引言：
R×C 卡方检验的事后多重比较是在进行了 R×C（行 × 列）卡方检验后，当整体检验结果显著时，为了进一步确定具体哪些类别组合之间存在显著差异而进行的分析。
在 R×C 卡方检验中，只是得出了多个行变量类别与多个列变量类别之间总体上存在关联的结论，但不能明确具体是哪些行与列的组合导致了这种显著性。事后多重比较就是针对这个问题而进行的深入分析。
提示：至于是否需要进行R×C 卡方检验的事后多重比较，由研究目的而决定。
示例：采用A、B、C、D四种不同方法治疗稳定期慢性阻塞性肺疾病（COPD），想知道不同方法治疗效果是否有显著差异。
χ2检验的数据录入可分为两种：
第一种为频数资料，需要设置分组变量、观察变量和频数变量，该形式在进行χ2检验时较为常见，进行统计分析前需要进行数据加权。
第二种为原始数据（非频数资料），只有分组变量和观察变量两列，每一行为一个患者的数据，该形式是进行各种统计分析最常用的资料形式，进行χ2检验前不需要进行数据加权。
1.数据加权
数据——个案加权——加权依据为频数
2.先看看总体而言，四组治疗方案之间有效率是否有显著差异
分析——描述统计——交叉表
“治疗方法”选入列，“疗效”选入行——精确检验勾选精确——继续
统计——勾选卡方
单元格——实测和期望——列百分比——继续——确定
3.结果解读
A、B、C、D方法治疗稳定期COPD的有效率分别为69.3%、84.9%、87.5%和91.9%。
所有单元格期望频数均大于5，直接看皮尔逊卡方结果：χ2=16.430，P=0.001，即4种疗法有效率的差异有统计学意义。
4.事后多重比较
通过上述分析，我们知道了4组之间的有效率总体而言是有统计学差异的，但具体是哪些组有差异，还得进一步开展事后多重比较。
具体操作方法有两种：
（1）第一种是采用χ2分割法（手工筛选），卡方分割法即将4组率或构成比的比较拆分成多个两组率或构成比的比较，但直接这样做会大大增加第一类错误（即错误地拒绝了原本正确的零假设）的概率，需要校正检验水准α'=α/m，其中m=k(k-1)/2，k为分组数。本案例为4个分组，拆分成6个两组率的比较；取α=0.05，则α'=0.05/6=0.0083。
（2）第二种方法，采用SPSS系统自带的比较列比例的Z检验（邦弗伦尼法）进行两两比较，系统自动调整P值，最终结果与卡方分割法一致。
操作如下：
单元格——勾选比较列比例和调整P值
结果解读：
因为疗效为有效vs无效二分类，即观察变量非此即彼，我们可以看到频数下标有a和b，相同字母则表示两组比较无统计学差异，字母不同则表示组间差异具有统计学意义（P<0.05)，这里系统已经自动调整P值。
所以，具体而言，A方法和B方法疗效无差异，B、C、D方法之间疗效均无差异，A方法和C方法，A方法与D方法比较差异具有统计学意义。
也可手动操作，采用卡方分割法验证，最终得到的结果一致。
