مجله دانشکده پزشکی

مسایل مربوط به مدل بندی و طبقه بندی چندگانه در آمار به خوبی مطالعه شده است. در این نوع مسایل Y متغیر تصادفی کیفی با T حالت ممکن به عنوان طبقات در نظر گرفته می شود. هدف پیش بینی Y براساس بردار تصادفی X? R^m می باشد. روش های زیادی برای بررسی این نوع مسایل در نظر گرفته شده است. یکی از روش های عمومی و پیشرفته تکنیک های طبقه بندی چندگانه، طبقه بندی و درخت های رگرسیونی (Classification and Regression Trees (CART می باشد. روش دیگر تکنیکهای تقسیم بندی بازگشتی Recursive Partitioning Techniques است که با رگرسیون ناپارامتری پیوند قوی دارد. روش های آنالیز تشخیص کلاسیک Classical Discriminant Analysis یک روش استاندارد برای آنالیز این نوع اطلاعات هستند. روش آنالیز تشخیص تغییرپذیر Flexible discriminant analysis که روش آنالیز تشخیصی است و طبقه بندی با استفاده از Splines که شامل رگرسیون حداقل مربعات Least squares regression و Additive cubic splines است و روش شبکه های عصبی Neural networks از روش های بسیار پیشرفته برای آنالیز این نوع داده ها است. در این مقاله ویژگی های مدل رگرسیون لجستیک چند حالته بررسی شده و از این روش برای مدل بندی عوامل موثر در انتخاب روش های پیشگیری از باروری برای زنان 49-15 ساله همسردار استان قم استفاده شده است. متغیر پاسخ دارای توزیع چهار جمله می باشد. سطوح این متغیر عبارت است از: هیچ روشی، روش قرص، روشهای سنتی و مجموعه سایر روشهایی که زنان برای جلوگیری از بارداری استفاده نموده اند. مجموعه ای از متغیرهای مستقل که بر این انتخاب موثرند نیز در نظر گرفته شده اند. از بین متغیرهای فوق الذکر، عواملی چون منطقه سکونت، سن فعلی زن، سواد زن، داشتن یا نداشتن سابقه حاملگی و بعد خانوار بر روی انتخاب ها موثر بوده اند. متغیرهایی مانند سن شروع قاعدگی و سن اولین ازدواج از نظر آماری معنی دار نگردیدند.س