在医学试验中，为了比较新处理方法是否比旧方法具有更好的疗效，通常抽取两组完全独立的试验总体进行对比，但个体间的差异会对试验结果产生影响，为提高试验效率，将具有相同或相似个体特征的试验个体组成对子，即配对试验设计。列联表可以根据分析需要，对数据的属性进行分类，从而考察各属性间是否存在必然联系。在以往研究中，对列联表中配对试验数据的分析多是基于多项分布，这往往会导致风险比和风险差的极大似然估计不好或不存在，而逆抽样可以有效地解决这个问题。 基于Lui，K．J．对逆抽样在列联表中的应用和M．L.Tang对逆抽样在两组独立总体的应用研究工作，本文主要讨论了逆抽样在2×2列联表及含结构零的2×2列联表中的应用，该抽样得到的样本服从负二项分布，主要思路如下：首先根据给出的概率密度函数，求出感兴趣参数的极大似然估计，利用Fisher-Score方法得到参数的方差估计。在感兴趣的假设检验下构造了4个常用的统计量，分别是Wald统计量、Score统计量、Score-wald统计量和似然比统计量。利用蒙特卡罗方法进行模拟，对这些统计量在各种情况下犯第一类错误的概率和功效进行对比，从而找出在各种条件下，表现较好的统计量。 通过分析得到的结果，主要结论如下： (1)一般说来，在大部分的情况下，Score统计量表现较好，可以有效的控制犯第一类错误的概率，使其在给定水平上下波动。 (2)Wald统计量或Wald-Score统计量表现相当。在含结构零的2×2列联表中，如果在某个范围内，我们允许犯第一类错误的概率可以比给定的值大一些，这时我们建议用Wald统计量或Wald-Score统计量，因为这时可以得到较大的功效。 (3)在不含结构零的2×2列联表中，对数似然统计量的第一类错误概率比Score统计量的要大，但是其功效比Score统计量的大。如果允许犯第一类错误概率大一点，建议使用对数似然统计量。