非线性回归分析是线性回归分析的扩展，也是传统计量经济学的结构模型法分析。

在社会现实经济生活中，很多现象之间的关系并不是线性关系，对这种类型现象的分析预测一般要应用非线性回归预测，通过变量代换，可以将很多的非线性回归转化为线性回归。因而，可以用线性回归方法解决非线性回归预测问题。

选择合适的曲线类型不是一件轻而易举的工作，主要依靠专业知识和经验。常用的曲线类型有幂函数，指数函数，抛物线函数，对数函数和S型函数。

线性回归模型分析的线性经济变量关系只是经济变量关系中的特例，现实中的多数经济变量关系是非线性的。

对于无法通过初等数学变换转化为线性回归模型的非线性经济变量关系，必须直接用非线性变量关系进行分析。

即使非线性变量关系可以通过初等数学变换转化为线性模型，也可能造成模型随机误差项性质的改变，这种情况下，常常也是直接作为非线性模型进行分析比较有利。

非线性模型计量经济分析的基本思路与线性模型是相似的，仍然可以以回归分析为核心，称为“非线性回归分析”。

选择回归函数的具体形式应遵循以下原则：

第一，函数形式应与经济学的基本理论相一致；

如：生产函数常采用幂函数的形式；成本函数常采用多项式方程的形式等。

第二，方程有较高的拟合优度；说明了函数形式选取较为适当。

第三，函数的形式尽可能简单。

非线性回归预测模型有很多，其中除“直线回归方程（LIN）”外的对数曲线方程（LOG）、反函数曲线方程（INV）、二次曲线方程（抛物线）（QUA）、三次曲线方程（CUB）、复合曲线方程（COM）、幂函数曲线方程（POW）、S形曲线方程（S）、生长曲线方程（GRO）、指数曲线方程（EXP）与logistic曲线方程（LGS）等均为非线性回归方程。当然还有双曲线回归方程、超指数曲线方程等许多非线性回归方程，可用于预测预报。