Statistikas on vea liige iga tegeliku vaatluse mudeli regressioonijoonest kõrvalekallete summa. Regressioonanalüüsi kasutatakse kahe muutuja, ühe sõltumatu ja teise sõltuva korrelatsiooniastme määramiseks, mille tulemuseks on sirge, mis kõige paremini “sobib” sõltuva väärtuse tegelikult vaadeldud väärtustega sõltumatu muutuja või muutujate suhtes. Teisisõnu on veatermin mudeli regressioonivõrrandi termin, mis ühtib ja arvestab sõltumatu muutuja tegelikult vaadeldud väärtuste ja mudeli ennustatud tulemuste vahelist seletamatut erinevust. Seega on veatermin mõõt selle kohta, kui täpselt peegeldab regressioonimudel tegelikku seost sõltumatu ja sõltuva muutuja või muutujate vahel. Veatermin võib viidata sellele, et mudelit saab täiustada, näiteks lisades teise sõltumatu muutuja, mis selgitab osa või kogu erinevust, või juhuslikkusele, mis tähendab, et sõltuv ja sõltumatu muutuja või muutujad ei ole suuremal määral korrelatsioonis. .
Matemaatilise kokkuleppe kohaselt on vea liige mudel regressioonivõrrandi viimane liige ja seda tähistab kreeka täht epsilon (e). Majandusteadlased ja finantssektori spetsialistid kasutavad regulaarselt regressioonimudeleid või vähemalt nende tulemusi, et paremini mõista ja prognoosida mitmesuguseid seoseid, näiteks seda, kuidas rahapakkumise muutused on seotud inflatsiooniga, kuidas börsihinnad on seotud töötusega. intressimäärad või kuidas muutused toormehindades mõjutavad konkreetseid ettevõtteid mõnes majandussektoris. Seega on veatermin oluline muutuja, mida meeles pidada ja jälgida, kuna see mõõdab, mil määral mis tahes antud mudel ei kajasta ega arvesta tegelikku seost sõltuvate ja sõltumatute muutujate vahel.
Regressioonanalüüsis kasutatakse tavaliselt kahte tüüpi veatermineid: absoluutne viga ja suhteline viga. Absoluutne viga on eelnevalt määratletud veatermin, sõltumatu muutuja tegelikult vaadeldud väärtuste ja mudeli ennustatud tulemuste erinevus. Sellest tuletatud suhteline viga on defineeritud kui absoluutne viga jagatuna mudeli ennustatud täpse väärtusega. Protsentides väljendatuna nimetatakse suhtelist viga kui protsendiviga, mis on kasulik, kuna asetab veatermini suuremasse perspektiivi. Näiteks vealiige 1, kui prognoositav väärtus on 10, on palju hullem kui vealiige 1, kui prognoositav väärtus on 1 miljon, kui üritatakse koostada regressioonimudel, mis näitab, kui hästi kaks või enam muutujat on omavahel seotud.