何谓假最小值？

非线性回归程序一点点调整变量，以便提高拟合优度。如果Prism收敛于一个答案，则可确定稍微改变任一变量均会使拟合更差。但从理论上讲，显著更改变量可能会获得更佳的拟合优度。因此，Prism确定为“最佳”的曲线可能并非最佳。

将纬度和经度想象成Prism试图拟合的两个变量。现在将海拔想象成平方和。非线性回归迭代工作，以便减少平方和。这就像走下坡寻找谷底。非线性回归收敛时，更改任一变量均会增加平方和。在谷底时，每个方向均可通向上坡。但在山脊上可能有一个您不知道的更深的山谷。在非线性回归中，显著更改变量会降低平方和。

该问题（称为寻找局部最小值）是非线性回归所固有的，与所用程序无关。如果数据很少散布，在适当X值范围内收集数据，且所选方程适当，则很少会遇到局部最小值。

检验假最小值

如需检验是否存在假最小值：

1.注意变量的值和第一次拟合得出的平方和。

2.大幅更改一个或多项参数的初始值，然后再次运行拟合。

3.重复步骤2多次。

理想情况下，Prism将报告几乎相同的平方和以及相同的参数，无论初始值为多少。如果值不同，则接受平方和最小的值。