首先我们提出这样一个问题：
为了评估A和B两种同期发情方案在奶牛妊娠率方面的效果，我们得到如下数据（数据是瞎编的）：
| 妊娠 | 未妊娠 | |
| A方案 | 50 | 30 |
| B方案 | 40 | 40 |
可以算出A方案的妊娠率要比B方案的妊娠率高，但是二者之间有显著性差异吗？这时就需要用到卡方检验的思想了。
卡方检验主要是比较两个率或者两个构成比的显著性差异。
下面小编就为大家讲解如何利用GraphPad软件做卡方检验。
1. 打开GraphPad软件，依次点击Contingency, 柱状图，Create。
2. 按如下格式输入数据（2×2列联表）。
3. 点击上图中的Analyze,出现下图。点击Contingency table analyses前的+号，选择Chi-square (and Fisher’s exact) test，点击ok。
4. 如下图所示，这里出现了三个选项（Chi-square test for trend无法选择，这个问题以后再具体介绍），我们来分别解读一下各种方法的适用情况。
Chi-square test：给出的是P值的估计值，大样本量的情况下比较适用。
Yates’ continuity corrected chi-square test：最初的设计是通过校正P值使Chi-square test更加精确，但是有时候会出现过度校正的情况，反而适得其反。对于大样本量，Chi-square test自身的检验效果就很好，对于小样本量，无论校正不校正，效果都不是很好。实际上，统计学家们对该方法有分歧，不推荐使用，但是GraphPad还是保留了此项功能。
Fisher’s exact test：给出的是P值的精确值，而且小样本量的情况下效果很好，如果是大样本量，即使选择Fisher’s exact test，GraphPad也给出的也是Chi-square test方法检验的P值。
说了这么多，记住一句话，那就是，如果是两行两列的列联表的比较，我们直接选择Fisher’s exact test就可以了。
下面我们继续往下进行。
5. 我们先选择Fisher’s exact test，结果如下，可以看到A和B两种方案是没有显著性差异的。
如果我们选择Chi-square test，得到的结果如下图所示，可以看到和Fisher’s exact test方法的P值是不一样的。
同时，会出现如下提示，意思就是让我们考虑使用Fisher’s exact test。并且这里也给出了解释，对于大样本量，二种检验方法差别不大，但如果是小样本的话，用Fisher’s exact test就更好一些了。
然后，我们把样本量扩大，将数字变成5000,5000,6000,4000，然后还是选择Fisher’s exact test，出现如下提示，意思就是样本量太大，Fisher’s exact test无法估计，所以给出的还是Chi-square test方法的P值。
说了这么多，还是那句话，用GraphPad做2×2列联表卡方分析，不用多考虑，直接选择Fisher’s exact test就行。
