两个分类变量都是多分类变量时，常称为R×C列表资料，也就是两个多分类变量。这种数据常分为以下几种情况：两个变量都是无序的、两个变量都是有序的、只有一个变量是有序的，下面我们分别进行讨论。这里仅限于数据是独立的情况，不涉及配对设计的问题。
一、两个变量，都是无序多分类的
研究者针对这种资料常常会提出这样的问题：
Q1：比较多个样本的构成比。比如，研究3个病区，胃溃疡和胃癌的构成比有无差异。这种情况下，直接采用R×C列表的卡方检验即可。
Q2：研究两个变量之间的关联。比如，研究血型与胃溃疡、胃癌的关系。
这种情况下，可采用卡方检验来推断两个变量是否有关系，在有关系的前提下，再计算Pearson列联系数。
二、两个变量，都是有序多分类的
研究者针对这种资料常常会提出这样的问题：
Q1：比较不同组间某指标的变化。比如，研究某药对不同病情患者的疗效，这种情况下可以采用卡方检验，但卡方检验只能告诉我们不同组间在疗效按等级的构成上有无不同，而不能说明哪一组疗效较好，哪一组疗效较差。如果想知道哪组疗效较好，可以采用非参数秩和检验。
Q2：研究两个变量之间的关联。这时候需要用到Spearman秩相关或Kendall相关，在SPSS中通过 分析-相关-双变量相关 实现。
Q3：研究两个变量之间是否存在线性变化趋势。比如，研究某疾病的严重程度是否随年龄增加而加重。这种情况，需要借助趋势卡方，英文为Linear by Linear Association，中文SPSS常写作线性关联。
三、两个变量，只有一个变量是有序多分类的
研究者针对这种资料常常会提出这样的问题：
Q1：比较多个样本的构成比。比如，不同年份某医院体检人员甲状腺疾病的检出情况，其中年份是有序多分类变量，甲状腺疾病的检出情况(异常、可疑、正常)是无序多分类变量。这种情况下可以采用卡方检验。
Q2：比较不同组间某指标的变化。比如，研究不同用药组患者的疗效，其中用药组是无序多分类变量，疗效为有序多分类变量。采用卡方检验和非参数秩和检验都是可以的，但一般推荐非参数检验，因为非参可以告诉我们哪一组疗效较好，哪一组疗效较差。
四、小结
说这么多，两个多分类变量，应该选用什么统计方法，这里总结一下，供大家参考。
两个变量都是无序多分类时，选用卡方检验。
两个变量都是有序多分类时，可选用卡方检验或非参数检验、趋势卡方检验或者秩相关、Kendall相关。
只有一个变量是有序多分类时，选用卡方检验或非参数秩和检验。