您需要 McNemar 的测试（http://en.wikipedia.org/wiki/McNemar%27s_test，http://www.ncbi.nlm.nih.gov/pmc/articles/PMC3346204/）。下面是一个例子：

研究了 1300 个点和 1300 个匹配的对照。吸烟状况如下表：

             Normal   
           |no  |yes|
Cancer|No  |1000|40 |
      |Yes |200 |60 |

表中的每个条目都显示了有关病例-对照对的信息：1000 表示在 1000 个病例-对照对中，既不是吸烟者。40 是病例对照对的数量，其中对照组是吸烟者，而癌症患者不是，依此类推。以下 R 代码可用于生成此表并进行 McNemar 测试。

mat = as.table(rbind(c(1000, 40), c( 200, 60) ))
colnames(mat) <- rownames(mat) <- c("Nonsmoker", "Smoker")
names(dimnames(mat)) = c("Cancer", "Normal")
mat
#                  Normal
#              Nonsmoker Smoker
# Cancer
#  Nonsmoker      1000     40
#  Smoker          200     60


mcnemar.test(mat)

#        McNemar's Chi-squared test with continuity correction
#
#data:  mat
#McNemar's chi-squared = 105.34, df = 1, p-value < 2.2e-16

McNemar 检验也用于评估干预对二元结果变量的影响。如上列出并测试这对前后结果。

编辑：扩展@gung 给出的示例，如果吸烟状态列在您的数据框 mydf 中，如下所示：

pairID  cancer  control
1       1       1
2       1       1
3       1       0
...

McNemars 测试可以使用以下 R 命令完成：

> tt = with(mydf, table(cancer, control))
> tt
      control
cancer 0 1
     0 5 1
     1 3 2

> mcnemar.test(tt)

        McNemar`s Chi-squared test with continuity correction

data:  tt
McNemar`s chi-squared = 0.25, df = 1, p-value = 0.6171

您是对的，Fisher 的精确检验不适合您的数据。您将不得不重新形成您的列联表。新表将用于pairs，因此它似乎有一半的数据表示（在你的情况下是 40 而不是 80）。例如，假设您的数据看起来像这样（每组配对的受试者都在自己的行中，并1表示吸烟者）：

cancer  control
1       1
1       1
1       0
1       0
1       0
0       1
0       0
0       0
0       0
0       0
0       0

那么您的旧列联表可能是：

       cancer  control
smoker 5       3
non    6       8

您的新列联表将如下所示：

            control
cancer    smoker  non           
  smoker  2       3
  non     1       5

第一个列联表的总和为 22（您研究中的总受试者数），但第二个列联表的总和为 11（匹配对的数量）。

以这种方式表示您的数据，您感兴趣的是边际比例是否相同。对此的测试是McNemar 的测试。我已经在这里和这里解释了 McNemar 的测试。

不必使用配对测试。人口的匹配确定了 covaraites 的分布（年龄，...）在两个人口中是相同的，因此它不会“扭曲”图片。

该测试比较了总体的平均值，因此不需要配对个体。这只需要“重复”测量，例如比较同一人群治疗前后的menas。

是和否：

可能您的案例属于Pearce (2015)案例：文章中的重点是，您用于选择控制的变量应该在研究中而不是在测试中进行控制。由于 N = 80，这可能很困难。

希望这有帮助:)