پژوهش حاضر یک بررسی و مقایسه یک مدل سنتی آماری(رگرسیون) و یک مدل نوین پردازش موازی اطلاعات (مدل شبکه عصبی) در حوزه پیش بینی پدیده ها در روانشناسی می باشد. در این پژوهش با توجه به مبانی منطقی و نظری در مورد روابط متقابل بین سلامت روان و هوش شناختی،هوش هیجانی،هوش معنوی و هوش اخلاقی، و هم چنین به عنوان موضوعات مهم و فراگیر در حوزه روانشناسی، هوش شناختی،هوش هیجانی،هوش معنوی و هوش اخلاقی به عنوان متغیرهای پیش بین و سلامت روان به عنوان متغیر ملاک در این پژوهش مورد برری قرار گرفتند. داده های اولیه متغیرهای پژوهش از طریق آزمون های هوش ریون بزرگسالان،هوش هیجانی بار-ان،هوش معنوی ناصری ،هوش اخلاقی لنیک و کیل و پرسشنامه سلامت روان ghq-28 بر روی 290 دانشجوی دانشگاه علامه طباطبایی بدست آمده است. برای پیش بینی سلامت روان بر اساس متغیرهای هوش شناختی،هوش هیجانی،هوش معنوی و هوش اخلاقی از مدل رگرسیون لجستیک گام به گام استفاده گردید و سهم هر کدام از متغیرها در پیش بینی سلامت روان تعیین گردید.هم چنین با توجه به پیچیدگی های موجود در روابط بین متغیرها از مدل شبکه عصبی پرسپترون چند لایه برای پیش بینی استفاده شد و توانمندی آن نسبت با مدل رگرسیون مورد مقایسه قرار گرفت. یافته ها نشان داد که هوش هیجانی و هوش معنوی حدود 30درصد از واریانس تغییرات سلامت روان را تبیین می کنند و هم چنین منحنی راک در مدل رگرسیون لجستیک 7/69درصد پیش بینی درست و منحنی راک در مدل شبکه عصبی 90درصد پیش بینی درست نشان می دهد، هم چنین با توجه به آزمون مک نمار برای بررسی معناداری تفاوت بین پیش بینی های درست و نادرست مدل رگرسیون و شبکه عصبی، تفاوت بین دو مدل در سطح 05/. معنی دار می باشد و مدل شبکه عصبی در پیش بینی سلامت روان بر اساس هوش شناختی،هوش هیجانی،هوش معنوی و هوش اخلاقی توانمندتر از رگرسیون لجستیک می باشد. بر این اساس ویژگی های منحصر به فرد شبکه های عصبی نظیر پردازش موازی و تشخیص الگوهای ارتباطی غیرخطی و پیچیده از طریق یادگیری و تجربه و قابلیت اختصاصی مدل رگرسیون در پیش بینی بر اساس روابط خطی از عوامل اصلی موفقیت هر یک از آنها تلقی می شود.