在开展医学科研的过程中，我们获得的资料大致有两种类型。其一是计量资料，比如转氨酶、血脂、肿瘤标志物等，这些资料的典型特点是几乎可以用“任意数值”表示，比如转氨酶为15.28U/L，血糖为7.77mmol/L等。其二是计数资料，比如性别（男/女），疗效（治愈/有效/无效）、血型（A/B/O/AB型）等，这些资料的典型特点是只能记录“个数”，其结果在多数情况下只能是“整数”。比如A型血10人，男性15人等。

根据各组之间是否存在“递进关系”，计数资料又可以进一步分为分类资料（比如：男/女性；汉/苗/回族等）和等级资料（比如：尿蛋白可以分为阴性/+/++/+++；治疗效果可以分为治愈/有效/无效）在医学科研中，对计数资料进行统计分析是无法回避的话。很多新手在处理此类问题时，往往容易选错方法，有的即使用对了统计学方法，也无法解释统计学结果的含义。

笔者在此拟谈谈分类资料的统计学处理原则。由于四格表的统计分析在前一篇文章中已经得到了详细的阐述，在此就不再赘述了。仅仅谈谈2行或2列以上计数资料的处理原则。

案例1 性别与胰腺癌TNM分期的问题

假定某研究者欲研究性别与首诊胰腺癌TNM分期的问题，采用随机抽样的方式调查了108例男性胰腺癌患者和118例女性胰腺癌患者在首次诊断时的TNM分期情况，得出如下表格：在制作表格时，应遵循的原则是：分组因素作为横标目，效应量作为纵标目。当然，在具体的论文撰写过程中，应该首先将表格的“直观性”和“自明性”放在第一位，不应过于“教条”。

在本研究中，性别是在出生时就已决定的，而胰腺癌的TNM分期是在后天发生的。所以研究目的只能是阐述性别是否影响首诊胰腺癌患者TNM分析，而不是首诊TNM分期是否会影响性别（这个问题听起来也太滑稽了）。

所以在表格1中，性别因素是分组因素，是表格的“横标目”，TNM分期是效应量，是表格的“纵标目”。对于本组数据，有两种统计学方法可供选择，卡方检验和秩和检验（经过秩转换以后采用Mann-Whitney U检验比较），但两种方法的统计学结论和专业结论各不相同，甚至大相径庭。

若将TNM分期视为分类资料，即各个TNM分期之间无“高低强弱”之分，则可以采用卡方检验。当P