Рассматривается алгоритм для реализации адаптивного поведения агентов в агент-ориентированных моделях (АОМ). Предполагается, что агент обладает некоторой внутренней параметрической моделью окружающего мира, которая порождает функцию правдоподобия для получаемой агентом информации об окружающем мире. Процесс адаптивного обучения агента за счет изменения параметров представлен в виде фильтрации в общей модели пространства состояний. В статье описан алгоритм SQ-фильтра, в котором используется линейная гауссовская плотность перехода и квадратичное по параметрам приближение для логарифмической функции правдоподобия. Данный алгоритм является модификацией классического фильтра Калмана. Он приложен к линейной регрессии с меняющимися параметрами. При поступлении агенту новой информации оценки параметров, в число которых входят как коэффициенты регрессии, так и дисперсия ошибки, корректируются оценки параметровадаптивным образом с учетом возможных выбросов. Работоспособность предложенной адаптивной регрессии проверена на двух экономических АОМ. Алгоритм показал хорошие результаты как в модели искусственного фондового рынка при предсказании агентами-трейдерами рыночной цены, так и в модели российской экономики при предсказании фирмами спроса на свою продукцию. С его помощью можно наделять агентов правдоподобным поведением без использования чрезмерно сложных расчетов.