تاکنون روش های متعددی برای پیش بینی نرخ تورم استفاده شده است. در این پژوهش برای رفع محدودیت های روش های پیشین از روش رگرسیون فازی استفاده شده است. به طور کلی برای برازش یک معادله رگرسیون خطی فازی سه دسته مدل وجود دارد:مدل های رگرسیون امکانی فازی، مدل های رگرسیون کم ترین مربعات فازی و مدل های رگرسیون مبتنی بر تحلیل بازه ای. اولین گام در طراحی یک مدل رگرسیون فازی تعیین متغیرهای مستقل است. در این راستا متغیرهای مستقل نرخ رشد تقدینگی، نرخ رشد gdp واقعی، نرخ رشد قیمت دلار در بازار آزاد و نرخ تورم سال قبل انتخاب شده است و با توجه به رویکردهای مختلف سه مدل ساخته شده است. ضرایب هر سه مدل فازی می باشند. بنابراین نتایج حاصل نیز فازی خواهند بود. نتایج حاصل برای نرخ تورم با استفاده از روش مرکز سطح غیرفازی و سپس مقادیر درصد میانگین قدر مطلق خطا، ریشه میانگین مربعات خطا و میانگین قدرمطلق خطا محاسبه شده اند. سپس با استفاده از معکوس این مقادیر و به کمک روش تحلیل پوششی داده های ستاده گرا و بدون داده های ورودی رگرسیون فازی با بیشترین کارایی برگزیده شده است.