列联表用于汇总比较两个或多个组别且结果为分类变量（例如：患病与未患病、通过与未通过、动脉通畅与动脉阻塞）的情况。关于相对风险与优势比、灵敏度和特异性以及P值的解读，请参阅其他资料。

研究受试者是否相互独立？

只有当每个受试者（或实验单位）与其他受试者相互独立时，卡方检验或 Fisher检验的结果才有意义。这意味着任何影响某个受试者结果的因素，仅影响该受试者本身。Prism 无法检验这一假设。 您必须考虑实验设计。例如，假设表格的行代表两种不同的术前抗生素，列表示是否发生术后感染。共有 100 名受试者。如果该表格将一家医院的 50 名受试者与另一家医院的 50 名受试者的结果合并在一起，则这些受试者之间就不具有独立性。 医院之间或其所服务的患者群体之间的任何差异，都会影响一半受试者，但不会影响另一半。因此，您并不拥有100个独立观察结果。要分析此类数据，请使用Mantel-Haenszel检验或逻辑回归。从8.3.0版本开始，Prism同时提供了简单逻辑回归和多重逻辑回归功能。

数据是配对的还是非配对的？

在某些实验中，受试者会根据年龄和其他变量进行配对。每对受试者中，一人接受一种治疗，另一人接受另一种治疗。此类数据应采用麦克内马尔检验（McNemar's test）等特殊方法进行分析。配对数据不应使用卡方检验或Fisher检验进行分析。

您的表格真的是列联表吗？

要成为真正的列联表，每个值必须代表受试者（或实验单位）的数量。如果该表列出的是一系列平均值、百分比、比率、标准化值等，则它不是列联表，且卡方检验或Fisher检验的结果将没有意义。 如果您在一行（或一列）中输入了观察值，而在另一行（或一列）中输入了期望值，那么这并非列联表，应使用专门针对此类数据设计的分析方法。

您的表格中是否仅包含数据？

卡方检验不仅用于分析列联表，还可以用于将每个分类中的实际受试者数与理论预期值进行比较。 Prism无法进行此类卡方检验。将观察值输入一列、期望值输入另一列的做法是不正确的。当使用卡方检验分析列联表时，Prism会根据数据自动生成期望值——您无需手动输入。

行或列是否按自然顺序排列？

如果您的表格有两列且行数超过两行（或两行且列数超过两列），Prism 将同时执行趋势卡方检验和常规卡方检验。 只有当行（或列）按自然顺序排列时（例如按年龄、持续时间或时间排序），趋势检验的结果才有意义。否则，请忽略趋势检验的结果，仅考虑常规卡方检验的结果。