全局非线性回归在（至少）以下三种情况下很有用：

•检验不同数据集之间的参数值是否存在显著差异。比较参数共享时的平方和（用于评估拟合优度）与将参数分别拟合到每个数据集时的各平方和之和。在 Prism 中，可在“比较”选项卡中设置此类比较。

•拟合数据族，其中每个数据集虽不完整，但整个数据族共同定义了参数。例如，一个数据集可能非常适合定义剂量反应曲线的底部平台，而另一个数据集则定义了顶部平台。若分别拟合这两个数据集，结果可能会模糊拟合（置信区间非常宽）。 若对两条曲线进行全局拟合，结果可能会非常精确。参见示例。

•拟合那些您关注的参数无法从任何单个数据集确定，而只能通过多个数据集之间关系来确定的模型。另一个例子是拟合酶抑制数据。

全局拟合的前两种应用无需编写特殊模型。第三种应用则需要您为此编写一个模型。