在“二元”平台中，使用灵活 > 核平滑法选项可用局部加权最小二乘模型来拟合数据。平滑线是通过在域中抽样点反复查找局部加权模型（均值、线性或二次）而形成的曲线。众多的局部拟合（总计 512 个）合并起来，生成覆盖整个域的平滑曲线。该方法亦称 LOWESS（局部加权散点图平滑）。“核平滑法”选项实施 Cleveland (1979) 方法，其中对接近完美的拟合进行了微调；Cleveland 双权函数中的 6 * q50 参数被 max(6 * q50, 2 * q90) 取代，其中 q50 和 q90 分别是第 50 和第 90 百分位数。有关“局部平滑线”菜单的选项的详细信息，请参见二元拟合选项。
“局部平滑线”报表包含以下列：
R 方
测量平滑法模型可解释的变异比例。请参见“平滑拟合”报表的统计详细信息。
误差平方和
每个点到拟合平滑线的距离的平方和。这是在拟合平滑法模型后未解释的误差（残差）。
局部拟合 (lambda)
支持您为每个局部拟合指定多项式次数或 lambda。
权重函数
支持您指定权重函数。LOWESS 模型使用 Tri-cube 加权。权重函数确定每个 xi 和 yi 对于模型拟合的影响。
平滑性 (alpha)
支持您通过输入值或移动滑块来指定为每个局部拟合考虑的点数。Alpha 是介于 0 和 1 之间的平滑参数。随着 alpha 增大，曲线会变得更平滑。
抽样 Delta
支持您指定拟合过程中使用的抽样率。默认情况下，抽样 Delta 为零，这意味着不跳过任何点。随着抽样 Delta 的增加，拟合过程中将跳过最后一个抽样点 Delta 内的点。可以使用该选项减少数据密集时使用的点数。
稳健性
支持您指定拟合例程的稳健性。每次迭代都对各点再加权，以弱化离拟合曲线较远的点。