امروزه مدل‌های متنوعی با روشهای برآوردیابی مختلف در مدلسازی داده‌ها، معرفی و بکار برده می‌شوند. تناسب هر یک از روشهای برآوردیابیِ مدل‌های آماری در برازشِ مجموعه‌ای از داده‌ها مبتنی بر یک معیار نیکویی برازشِ خاص (یا تابع هدفی خاص) است. همچنین، شاخص نیکویی برازش هر مدل آماری (از جمله مدل‌های رگرسیونی کلاسیک و یا فازی) متناسب با منطقِ طراحی آن مدل تعریف و فرمول‌بندی می‌شود. لذا استفاده و بکارگیریِ صرفا یک معیار جهت مقایسه نیکویی برازش مجموعۀ متنوعی از مدل‌های آماری باعث تصمیم‌گیری‌های اریب و جهت‌دار می‌شود. در واقع چنین فرآیندی منتج به اولویت بخشی به مدل یا مدل‌هایی می‌شود که یا توابع هدفی یکسان با معیار ارزیابی دارند و یا توابع هدف آنها از لحاظ ساختاری متناسب با همان معیار ارزیابی است. لذا رویکرد تک معیاره برای ارزیابی نیکویی برازش مدل‌ها، امکان مقایسه مطلوب و منصفانه آنها که بسیار چالش برانگیز است را سلب می‌کند. هدف اصلی ما در این مقاله، ارایه و پیشنهاد چارچوبی مناسب در قالب رهیافت تصمیم‌گیری‌های چند معیاره به منظور حل و فصل این چالش است. در این رهیافت به روشهای متنوعی امکان انبوهش مجموعه‌ای گسترده از معیارهای ارزیابی به منظور تولید یک معیار ارزیابی تعمیم یافته جهت تشخیص مدل بهینه فراهم می‌شود. در انتها رویکرد پیشنهادی به منظور رتبه‌بندی ارزیابی نیکویی برازش 22 مدل رگرسیون فازی مختلف بکار برده شده است.
)