绘制残差图并检验其正态性

• 残差是Y的实际值与预测值之差，Prism 7绘制残差的一种方式是通过回归分析。Prism 8也将其扩展为可以通过ANOVA (单因素，双因素或者多因素)，t检验以及多元回归。对于这几种分析，有四种方式进行残差的正态性检验，有四种方式绘制残差图（包括QQ图）。
  

泊松回归

• 当Y值表示对象或事件的实际计数（没有达到正态分布）时，残差预计不会遵循高斯分布，而是遵循泊松分布。Prism现在允许您指定非线性和多元回归的泊松残差，并相应地进行计算。
  

逻辑回归

• 当结果变量（Y值）为二元变量（是/否，1/0，有效/无效等）时，可以使用逻辑回归将模型拟合到数据中。 Prism 8.3.0的新增功能，您现在可以使用单个预测变量（X变量）执行简单的逻辑回归，或使用多个预测变量进行多重逻辑回归。
  

为非线性回归内置了更多的方程式

• 在Prism 8.2中，我们扩展了方程式库，这样当X表示浓度时，以及当X表示浓度的对数时，可以表示为剂量-响应方程的形式。
• Pade(1,1)近似方程，当标准曲线在高浓度下稳定时（类似于等轴双曲线）进行插值时非常有用。
• 增长方程族。这些用于从文化中细胞数量的增长到经济增长的所有事物。 提供的方程式是指数增长，指数平稳期，Gompertz，对数和β（先增长，后衰退）。
• 线性二次方程的几种形式，用于模拟暴露于辐射后的细胞死亡。
• 铰链功能。 它与分段线性回归相同，不同之处在于两条直线以平缓曲线而不是硬角度连接。
• 将直线拟合到两个数据集，找到相交点和两个斜率。
  

非对称(轮廓似然)置信区间

• 针对复杂的方程，Prism有时会报告“ ???” 而不是为单侧或双侧置信度给出一个数值。 在Prism之后，这将很少会发生。
• 计算非对称轮廓似然置信区间的速度快2-3倍。
  

新的选择

• 在非线性回归中检测“不稳定”参数：Prism 8.2中引入的新“Prism Labs”功能可替代以前用于检测不良拟合的方法。 早期版本可以检测 “模糊拟合”。 现在，通过选项设置（在非线性回归的置信Confidence选项卡上），Prism可检测“不稳定”参数。 根据我们的经验，这种方法更好，因为在新方法可以检测的时候，“模糊”方法有时无法显示结果。
• 当您需要在非线性回归中删除离群值时，现在可以让Prism使用“干净”数据创建一个结果表（不包含离群值）。
  

GraphPad中国官网现已上线，欢迎访问了解更多：https://www.graphpad-prism.cn