برآورد پارامترها و جمله¬ی خطا در رگرسیون همواره مورد بحث بوده و ارائه برآوردگرهایی با خواصی مطلوب همچون کارایی و نااریبی از اهمیت بالایی برخوردار می¬باشد. در واقع در بسیاری از برنامه¬های کاربردی استفاده از اندازه¬ی خطاهای نسبی بجای خطا از نگرانی¬های اصلی کاربران بوده و محققان ، همواره در جستجوی راهی برای کاهش این خطاها و ارائه¬ی برآوردهایی بهتر و کاراتر هستند. در این پایان نامه برای مدلی ویژه از رگرسیون غیر خطی (مدل ضربی) ، برآوردی را به عنوان جایگزین مناسبی برای برآوردهای قدیمی با توجه به مینیمم کردن حداقل خطاهای نسبی مطلق ارائه می¬دهیم. این شیوه¬ی برآورد را معیار lare ( حداقل خطای نسبی مطلق ) نامیده و نشان می¬دهیم با شرایطی خاص ، این روش از کارایی بالاتری در مقایسه با روشهای قدیمی برخوردار است. مزیت مهمی که این روش بر دیگر روشها دارد آن است که در مقیاس یا واحد آزاد می¬باشد که این موضوع در برخی از انواع داده¬ها همچون تحلیل رگرسیون سهام کاربرد گسترده¬ای دارد. در واقع معیار lare یک ابزار اصلی مورد استفاده توسط تحلیل¬گران مالی و سرمایه¬گذاری می¬باشد. علاوه بر آن در علومی همچون پزشکی و مطالعات زیستی نیز کاربرد وسیعی دارد .