在决策树的字段选择中，常用的度量方法包括信息增益(Information Gain)和基尼系数(Gini Index)，而卡方统计量(X2 Statistics)也是一种用于特征选择的统计方法，但通常不用于决策树的分裂判断中。支持度(Support)主要用于关联规则挖掘中，而不是用于决策树字段选择。

因此，正确答案是：**C: 支持度(Support)**。

### 专业分析

以下是每个选项的简要分析：

- **信息增益 (Information Gain)**:
- 用于测量一个特征在多少程度上可以减少数据的不确定性或熵。通常用于决定哪个特征对目标变量最有预测能力。
- 是ID3决策树算法中最常用的字段选择标准。

- **卡方统计量 (X2 Statistics)**:
- 一种统计测试，用于检验两个分类变量的独立性。虽然可以用于特征选择，但在决策树中并不常用作分裂标准。

- **支持度 (Support)**:
- 主要用于关联规则学习（如Apriori算法）中，表示一个项目集在所有事务中出现的频率。在决策树中不适用。

- **基尼系数 (Gini Index)**:
- 用于评估数据分裂时的纯度，是CART决策树算法中常用的字段选择标准。
- 基尼系数越小，节点的纯度越高。

在决策树的构建过程中，选择合适的字段选择度量是确保模型性能的重要环节。信息增益和基尼系数是最常用的两种标准，而支持度则是与决策树无关的概念。