全局非线性回归（至少）在三种情况下很有用：

•检验数据集之间的参数值是否存在显著差异。将共享参数时的平方和（评估拟合优度）与参数单独拟合每个数据集时的平方和进行比较。在Prism中，在“比较”选项卡中设置这种比较。

•在每个数据集不完整，但整个数据集系列定义了参数的情况下，拟合数据族。例如，一个数据集可很好地定义剂量反应曲线的底部稳定段，而另一个数据集可定义顶部平稳段值。分别拟合两个数据集，结果可能并不明确（置信区间很宽）。全局拟合两条曲线，结果可能会非常紧凑。请看一个示例。

•在无法从任何一个数据集确定所关心参数的情况下，拟合模型，但仅根据几个数据集之间的关系。另一个示例是拟合酶抑制数据。

全局拟合的前两个用途无需编写特殊模型。第三种用途要求您为此目的编写一个模型。