分类变量配对设计的2×2频数资料若是作两组频数比较，则用McNemerχ2检验，若是作两变量间关联性分析则用Pearson χ2检验？
Pearson积距相关在对两变量间的相关性分析的实际问题中有广泛的应用，但在多数情况下，应用者忽视了Pearson积距相关的应用条件，把不是正态分布的变量间的关系也作Pearson积距相关，例如这里的饮水中的氟含量是定量资料，是否正态分布权且不论，但骨关节炎的患病率是属二项分布的分类资料，这显然不符合Pearson积距相关的条件，这份资料实际上该作Spearman等级相关。当然，若作者采集数据时有临床的检测指标，，如有关判断是否为骨关节炎的血象指标、某种炎症因子的含量等，那么可采用Pearson积距相关的办法来确定饮水中的氟含量与检测人群的血象指标或某种炎症因子的含量间有无线性关系是可以的，但现在的数据是饮水中的氟含量与骨关节炎的患病率，对这两个变量就不能用Pearson积距相关，应该采用Spearman等级相关分析。
首先从研究设计阶段，研究者应明确研究目的是为了考察两变量之间线性相关还是一般意义上便哦先为非独立的关联性，若收集到原始计量资料并欲考察其线性相关，应首先绘制散点图以判断二者是否服从二元正态分布来决定采用Pearson相关还是Spearman相关（本例数据使用非参数相关为妥），将计量资料转化为二分类数据通常会损失信息量，而且本例中若得到分类数据进行χ2检验来判断两变量是否独立，在研究设计阶段最好事先明确变量分类的专业依据（如结果解释时临床医生所关心的病程低于多少年为短期患者，体重指数超过多少视为肥胖）直接得到分类变量，利用算数均数作为转换为二分类数据的分界点未必合适，χ2检验得到的关联性未必表示线性相关。
