分类变量资料的推断方法主要用于分析分类数据之间的关系以及比较不同组之间的差异等，以下是一些常见的分类变量资料推断方法：

首先是卡方检验。卡方检验是最常用的分类变量资料推断方法之一，它可以用于多种情况。比如四格表资料的卡方检验，适用于两个样本率或构成比的比较。例如在研究某种疾病的治疗效果，将患者分为治疗组和对照组，观察治愈和未治愈的人数，就可以用四格表卡方检验来判断治疗组和对照组的治愈率是否有差异。行×列表资料的卡方检验则用于多个样本率或构成比的比较，像比较不同地区某种疾病的发病率等。卡方检验的基本思想是通过比较实际频数和理论频数的差异来判断两个或多个分类变量之间是否存在关联。

其次是Fisher确切概率法。当四格表资料中出现理论频数小于1或样本量较小时，卡方检验的结果可能不准确，这时就需要使用Fisher确切概率法。它是直接计算四格表中各种组合的概率，从而判断两组之间的差异是否具有统计学意义，常用于一些小样本的研究中。

还有秩和检验。虽然秩和检验主要用于非参数检验，但也可用于分类变量资料。对于有序分类变量资料，当不满足参数检验的条件时，秩和检验可以用来比较两组或多组之间的差异。例如比较不同治疗方法对疾病疗效（分为治愈、显效、有效、无效等有序类别）的影响。

另外，Logistic回归也是重要的分类变量资料推断方法。它主要用于分析二分类或多分类结局变量与多个危险因素之间的关系。比如研究影响某种疾病发生的因素，将疾病发生与否作为因变量，把年龄、性别、生活习惯等作为自变量，通过Logistic回归可以分析每个自变量对疾病发生的影响程度和方向。

综上所述，不同的分类变量资料推断方法适用于不同的研究场景，研究者需要根据数据的特点和研究目的选择合适的方法进行分析。