傳統的迴歸是假設觀測值的不確定性來自於隨機，模糊迴歸則是假設不確定性來自多重隸屬現象。一般的模糊迴歸採用樣本模糊數 來對模糊迴歸參數進行估計，其中 為觀測模糊數， 依舊為實數值。我們認為 的假設不能真實地表達出樣本所蘊含的資訊，本研究將假設 也為模糊數，如此一來對樣本的解釋方式將更為貼近現實，且估計的過程則採用通用的最小平方估計，保留迴歸原始精神但是在模糊數上則有更深入的探究。迴歸常用來建構經濟和財務的模型，而此種模型經常帶有模糊的特質，例如景氣循環、不規則趨勢等。在本文中也會舉出例子來輔助說明此研究的實用性。

關鍵字：模糊迴歸參數區間估計、最小平方法、區間模糊數距離

[1]吳柏林，（1999）。現代統計學，252-255。台北：五南書局
[2]吳柏林¸楊文山 (1997). 模糊統計在社會調查分析的應用. 社會科學計量方法發展與應用. 楊文山主編:中央研究院中山人文社會科學研究所.
[3]吳柏林(2005).模糊統計導論方法與應用。台北，五南圖書出版社。
[4]陳雲岫,蔡敏盛,(1998)，模糊迴歸分析穩健性之探討- 以二階線性為例.中國工業工程學會論文集,中華民國八十七年度,pp.1034-1039,1998年12月.
[5]阮亨中、吳柏林，（2000）。模糊數學與統計應用， 233-250; 319-341。台北：俊傑書局。
[6]Wu, B. and Tseng, N. (2002). A new approach to fuzzy regression models with application to business cycle analysis. Fuzzy Sets and System. 130,33-42.
[7]Yang, M. and Ko, C. (1997). On cluster-wise fuzzy regression analysis. IEEE Trans. Systems
Man Cybernet, vol27,1-13.
[8]Savic, D.A. and Pedrycz, W. (1991). Evaluation of Fuzzy Linear Regression Models. Fuzzy Set and Systems, 23, 51-63.
[9]Tanaka, H., Uejima, S. and Asai, K. (1980). Fuzzy Linear Regression Model. International Congress on Applied Systems Research and Cybernetics. Aculpoco, Mexico.
[10]Tanaka, H., Uejima, S. and Asai, K. (1982). Linear Regression Analysis with Fuzzy model. IEEE Trans. SystemsMan Cybernet, vol SMC 12, 903-907.
[11]Tanaka, H., & Ishibuchi, H. (1993). An architecture of neural networks with interval weights and its application to fuzzy regression analysis. Fuzzy Sets and Systems, 57, 27-39.
[12] Wang, H. F. and R. C. Tsaur, “Bi-criteria variable selection in fuzzy regression equation,” Computers and Mathematics with Applications, 40, 877-883(2000)..
[13] Tanaka, H. and J. Watada, “Possibility linear systems and their application to the linear regression model,”Fuzzy Sets and Systems, 27, 275-289 (1988).
[14] H. Tanaka, S. Vejima, K. Asai, Linear regression analysis with fuzzy model, IEEE Trans. Syst. Man, Cybernetics, Jun, 1982.
[15] P. Diamond . Fuzzy least squares. Information Science 46 (1998)