İstatistiklerde, hata terimi, her bir gerçek gözlemin model regresyon çizgisinden sapmalarının toplamıdır. Regresyon analizi, biri bağımsız ve biri bağımlı olan iki değişken arasındaki korelasyon derecesini belirlemek için kullanılır; bunun sonucu, bağımsız değişken veya değişkenlerle ilgili olarak bağımlı değerin gerçekte gözlemlenen değerlerini en iyi "sığdıran bir çizgidir". Başka bir ifadeyle, bir hata terimi, bir model regresyon denklemindeki terimdir ve bağımsız değişkenin gerçekte gözlemlenen değerleri ile model tarafından öngörülen sonuçlar arasındaki açıklanamayan farkı ifade eder. Bu nedenle, hata terimi, regresyon modelinin bağımsız ve bağımlı değişken veya değişkenler arasındaki gerçek ilişkiyi ne kadar doğru yansıttığının bir ölçüsüdür. Hata terimi, farkın bir kısmını veya tamamını açıklayan başka bir bağımsız değişkene ekleyerek ya da rastlantısallıkla, örneğin bağımlı ve bağımsız değişken veya değişkenlerin daha büyük bir dereceye göre korelasyon göstermediği gibi, geliştirilebileceğini gösterebilir. .
Kalıntı veya bozulma terimi olarak da bilinir, matematiksel kurala göre, hata terimi, model regresyon denklemindeki son terimdir ve Yunanca epsilon (ε) harfi ile temsil edilir. Ekonomistler ve finans sektörü profesyonelleri, para arzındaki değişikliklerin enflasyonla nasıl ilişkili olduğu, borsa fiyatlarının işsizlikle nasıl ilişkili olduğu gibi çok çeşitli ilişkileri daha iyi anlamak ve tahmin etmek için düzenli olarak regresyon modellerinden veya en azından sonuçlarından yararlanırlar. fiyatlar veya emtia fiyatlarındaki değişimlerin bir ekonomik sektördeki belirli şirketleri nasıl etkilediği. Bu nedenle, hata terimi akılda tutulması ve verilen herhangi bir modelin bağımlı ve bağımsız değişkenler arasındaki gerçek ilişkiyi ne ölçüde yansıtmadığını veya hesaba katma derecesini ölçtüğünü takip etmek için önemli bir değişkendir.
Gerçekte regresyon analizinde yaygın olarak kullanılan iki tür hata terimi vardır: mutlak hata ve bağıl hata. Mutlak hata, daha önce tanımlandığı gibi hata terimdir, bağımsız değişkenin gerçekte gözlemlenen değerleri ile model tarafından öngörülen sonuçlar arasındaki farktır. Bundan türetilen nispi hata, model tarafından öngörülen kesin değere bölünen mutlak hata olarak tanımlanır. Yüzde terimlerle ifade edildiğinde, göreceli hata yüzde hata olarak bilinir, bu hata terimini daha büyük bir perspektife yerleştirdiği için faydalıdır. Örneğin, öngörülen değer 10 olduğunda 1 hata terimi, öngörülen değer 1 milyon olduğunda, iki veya daha fazla değişkenin ne kadar iyi korelasyon gösterdiğini gösteren bir regresyon modeliyle çıkmaya çalışırken 1 hata teriminden çok daha kötüdür.
