使用迴歸方程來描述模型中響應和項之間的關係。迴歸方程是迴歸線的代數表示。將每個預測變數的值輸入方程可計算平均響應值。與線性迴歸不同，非線性迴歸方程可以採取多種不同形式。

對於非線性方程，在確定每個預測變數對響應的效應時可能不如線性方程那樣直觀。與線性模型中的引數估計值不同，非線性模型中的引數估計值的解釋不一致。每個引數的正確解釋取決於預期函式以及引數在預期函式中的位置。如果非線性模型只包含一個預測變數，可評估擬合線圖來檢視預測變數和響應之間的關係。

解收斂並不一定能保證模型擬合最優或誤差平方和 (SSE) 最小。區域性 SSE 最小或預期函式不正確都會導致在錯誤引數值的條件下收斂。因此，至關重要的是，對引數值、擬合線圖和殘差圖進行檢查，確定模型是否擬合且引數值是否合理。

解釋

在這些結果中，存在一個預測變數和七個引數估計值。響應變數是膨脹量，預測變數是開爾文溫度。這個冗長的方程描述了響應變數和預測變數之間的關係。開爾文溫度每提高一度對於銅膨脹的影響高度取決於起始溫度。變化的溫度對銅膨脹的影響作用不太容易總結。請評估擬合線圖來檢視預測變數和響應變數之間的關係。

如果向方程中輸入開爾文溫度值，結果為銅膨脹的擬合值。

方程

膨脹係數 = (1.07764 - 0.122693 * 開爾文溫度 + 0.00408638 * 開爾文溫度 ** 2 -

1.42627e-006 * 開爾文溫度 ** 3) / (1 - 0.00576099 * 開爾文溫度 +

0.000240537 * 開爾文溫度 ** 2 - 1.23144e-007 * 開爾文溫度 ** 3)