Die lineare Regression ist ein Spezialfall der Regressionsanalyse, mit der versucht wird, eine abhängige Variable (Monatlicher Energieertrag, Windgeschwindigkeit usw.) durch eine oder mehrere unabhängige Variablen (Windindex, Produktionsindex, Referenzdaten) zu analysieren.

Die lineare Regression wird im Bereich der Windenergie verwendet, um Ertragsdaten und Windgeschwindigkeiten aus kürzeren Zeiträumen zu analysieren und einen Langfristertrag oder eine langjährig mittlere Windgeschwindigkeit zu bestimmen. Zur Analyse gehört das herausfinden von Ausreißern. Ausreißer, also monatliche Energieerträge, die nicht die Aufschluss über die realen Windverhältnisse geben, ergeben sich durch Stillstände der Windkraftanlage, die mehrere Ursachen haben kann (Technische Probleme an der Anlage oder am Netz, Wartungsarbeiten, Eisansatz an den Flügelspitzen usw.). Es werden die Energieerträge der zu untersuchenden Windkraftanlage gegen einen Windindex oder Produktionsindex aufgetragen. Die Korrelation bzw. das Bestimmtheitsmaß, die Steigung der Geraden und aus den beiden

Zu erwähnen ist noch, dass viele Probleme, die üblicherweise bei der Verwendung des IWET-Index entstehen, minimiert werden, wenn lineare Regressionen der monatlichen Ertragsdaten über die Indexwerte durchgeführt werden, anstatt die Wertepaare monatlich zu dividieren und daraus einen Mittelwert zu bilden. Die monatsweise Quotientenbildung war über lange Jahre die empfohlene Vorgehensweise, was vermutlich die wichtigste Ursache für zahlreiche Fehleinschätzungen auf der Basis des IWET-Index der Version 1999 war. Diese Beobachtung wurde von anemos-jacob in 2003 durch den BWE veröffentlicht und die Verwendung von linearen Regressionen oder ähnlichen Verfahren sind heute Stand der Technik.