列联表可总结比较两组或更多组结果，结果为分类变量（例如，疾病与无疾病、通过与失败、动脉通畅与动脉阻塞）。阅读其他部分，以了解 相对风险和比值比、 灵敏度和特异性，以及 解读P值。

受试者是否独立？

仅当每名受试者（或实验单元）独立于其他受试者时，卡方检验或Fisher检验的结果才有意义。这意味着，影响一名受试者结果的任何因素只会影响该受试者。Prism无法检验该假设。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，而列代表是否有术后感染。共100名受试者。如果表格将一家医院的50名受试者的结果与另一家医院的50名受试者的结果相结合，这些受试者便不独立。医院或其服务的患者组之间的任何差异均会影响一半的受试者，但不会影响另一半。在此情况下，您不拥有100条独立观察结果。如需分析这类数据，请使用Mantel-Haenszel检验或逻辑回归。从8.3.0版开始，Prism开始同时提供 简单逻辑回归 与 多元逻辑回归。

数据是否不成对？

在某些实验中，对受试者的年龄和其他变量进行匹配。每对中的一名受试者接受一种治疗，而另一名受试者接受另一种治疗。这些数据应通过特殊方法（例如，McNemar检验）进行 分析。配对数据不应通过卡方检验或Fisher检验进行分析。

您的表格是否确实为列联表？

如需成为真正的列联表，每个值必须代表受试者（或实验单位）的数量。如果其将平均值、百分比、比率、标准化值等制成表格，则其并非一张列联表，卡方检验或Fisher检验的结果便毫无意义。如果您在一行（或一列）中输入观察值，在另一行（或一列）中输入期望值，则您得到的不是列联表，应使用为 此类数据 设计的单独分析。

您的表格是否只包含数据？

卡方检验不仅用于分析列联表。也可以用于比较每个类别中观察到的受试者人数和您基于理论预期看到的人数。Prism不能完成这种卡方检验。在一列中输入观察值而在另一列中输入预期值属于不正确的做法。当使用卡方检验分析一张列联表时，Prism会基于数据产生期望值，您无需输入期望值。

行或列是否按自然顺序排列？

如果您的表有两列和两行以上（或者两行和两列以上），则Prism将执行趋势的卡方检验以及常规卡方检验。趋势的检验结果将只有在行（或列）按自然顺序（例如，年龄、持续时间或时间）排列时才有意义。否则，忽略趋势的卡方检验结果，且只考虑常规卡方检验的结果。