Abstract: 在庞大的数据库中，找到一个准则来帮助我们对新的资料做预测时，首重计算简单、快速、有效的分析方法，因此资料采矿（data mining）已是一个热门的方法。 本文采用资料采矿的方法，对波士顿房屋资料，建立其变数间的关系。在此是使用树状模型方法(tree-based methods)，即归类回归树(CART)、快速算法分类树(FACT)、快速不偏有效统计树(QUEST)，再加上传统线性区别分析，分别探讨反应变数与解释变数间之相互关系，并对资料进行分类及预测校验。研究结果显示，变数间存在着某些关系，而这些关系可以让我们抽取出我们想要的重要讯息；在树状模型方法的预测结果中，以归类回归树预测方法较好；而史玉山教授所提出的FACT及QUEST方法，则以快速不偏有效统计树(QUEST)预测方法较好。