毕业？可有一个或几个独立变量。这些独立变量可以是像年龄或血压这样的变量，也可以是对每位受试者所接受的治疗进行编码的离散值。
Prism 8.3是第一个可进行逻辑回归分析的版本。
比例风险回归
结果是一次性事件（通常是死亡）是否发生时，使用比例风险模型，其中一个独立变量为时间，其他独立变量可用来说明治疗或其他变量。
GraphPad Prism不执行比例风险回归。
