در این مقاله روش رگرسیون ستیغی فازی موزون weighted‎ جدیدی برای مجموعه‌ای از داده‌های ورودی دقیق و خروجی فازی مثلثی پیشنهاد شده است. برای این منظور، برآوردگر ستیغی پارامترهای فازی مدل رگرسیونی به دست آمده و خطای پیشگوی ‎predicted error‎ آن با استفاده از نرم فازی موزون به ازای ضرایب ستیغی دقیق، متفاوت ارزیابی شده است. برای ارزیابی مدل رگرسیونی پیشنهادی، ضریب تعیین تعمیم یافته را معرفی می‌کنیم. سپس با ارائۀ مثال‌های عددی به مقایسۀ مدل رگرسیون فازی معمولی و رگرسیون ستیغی فازی به‌کمک مقدار میانگین توان دوم خطاهای پیشگویی و ضریب تعیین فازی می‌پردازیم. در صورت وجود هم‌خطی بین متغیرهای پیش‌بین، نتایج به‌دست‌آمده از مدل رگرسیون ستیغی فازی بهتر از نتایج رگرسیون فازی معمولی خواهد بود.

هنگامی‌که در مجموعه داده‌ها، مشاهدات دور افتاده وجود دارند روش رگرسیون استوار، جایگزین مناسبی برای رگرسیون معمولی است. همچنین اگر مشاهدات، فازی باشند نیز روش‌های رگرسیون معمول، نمی‌توانند راه‌گشای مدل‌بندی اینگونه از مشاهدات باشند و در این حالت روش رگرسیون فازی، روش جایگزین مناسبی است. برای حالتی که مشاهدات، فازی بوده و در مجموعه داده‌ها، مشاهدات دور افتاده وجود داشته باشند از روش‌های جایگزین استوار فازی استفاده می‌شود. در این مقاله برای حالتی که متغیر‌های وابسته و ضرایب رگرسیونی اعداد فازی بوده و مجموعه داده‌ها حاوی مشاهدات دور افتاده است، تحلیل رگرسیون کمترین توان‌های دوم فازی اصلاح شد‌‌‌ه‌ای مطرح می‌شود. در این روش برای مقایسه مجموعه‌های فازی، باقی‌مانده‌ها رتبه‌بندی می‌شوند. باقی‌مانده‌ها با استفاده از شاخص حضور سراسری برای هر مجموعه فازیOM‎ به دست می‌آیند. سپس ماتریس وزن توسط تابع عضویت باقیمانده‌ها تعریف می‌شود و براورد‌های کمترین توان‌های دوم فازی موزون با استفاده از ماتریس وزن بدست می‌آیند. برای نشان دادن عملکرد روش پیشنهادی، دو مثال را مطرح و نتایج حاصل از آنها ارائه می‌شود.