所有回归方法都是将模型拟合到数据中，以找到使模型拟合优度最高的参数值。
简单回归与多元回归
简单回归拟合只有一个自变量（X）的模型。多元回归适合具有多个自变量的模型。 Prism 提供多元线性回归。在有限的意义上，它可以对两个自变量进行多元非线性回归。请看酶抑制数据的本示例，了解其工作原理。
线性回归和非线性回归
多项式回归
多项式模型在数学上是线性的，但在 Prism 中，您可以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是在假设残差（点与拟合优度线或曲线的垂直距离）是从高斯分布中采样的情况下运行的。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采样的。Prism 8 在多元回归和非线性回归中都引入了泊松回归作为选项。
逻辑回归
当结果，即因变量（Y）只有两种可能值时，就会用到逻辑回归模型。患者是否患病？学生是否毕业？可以有一个或多个自变量。这些独立变量可以是年龄或血压这样的变异性变量，也可以有离散值来编码每个受试者接受了哪种治疗。
Prism 8.3 是第一个可以进行逻辑回归的版本。
比例风险回归
比例风险模型适用于以是否发生一次性事件（通常是死亡）为结果的情况。其中一个自变量是时间，其他自变量可用于解释治疗或其他变量。
GraphPad Prism 不进行比例风险回归。
