卡方检验和非参数检验在适用场景上有以下一些区别：
一、数据类型
卡方检验：
主要适用于分类数据。例如，研究性别（男 / 女）与是否患病（是 / 否）两个分类变量之间的关系，或者比较不同治疗方法（A 方法 / B 方法 / C 方法等）的有效率（有效 / 无效）。
可以用于分析多个分类变量之间的关联性，如行 × 列表卡方检验。
非参数检验：
适用于多种数据类型，包括分类数据、有序数据和定量数据。
对于分类数据，非参数检验中的某些方法（如卡方检验也属于非参数检验的一类用于分类数据的情况）可用于分析关联性等问题。
对于有序数据，如疾病的严重程度分为轻度、中度、重度，可以使用非参数检验中的秩和检验等方法来比较不同组之间的差异。
对于定量数据但不满足参数检验所需的正态分布等假设时，也可以采用非参数检验方法，如 Wilcoxon 秩和检验、Kruskal-Wallis 检验等。
二、总体分布假设
卡方检验：
通常不对总体的分布形态做严格假设，但有特定的适用条件，如样本的独立性、期望频数的要求等。
例如，在四格表卡方检验中，要求每个单元格的期望频数不能太小。
非参数检验：
一般不对总体分布做严格假设，这使得非参数检验在总体分布未知或不满足参数检验假设的情况下非常适用。
例如，当数据严重偏态、存在极端值或者样本量较小时，非参数检验可能更合适。
三、实验设计和研究问题
卡方检验：
常用于观察性研究中分析分类变量之间的关系。例如，在市场调查中分析不同年龄段消费者对某种产品的偏好是否有差异。
也可用于验证性实验中比较不同组之间的比例是否相等，如在医学研究中比较两种治疗方法的有效率是否不同。
非参数检验：
适用于各种实验设计和研究问题。
对于无法满足参数检验假设的实验数据，如小样本、数据严重偏态等情况，非参数检验可以提供有效的分析方法。
在比较多个独立样本且不明确总体分布时，Kruskal-Wallis 检验可以替代方差分析。
对于配对设计的数据，若数据不满足参数检验条件，可以使用 Wilcoxon 符号秩检验。
四、结果解释的侧重点
卡方检验：
主要得出关于分类变量之间关联性的结论，如两个变量是否独立，或者不同组之间的比例是否有显著差异。
不能直接给出关联的强度或方向，只能表明存在或不存在关联。
非参数检验：
结果解释侧重于比较不同组之间数据的分布情况或差异程度。
例如，秩和检验可以通过比较秩和的大小来判断不同组的数据是否来自相同的分布，或者哪一组的数据更倾向于较大或较小的值。
但同样不能像参数检验那样给出具体的效应大小指标。