Statistikoje klaidos terminas yra kiekvieno faktinio stebėjimo nuokrypių nuo modelio regresijos linijos suma. Regresinė analizė naudojama dviejų kintamųjų – vieno nepriklausomo ir priklausomo – koreliacijos laipsniui nustatyti, kurios rezultatas yra tiesė, kuri geriausiai „atitinka“ faktiškai pastebėtas priklausomos reikšmės reikšmes nepriklausomo kintamojo ar kintamųjų atžvilgiu. Kitaip tariant, klaidos terminas yra modelio regresijos lygties terminas, kuris sutampa ir atspindi nepaaiškinamą skirtumą tarp faktiškai pastebėtų nepriklausomo kintamojo verčių ir modelio numatytų rezultatų. Taigi klaidos terminas yra matas, kaip tiksliai regresijos modelis atspindi tikrąjį ryšį tarp nepriklausomo ir priklausomo kintamojo ar kintamųjų. Klaidos terminas gali reikšti, kad modelis gali būti patobulintas, pvz., pridedant kitą nepriklausomą kintamąjį, paaiškinantį kai kuriuos ar visą skirtumą, arba atsitiktinumu, o tai reiškia, kad priklausomas ir nepriklausomas kintamasis ar kintamieji nėra labiau koreliuojami. .
Taip pat žinomas kaip likutinis terminas arba trikdžių terminas, pagal matematinius susitarimus, klaidos terminas yra paskutinis modelio regresijos lygties narys ir vaizduojamas graikiška raide epsilon (e). Ekonomistai ir finansų pramonės specialistai reguliariai naudoja regresijos modelius ar bent jų rezultatus, kad geriau suprastų ir prognozuotų įvairius ryšius, pavyzdžiui, kaip pinigų pasiūlos pokyčiai yra susiję su infliacija, kaip akcijų rinkos kainos yra susijusios su nedarbu. tarifus arba kaip prekių kainų pokyčiai veikia konkrečias ūkio sektoriaus įmones. Taigi, klaidos terminas yra svarbus kintamasis, kurį reikia turėti omenyje ir sekti, nes jis matuoja laipsnį, kuriuo bet koks modelis neatspindi tikrojo priklausomo ir nepriklausomo kintamųjų ryšio arba neatsižvelgia į jį.
Regresinėje analizėje dažniausiai naudojami dviejų tipų klaidų terminai: absoliuti paklaida ir santykinė klaida. Absoliuti paklaida yra anksčiau apibrėžtas klaidos terminas, skirtumas tarp faktiškai pastebėtų nepriklausomo kintamojo verčių ir modelio numatytų rezultatų. Iš to išplaukiama, kad santykinė paklaida apibrėžiama kaip absoliuti paklaida, padalyta iš tikslios modelio numatytos vertės. Išreiškiama procentais, santykinė paklaida vadinama procentine paklaida, o tai yra naudinga, nes klaidos terminas pateikiamas į didesnę perspektyvą. Pavyzdžiui, 1 klaidos terminas, kai numatoma vertė yra 10, yra daug blogesnis už 1 klaidos terminą, kai numatoma vertė yra 1 milijonas, kai bandoma sugalvoti regresijos modelį, rodantį, kaip gerai koreliuoja du ar daugiau kintamųjų.