全局非线性回归在（至少）三种情况下非常有用：

•检验数据集之间的参数值是否存在显著差异。比较共享参数时的平方和（以评估拟合优度）与对每个数据集单独拟合参数时的平方和之和。在 Prism 中，在 "比较 "选项卡中设置这种比较。

•拟合数据族，其中每个数据集都不完整，但整个数据族都定义了参数。例如，一个数据集可能很好地定义了剂量反应曲线的底部高原，而另一个数据集则定义了顶部高原。分别拟合这两个数据集，结果可能模糊拟合（置信区间非常宽）。全面拟合两条曲线，结果可能会非常紧凑。 请看本例。

•拟合模型时，您所关心的参数无法从任何一个数据集中确定，而 只能从几个数据集之间的关系中确定 。另一个本示例是 拟合酶抑制数据。

全局拟合的前两种用途不需要编写特殊模型。第三种用途则需要为此编写一个模型。