近年来，随着含有结构零的2×2 列联表在二次感染数据及两步试验研究中的广泛应用，频率学派对含有结构零的2×2 列联表中风险差（RD）和风险比（RR）的研究十分活跃，如：Agresti（1990），Lui（2000）和Tang et al.（2003）。同时，贝叶斯方法也被广泛应用于列联表的研究之中，比如，Pham-Gia et al.（1993），Hashemi et al. （1998）等，但这些研究都限于二项独立样本。值得一提的是Shi andBai的一系列研究，他们用贝叶斯方法研究了非独立的列联表中RD和RR的置信区间，并首次将目光投向了含结构零的非独立列联表中RD和RR。文献Shi etal.(2009)和Bai et al.(2011)分别推导了在配对设计下含结构零的2×2 列联表中风险差（RD）和风险比（RR）基于Dirichlet 先验分布的精确后验分布，并利用模拟的方法研究了基于平均覆盖概率及相关度量的贝叶斯等尾置信区间的频率学表现。他们的结论填补了之前贝叶斯领域在含结构零的2×2 列联表中对风险差(RD)和风险比(RR)研究的理论空白。　　 本文主要以Shi et al.(2009)和Bai et al.(2011)在含结构零的2×2列联表中关于风险差(RD)和风险比(RR)的相关研究为基础，利用目前较流行的贝叶斯分析软件Winbugs通过MCMC方法计算了风险差(RD)和风险比(RR)的贝叶斯等尾置信区间并与Shi et al.(2009)和Bai et al.(2011)用精确方法得到的相应结论进行了对比。我们发现，利用Winbugs 软件计算的风险差(RD)和风险比(RR)的贝叶斯等尾置信区间与Shi et al.(2009)和Bai et al.(2011)利用精确方法得到的结果是非常近似的，尤其是当样本量较大的时候，其差异十分细微。因此使用Winbugs 软件进行计算是可行且方便高效的。另外，基于Shi et al.(2009)和Bai et al.(2011)的结论，即实际使用中更看重区间长度的话，基于Jeffrey 先验分布的贝叶斯等尾置信区间与频率学派基于Score 统计量构造的置信区间相比，有较好的表现，因此，我们基于风险差（RD）的贝叶斯等尾置信区间利用ALC(Average lengthcriterion)准则计算了样本量的确定，同时基于风险差（RD）的后验方差利用最大后验方差和平均后验方差准则计算了样本量的确定，并进行了对比分析。