生物医学统计研究中,疾病流行率的估计是一个重要的研究问题。要获得某种疾病的患病率,则个体需要接受是否患病诊断。筛检方法价格便宜但常出现误分类,金标准虽然没有误分类但通常价格昂贵、诊断时间长或对个体有副作用。为此,首先从感兴趣的总体中随机抽取部分个体,利用筛检（或有误判检验）进行诊断,然后再从中随机抽取部分个体接受金标准检验的二重抽样方法,可以折中筛检方法和金标准的不足。通过二重抽样方法获得的数据又称为部分核实数据。由于疾病的患病率可能会受到性别、年龄以及生活环境等因素的影响,考虑分层设计下的部分核实数据对疾病流行率进行统计推断可以避免这些因素带来的混杂效应。本文将从多重检验的角度研究分层设计下的疾病流行率是否有显著性差异的统计推断问题。基于分层设计下的部分核实数据,从多重检验的角度提出了基于两类wald型检验统计量、逆双曲正切变换检验统计量、Score检验统计量和似然比检验统计量的Bonferroni检验过程,Single-step adjusted Max T检验过程和Single-step adjusted Min P检验过程,通过蒙特卡罗方法模拟研究不同层之间各种检验统计量和检验过程的经验犯第一类错误的概率以及经验功效。模拟研究表明:当样本量比较大时Single-step adjusted Max T检验过程表现最好,基于不同检验统计量的检验过程都能控制在给定的显著性水平内;其次则是Single-step adjusted Min P检验过程,其检验结果也较好的控制在显著性水平内;样本量较小时,基于似然比和Score的Bonferroni检验过程也有较好的统计性质,因此被推荐使用。最后,本文通过两个实际数据分析进一步来验证本文方法的有效性质。