استفاده از درخت تصمیم وقتی با وجود مشاهدات و متغیرهای گوناگون نتوان از روش‌های کلاسیک استفاده نمود، اهمیت و جایگاه ویژه‌ای می‌یابد. تحلیل اکتشافی، تشخیص مدل، پیش‌بینی و تصمیم‌گیری در مورد داده‌ها با اندازه‌ی زیاد، از کاربردهای مهم این روش است. درخت تصمیم وقتی متغیر پاسخ رسته‌ای باشد به درخت رده‌بندی معروف است. هدف اصلی این مطالعه، مقایسه‌ی سه روش مختلف استخراج درخت‌های رده‌بندی CART، CHAID و QUEST به منظور پیش‌بینی ترجیح جنسی فرزندان زنان در آستانه‌ی ازدواج با یکدیگر با استفاده از نرم‌افزار SPSS نسخه‌ی ۲۲ است. داده‌های این مطالعه را ۶۳۶۰ زن مراجعه‌کننده به مراکز بهداشتی به منظور دریافت مشاوره‌ی پیش از ازدواج تشکیل دادند که با روش نمونه‌گیری چندمرحله‌ای و به‌صورت تصادفی در سال ۱۳۹۳ در کل کشور گرداوری شد. نتایج نشان داد که هر سه الگوریتم درخت رده‌بندی از دقت تقریباً مشابهی در پیش‌بینی ترجیح جنسی برای فرزندان برخوردارند، اما با توجه به انطباق بیش‌تر مدلCART به فرضیه‌‌های موجود، این مدل به‌عنوان مدل نهایی در نظر گرفته شد.CART روش ناپارامتری با قابلیت تفسیرپذیری آسان است که امکان محاسبات سریع و حصول به نتایج دقیق را فراهم می‌نماید. بر اساس نتایج حاصل از این درخت، تعداد فرزندان ایده‌آل، سطح تحصیلی و سن زنان متغیرهای تأثیرگذار بر ترجیح جنسی به دست آمد.
Saadati M, Bagheri A. Applying Classification Trees for Prediction of Sex Preference in Iran. مجله‌ی بررسی‌ها 2016; 27 (1) :83-102 URL: http://ijoss.srtc.ac.ir/article-1-185-fa.html
سعادتی مهسا، باقری آرزو. کاربرد درخت‌های رده‌بندی در پیش‌بینی ترجیح جنسی فرزنداوری زنان در آستانه‌ی ازدواج ایران
. مجله‌ی بررسی‌های آمار رسمی ایران. 1395; 27 (1) :83-102
