Stosowana terminologia jest następująca:
Proces stochastyczny- zbiór możliwych wyników obserwacji zmiennej objaśnianej (Y) Funkcja regresji- model hipotetyczny((Zty
Wyróżnia się następujący podział:
Z uwagi na losowość zmiennych objaśniających- regresja z -nielosowymi zmiennymi objaśniającymi -losowymi zmiennymi objaśniającymi
Z uwagi na złożenie składnika losowego i modelu hipotetycznego:
-regresja ze składnikiem losowym addytywnym, czyli: Y=Q+E -regresja ze składnikiem losowym multiplikatywnym, czyli Y= (D*E
Z uwagi na postać analityczna modelu hipotetycznego -regresja liniowa czyli Q=IbkXk -nieliniowa, na przykład wykładnicza
Z uwagi na typ powiązania zmiennej objaśnianej ze zmiennymi objaśniającymi-regresja:
• Klasyczna
• Segmentowa
• Lokalna
Z uwagi na wariancie i korelacje składników losowych- regresja:
• Ze sferycznymi składnikami losowymi (składniki losowe mają identyczne wariancje i są wzajemnie nieskorelowane)
• Z niesferycznymi składnikami losowymi (składniki losowe mają różne wariancje lub są skorelowane)
Z uwagi na probabilistyczny rozkład składników losowych, regresja:
• Normalna (gdy proces stochastyczny składników losowych ma nieosobliwy rozkład normalny)
• Nie-normalna (gdy proces stochastyczny składników losowych ma rozkład inny niż normalny)
Najczęściej rozpatruje się układy z następującymi założeniami:
• Zmienne objaśniające są nielosowe
• Regresja ze składnikiem losowym addytywnym, czyli Y= O+E
• Regresja liniowa, czyli (D= ZbkXk
• Regresja klasyczna
• Ze sferycznymi składnikami losowymi (składniki losowe mają identyczne wariancje-zwykle równe 0 i są wzajemnie nieskorelowane)