在流行病学研究中，探讨疾病的病因或危险因素，常考虑暴露组的发病率与非暴露组的发病率之比RR(称为相对危险度)。若RR=1，则暴露组的发病率与非暴露组的发病率相等，此时某暴露因子与某病无关；若RR>1，则暴露组的发病率比非暴露组的发病率大，则认为某暴露因子是某病的危险因素。但实际上，个体的某一疾病的诱发不单受危险因素的影响，而且也与个体特征和其它的因素有关系，同时受多因素的综合影响，即使某暴露因子与某病无关，RR也未必严格等于1，可能大于1也可能小于1，在1的附近波动。基于此考虑，文章提出了一个关于RR的和以往不同的假设检验问题，并就此检验问题，在配对设计下寻求最优的检验。 对此检验问题，分别基于样本方法和约束极大似然估计方法讨论了Score检验、Wald检验、对数变换检验、似然比检验。在求感兴趣参数的方差时，采用了两种方法：delta方法和Fisher信息阵方法。为了比较各检验的优劣，赋予参数不同的值、不同的组合，利用计算机采用MonteCarro方法模拟各统计量犯第一类错误的概率。模拟结果显示：在6个检验中，Score检验和基于样本的对数变换检验是最优检验，即它们很好地控制了经验第一类错误率，并且经验第一类错误率比其它的检验更接近于事先给定的显著性水平α。