مسايل مربوط به مدل بندی و طبقه بندی چندگانه در آمار به خوبی مطالعه شده است. در اين نوع مسايل Y متغير تصادفی کيفی با T حالت ممکن به عنوان طبقات در نظر گرفته می شود. هدف پيش بينی Y براساس بردار تصادفی X? R^m می باشد. روش های زيادی برای بررسی اين نوع مسايل در نظر گرفته شده است. يکی از روش های عمومی و پيشرفته تکنيک های طبقه بندی چندگانه، طبقه بندی و درخت های رگرسيونی (Classification and Regression Trees (CART می باشد. روش ديگر تکنيکهای تقسيم بندی بازگشتی Recursive Partitioning Techniques است که با رگرسيون ناپارامتری پيوند قوی دارد. روش های آناليز تشخيص کلاسيک Classical Discriminant Analysis يک روش استاندارد برای آناليز اين نوع اطلاعات هستند. روش آناليز تشخيص تغييرپذير Flexible discriminant analysis که روش آناليز تشخيصی است و طبقه بندی با استفاده از Splines که شامل رگرسيون حداقل مربعات Least squares regression و Additive cubic splines است و روش شبکه های عصبی Neural networks از روش های بسيار پيشرفته برای آناليز اين نوع داده ها است. در اين مقاله ويژگی های مدل رگرسيون لجستيک چند حالته بررسی شده و از اين روش برای مدل بندی عوامل موثر در انتخاب روش های پيشگيری از باروری برای زنان 49-15 ساله همسردار استان قم استفاده شده است. متغير پاسخ دارای توزيع چهار جمله می باشد. سطوح اين متغير عبارت است از: هيچ روشی، روش قرص، روشهای سنتی و مجموعه ساير روشهايی که زنان برای جلوگيری از بارداری استفاده نموده اند. مجموعه ای از متغيرهای مستقل که بر اين انتخاب موثرند نيز در نظر گرفته شده اند. از بين متغيرهای فوق الذکر، عواملی چون منطقه سکونت، سن فعلی زن، سواد زن، داشتن يا نداشتن سابقه حاملگی و بعد خانوار بر روی انتخاب ها موثر بوده اند. متغيرهايی مانند سن شروع قاعدگی و سن اولين ازدواج از نظر آماری معنی دار نگرديدند.س