رگرسیون خطی فاصله‌ای‏، تعمیمی از رگرسیون معمولی است که از آن برای محاسبۀ رابطۀ بین متغیرهای مستقل و متغیر وابسته در یک محیط فازی استفاده می‌شود. هنگامی که پارامترهای مدل رگرسیونی خطی به‌جای توابع احتمالی با توابع عضویت فازی بیان شوند، این مدل، مدل رگرسیونی خطی فاصله‌ای نامیده می‌شود.

در این مقاله نخست روش‌های تحلیل رگرسیون خطی فاصله‌ای را مطرح می‌کنیم و سپس برای بهبود این روش‌ها، روشی پیشنهاد می‌کنیم که ابهام مدل را کاهش می‌دهد. در نهایت با چند مثال عددی‏، کارایی روش پیشنهادی را بررسی می‌کنیم. محاسبات انجام‌شده در مثال‌ها با استفاده از بستۀ آلاباما‎‎ به‌وسیلۀ نرم‌افزار ‎R‎ انجام شده است

در بسیاری از آمارگیری‌ها، برخی از واحدهای نمونه به تعدادی از پرسش‌ها یا همۀ آنها پاسخ نمی‌دهند. این امر موجب بروز بی‌پاسخی می‌شود. اریبی و تورم واریانس، دو اثر مهم بی‌پاسخی بر آماره‌های آمارگیری هستند. اگرچه افزایش اندازۀ‌ نمونه از تورم واریانس براوردها جلوگیری می‌کند، لزوماً اثری بر کاهش اریبی آماره‌ها ندارد. از این رو روش‌های مختلفی برای تعدیل اریبی بی‌پاسخی مورد استفاده قرار می‌گیرد. هنگامی که ساختار گم‌شدگی تصادفی باشد، تعدیل موزون برای جبران اثر بی‌پاسخی واحد آماری مناسب است. یکی از روش‌های وزن‌دهی، روش امتیاز تمایل است. تخصیص وزن در روش امتیاز تمایل، بر مبنای براورد احتمال پاسخ واحدهای نمونه‌ای انجام می‌شود. این براوردها با برازش مدل‌های پارامتری مناسب به‌دست می‌آیند. در این مقاله روش امتیاز تمایل و براوردگرهای تعدیل‌شدۀ حاصل از آن معرفی می‌شوند. سپس به مقایسۀ‌ عمل‌کرد سه براوردگر تعدیل‌شدۀ امتیاز تمایل پرداخته می‌شود. در آخر با استفاده از مجموعه‌داده‌های آمارگیری هزینه و درامد خانوارهای شهری مرکز آمار ایران در سال ‎1390‎، براوردگرهای تعدیل‌شدۀ امتیاز تمایل از نظر معیارهای ریشۀ‌ دوم میانگین توان دوم خطای نسبی و کارایی نسبی با هم مقایسه می‌شوند.