测量误差模型（measurement error model，error-in-variables model），理学-数学-数理统计学-回归分析，统计学中一类考虑了自变量具有观测误差的回归模型。比较而言，标准的回归模型假设解释变量的观测值不含误差。当解释变量中存在测量误差时，基于标准回归模型的参数估计不具有相合性，也就是说，当样本容量趋于无穷大时，参数估计值不会依概率收敛于真实值。例如，在一元线性回归模型中，回归系数是被低估的，这被称为衰减偏误（attenuation bias）。一般情况下，测量误差模型是通过引入潜变量（latent variables）建立的。假设是因变量，潜变量是真实但不可观测的自变量，是自变量带误差的观测值。一般测量误差模型为：式中为模型的未知参数，为不存在观测误差的自变量（如在包含截距项的线性模型中，截距项对应的解释变量是一个常数，即不含测量误差）。在上述模型中，是可以被观测到的，即可以得到个样本值，，而和是不可观测的。潜变量和其测量误差之间的关系根据实际情况的不同有不同的假设。