该文研究多应答数据下列联表的相关性检验问题.列联表在医学、生物学、工农业和社会科学中都有广泛应用.对于具有多应答数据的列联表,如果我们忽略了相关性的存在,用标准的卡方检验去处理,在许多情况下将会导致参数估计精度的下降和假设检验犯错误概率的升高及其它一系列问题.因此,长期以来关于这种列联表的相关性检验研究颇受统计学研究人员的关注.鉴于标准卡方检验对多应答数据下列联表相关性检验的不适用,有些人提出了修正的卡方检验,也有人给出了其他的模型.这些方法大多是只考虑期望频率与观测频数差的大小,并且是双向检验,因而无法回答关于列联表中格子概率序的假设检验问题.然而,在许多实际问题中,研究人员对于序关系感兴趣.另外,在数据相对稀疏的情况下,它们的真实显著水平偏差较大.该文针对对立假设为某种序关系(在该文表现为H<,1>:对于列联表某一列,格子概率随着行单调变化)的情形,基于人工参数和回归模型提出了用线性模型拟合列联表数据的检验方法.这样就把相关性问题转化为回归系数的线性假设检验问题.由于列联表的相关系数ρ难以估计,在利用F-检验统计量对回归系数进行线性假设检验时遇到了难题.该文利用已有的统计量调整方法和调整系数中矩阵结构的特殊性避免了估计相关系数ρ.从模拟结果来看,该文提出的检验方法,在保持较高功效的情况下,较好的控制了实际显著水平.