NLS解决参数非线性问题，软件一般采用数值计算法，搜索能使残差平方和最小的统计量作为参数的估计值；

GLS解决随机项违背高斯－马尔可夫假定导致ls统计量优良性质被破坏的问题。

NLS是非线性回归,GLS是广义线性回归,这一点是无可非议的!

但,GLS以及FGLS在对其参数进行估计时,也都是采用数值计算方法进行的,这一点和NLS是一致的.

特别是,NLS也相当于对其残差项的平方和加了个加权矩阵,所以NLS和GLS估计原理是相似的.

**不同的是:

GLS用数值法计算是,因为模型是线性的,各种数值迭代方法所得到的极值(比如极大似然值,或极小平方和)可以被认为是全局最优值.而对对于NLS,因为是非线性模型,一般只能得出局部最优值.这也是NLS中一个难点,目前解决这一难题的方法多是采用神经网络技术进行优化计算.