Dalam perangkaan, regresi linear ialah satu pendekatan linear untuk memodelkan hubungan antara respons skalar dengan satu atau lebih pembolehubah penjelasan (juga dikenali sebagai pembolehubah bersandar dan tidak bersandar). Kes satu pembolehubah penjelasan dipanggil regresi linear mudah; untuk lebih daripada satu, proses itu dipanggil regresi linear berganda.[1] Istilah ini berbeza daripada regresi linear multivariat, di mana berbilang pembolehubah bersandar berkorelasi diramalkan, bukannya pembolehubah skalar tunggal.[2]Dalam regresi linear, hubungan dimodelkan menggunakan fungsi peramal linear di mana parameter modelnya yang tidak diketahui adalah dianggarkan daripada data. Model sedemikian dipanggil model linear.[3] Lazimnya, min bersyarat bagi respons yang diberikan nilai pembolehubah penjelasan (atau peramal) diandaikan sebagai fungsi afine bagi nilai tersebut; kadangkala median bersyarat atau beberapa kuantil lain digunakan. Seperti semua bentuk analisis regresi, regresi linear memfokuskan pada taburan kebarangkalian bersyarat respons tersebut yang diberikan nilai peramal, bukannya pada taburan kebarangkalian bersama semua pembolehubah ini, yang merupakan domain analisis multivariat.