W statystyce składnik błędu jest sumą odchyleń każdej rzeczywistej obserwacji od linii regresji modelu. Analiza regresji służy do ustalenia stopnia korelacji między dwiema zmiennymi, jedną niezależną i jedną zależną, czego wynikiem jest linia, która najlepiej „pasuje” do faktycznie obserwowanych wartości wartości zależnej w stosunku do zmiennej lub zmiennych niezależnych. Innymi słowy, składnik błędu jest składnikiem równania regresji modelu, które uwzględnia niewyjaśnioną różnicę między faktycznie obserwowanymi wartościami zmiennej niezależnej a wynikami przewidywanymi przez model. Stąd składnik błędu jest miarą tego, jak dokładnie model regresji odzwierciedla rzeczywisty związek między zmienną lub zmiennymi niezależną i zależną. Termin błędu może wskazywać, że model można ulepszyć, na przykład przez dodanie innej zmiennej niezależnej, która wyjaśnia część lub całość różnicy, albo przez losowość, co oznacza, że zmienna lub zmienne zależne i niezależne nie są skorelowane w większym stopniu .
Zgodnie z konwencją matematyczną, znany również jako składnik rezydualny lub składnik zakłócający, składnik błędu jest ostatnim składnikiem w równaniu regresji modelu i jest reprezentowany przez grecką literę epsilon (e). Ekonomiści i specjaliści z branży finansowej regularnie korzystają z modeli regresji, a przynajmniej ich wyników, aby lepiej zrozumieć i przewidzieć szeroki zakres zależności, takich jak związek zmian podaży pieniądza z inflacją, związek cen giełdowych z bezrobociem stawki lub jak zmiany cen towarów wpływają na konkretne firmy w sektorze gospodarczym. Dlatego termin błędu jest ważną zmienną, o której należy pamiętać i śledzić, ponieważ mierzy stopień, w jakim dany model nie odzwierciedla lub nie uwzględnia rzeczywistego związku między zmiennymi zależnymi i niezależnymi.
W rzeczywistości w analizie regresji powszechnie stosuje się dwa rodzaje terminów błędu: błąd bezwzględny i błąd względny. Błąd bezwzględny to zdefiniowany wcześniej termin błędu, różnica między faktycznie obserwowanymi wartościami zmiennej niezależnej a wynikami przewidywanymi przez model. Wyprowadzony z tego błąd względny definiuje się jako błąd bezwzględny podzielony przez dokładną wartość przewidywaną przez model. Wyrażony w procentach błąd względny jest znany jako błąd procentowy, co jest przydatne, ponieważ pozwala spojrzeć na składnik błędu z szerszej perspektywy. Na przykład składnik błędu 1, gdy przewidywana wartość wynosi 10, jest znacznie gorszy niż składnik błędu 1, gdy przewidywana wartość wynosi 1 milion, gdy próbuje się wymyślić model regresji, który pokazuje, jak dobrze są skorelowane dwie lub więcej zmiennych.