เปรียบเทียบวิธี

	การถดถอยกำลังสองน้อยที่สุดแบบไม่เชิงเส้น (Nonlinear Least Squares)	การประมาณค่าภาวะน่าจะเป็นสูงสุด
สาขาวิชา	เศรษฐมิติ	สถิติศาสตร์
ตระกูล	Regression model	Regression model
ปีกำเนิด	1974–1987	1922
ผู้ริเริ่ม	Gallant (1987); Wooldridge (2010) for econometric treatment	R. A. Fisher
ประเภท	Nonlinear regression estimator	Parametric point estimator
แหล่งต้นตำรับ	Gallant, A. R. (1987). Nonlinear Statistical Models. John Wiley & Sons. ISBN: 978-0471802600	Fisher, R. A. (1922). On the mathematical foundations of theoretical statistics. Philosophical Transactions of the Royal Society of London, Series A, 222, 309–368.
ชื่อเรียกอื่น	nonlinear least squares, NLS, NLLS, nonlinear regression	MLE, maximum-likelihood estimator, ML estimation, Fisher's method of maximum likelihood
ที่เกี่ยวข้อง	5	4
สรุป	Nonlinear Ordinary Least Squares (NLS) estimates regression models in which the conditional mean function is nonlinear in the parameters. Like standard OLS it minimises the sum of squared residuals, but because no closed-form solution exists the estimator is found by iterative numerical optimisation. Under standard regularity conditions NLS is consistent and asymptotically normal.	Maximum Likelihood Estimation (MLE) is a general-purpose parametric method for estimating the unknown parameters of a statistical model by finding the parameter values that make the observed data most probable. Formalized by R. A. Fisher in his landmark 1922 paper in the Philosophical Transactions of the Royal Society, MLE has become the dominant parameter-estimation paradigm in modern statistics and is the foundational engine behind logistic regression, generalized linear models, structural equation modeling, and virtually all parametric inference procedures.