چکیده:
اين مقاله با توجه به اهميت رويكردهاي مقايسه اي در تحقيقات اجتماعي به معرفي روش تحليل درختي پرداخته كه در حوزه علوم اجتماعي كمتر شناخته شده است. روش تحليل درختي يكي از جديدترين و انعطاف پذيرترين روش ها براي تحليل مجموعه هاي بزرگ، آناليز اكتشافي، ايجاد طبقه بندي ساده و همچنين تفسير دادها از طريق تقسيم بندي دوتايي است. كارت، يك استراتژي در تحليل داده ها با استفاده رده بندي و رگرسيون درختي ارائه داده است كه محققان اجتماعي را براي تعيين زيرگروههاي همگن و ناهمگن، با ريسك بالا يا پايين با استفاده از آزمون هاي ناپارامتريك ياري مي رساند. كشف اختلاف و تشابه گروه هاي اجتماعي و نهايتاً پيش بيني وضعيت آن ها در برنامه ريزي هاي اجتماعي مهمترين كاربرد اين روش تحليل است. استفاده از روش تحليل درختي در تحقيقات اجتماعي بر خلاف روش هاي كلاسيك نيازمند فرض هاي كمتر و شامل طيف وسيعي از داده ها هستند. به همين دليل در دهه هاي اخير اين روش ها در برابر مدل هاي كلاسيك تحليل مميزي خطي و رگرسيون خطي مقبوليت عام يافته است. بخصوص كه اين مدل ها براي حجم بالاي داده ها برازش مي شود. همچنين مشكل ناشي از داده هاي گم شده در اين مدل وجود ندارد. به منظور روشن تر شدن بحث در اين مقاله به بررسي مطالبات اجتماعي زنان در چهار كشور عضو كنفرانس اسلامي (تركيه، مصر، عربستان سعودي و مالزي)كه هر يك آن ها نمونه ايده آل چهار زيرگروه هستند از طريق اين نرم افزار گزارش شده است.
خلاصه ماشینی:
"اگر چه تحلیل درختی ابزاری مناسب برای تبیین مقایسه ای پدیده های اجتماعی (هم با رویکرد کیفی و هم رویکرد کمی) به شمار میرود، اما در این جا موضوع بحث تمرکز بر الگوریتم نرم افزار کارت است که در روش های کمی مورد استفاده قرار میگیرد.
با توجه به این موضوع ، ضرورت دارد پس از معرفی عملکرد، کاربرد و الگوریتم نرم افزار کارت در تحقیقات کمی، با ذکر یک مثال اجتماعی به بررسی تطبیقی مطالبات زنان در چهار کشور عضو کنفرانس اسلامی شامل ترکیه ، مصر، عربستان و مالزی اشاره شود که در تحلیل نهایی خود از این روش تحلیل استفاده کرده است .
ساختار درختی برای پیش بینی مقدار متغیر وابسته (پیوسته یا طبقه بندی شده ) به کار میرود این مدل ها به عنوان افزار کننده های بازگشتی تعریف میشوند، زیرا یک مجموعه n واحدی را به صورت تصاعدی به بخش های کوچک تر تقسیم میکند و هدف از این کار تقسیم بندی بیشترین تجانس در متغیر وابسته در هر زیرگروه است (٧٦ :٢٠٠٠ ,Breiman).
Optimal tree selection ١-١١- مدل رگرسیون درختی ساختار رگرسیون درختی همانند رده بندی درختی است که در آن فضای X بوسیله افرازهای دوتایی به ترتیب تفسیر میگردد تا گروه های پایانی بدست آیند که در هر گره پایانی، t مقدار پیش بینی شده پاسخ (yt) است ."