分类资料假设检验方法主要有以下几种：

首先是卡方检验，它是最常用的分类资料假设检验方法之一。卡方检验适用于多个样本率或构成比的比较。比如在研究不同治疗方法的有效率时，就可以用卡方检验来判断不同治疗组之间的有效率是否存在差异。它通过计算实际频数与理论频数的偏离程度来判断假设是否成立。根据研究设计的不同，卡方检验又可分为四格表卡方检验、行×列表卡方检验等。四格表卡方检验用于两组二分类资料的比较，而行×列表卡方检验则用于多组多分类资料的比较。不过，使用卡方检验时需要注意样本量和理论频数的大小，当理论频数过小时，可能需要采用校正卡方检验或Fisher确切概率法。

Fisher确切概率法，当样本量较小，不满足卡方检验的应用条件时，比如四格表资料中理论频数小于1或样本含量小于40时，Fisher确切概率法是一种准确可靠的检验方法。它直接计算各种可能组合下的概率，从而判断两组或多组分类资料之间的差异是否具有统计学意义，常用于临床研究中一些小样本的疗效比较等情况。

秩和检验也可用于分类资料，尤其是那些不满足参数检验条件的有序分类资料。例如在评价药物治疗效果时，疗效分为显效、有效、无效等有序等级，当不满足正态分布等条件时，秩和检验可以用来比较不同组之间的疗效差异。它是一种非参数检验方法，不受总体分布的限制，通过对数据进行排序并计算秩次和来进行假设检验。

McNemar检验，主要用于配对分类资料的比较。比如在同一批患者治疗前后的效果评价中，观察治疗前后的阳性和阴性变化情况，McNemar检验可以判断治疗前后的差异是否具有统计学意义，它重点关注配对数据中不一致的部分。

总之，不同的分类资料假设检验方法适用于不同的研究设计和数据特征，在实际应用中需要根据具体情况合理选择合适的检验方法，以确保研究结果的准确性和可靠性。