一、P-P/Q-Q图所属模块
P-P/Q-Q图在SPSSAU中属于【可视化】模块。
二、方法概述
P-P/Q-Q图主要用于直观观察数据分布是否接近正态状态，常用于描述统计、回归分析、方差分析等前置检查环节。
如果研究者希望先判断数据分布形态，再决定后续是否适合使用参数检验，这一方法会非常实用。
三、变量设置规则
该方法需要设置1类变量，仅支持放入定量型变量，且该变量为必填。一次可放入1至200项，系统会分别为每个分析项生成对应图形。
（1）变量类型：只能放入定量型变量。
（2）可放入数量：最少1项，最多200项。
（3）是否必填：必填，不可留空。
（4）使用建议：若一次放入多个变量，SPSSAU会分别输出各变量对应的P-P图或Q-Q图，便于逐项检查分布情况。
四、参数设置及解释说明
该方法提供1项图形类型参数，用于在P-P图与Q-Q图之间切换。
图形类型
（1）P-P图：系统默认选项。适合从整体趋势上观察样本分布与理论正态分布是否接近，判断时重点看各点是否大体贴近参考线。
（2）Q-Q图：用于更直观看出样本实际取值与理论正态取值之间的贴合程度，尤其适合观察两端尾部是否偏离明显。
（3）如何选择：如果只是做常规正态性可视化检查，直接使用默认的P-P图即可；如果更关注极端值位置或尾部偏离情况，可切换为Q-Q图查看。
五、分析结果图表及其解读
该方法会根据参数设置输出P-P图或Q-Q图，用于判断数据与正态分布的贴合程度。
图1：正态P-P图
该图用于比较样本的观察累积概率与理论正态累积概率，帮助判断数据整体是否接近正态分布。若图中散点大多沿参考线分布，通常说明数据整体分布较为接近正态；若散点整体偏离参考线较明显，尤其出现系统性弯曲，则说明正态性可能较弱。
● 观察累积概率：表示样本数据在实际排序后的累计位置，作用是反映数据本身的分布进程。判断时需结合散点与参考线的贴合程度来看，单独看这一项没有好坏之分。
● 正态累积概率：表示理论正态分布下应呈现的累计位置，作用是作为对照基准。若对应散点与该基准形成的参考线贴合较好，说明数据更接近正态分布。
● 散点贴线程度：这是P-P图最关键的观察点，作用是直接判断样本分布与理论正态分布的一致性。判断标准通常是：散点越贴近参考线，正态性越好；偏离越明显，说明与正态分布差异越大。
图2：正态Q-Q图
该图用于比较样本观察值与理论正态值之间的对应关系，尤其适合查看数据在高值端和低值端是否存在明显偏离。若散点大体落在参考线附近，可认为数据分布与正态分布较一致；若两端偏离明显，往往提示尾部不服从正态或存在异常值影响。
● 观察值：表示样本中的实际数值，作用是展示数据真实分布情况。判断时主要看其与理论正态值对应后的散点位置是否贴近参考线。
● 期望正态值：表示在正态分布假设下，样本应接近的位置，作用是为实际数据提供比较基准。若样本点围绕该基准形成近似直线关系，说明正态性表现较好。
● 两端偏离情况：这是Q-Q图中特别值得关注的内容，作用是帮助识别尾部偏态、极端值或重尾问题。判断标准通常是：两端越贴线，尾部分布越稳定；两端翘起、下压或远离参考线越明显，越说明分布偏离正态。
以上就是SPSSAUP-P/Q-Q图方法的相关内容，更深入教程可查看SPSSAU帮助手册、教学视频、疑难解惑等资料。
