SPSS正态性检验，怎样看图？ 1、P-P 图 以样本的累计频率作为横坐标以安装正态分布计算的相应累计概率作为纵坐标把样本值表现为直角坐标系中的散点。如果资料服从整体分布则样本点应围绕第一象限。
请问我这个数据结果属于正态分布吗，这个q-q图怎么看？ QQ图中的散点沿着45°直线分布则认为是服从正态分布的，图中看明显不是。再说明一下，一般概率图只是起一个辅助的作用，最准确的分布检验是图一那种检验方法，下面顺便附一张QQ图的详细信息。Q-Q概率图（1）检验样本的数据是否服从某种指定分布（原理等于pp图相似），横轴是数据情况，纵轴是理论状况；趋降图横轴是数据情况，纵轴是理论分位数与样本分位数的差值（2）具体操作：分析-描述统计-QQ图（3）散点分布在45°斜线上，则认为数据是服从某一种分布的；趋降图散点分布均匀则认为是服从某种分布的；图表只是一种直观感受，初学者可辅助使用，但是不太准确（4）用统计量来进行检验的方法：分析-非参数检验-旧对话框-一个样本（QQ图中检验认为数据服从正态分布，在这个步骤则用以进一步准确检验是否服从正态分布-即常规），显著值小于0.05则认为不服从该类分布，最终结果以这种高级的统计量为准
什么是正态分布假设检验Q-Q图，什么又是PP图，是怎么来的 P-P图和Q-Q图主要用来判断正态分布。P-P图和Q-Q图的目的性基本一致，但原理上有着区别。P-P图，其原理在于如果数据正态，那么数据的累积比例与正态分布累积比例基本保持一致。分别计算出数据累积比例，和假定正态时的数据分布累积比例；并且将实际数据累积比例作为X轴，将对应正态分布累积比例作为Y轴，作散点图。Q-Q图，其原理在于如果数据正态，那么其假定的正态分位数会与实际数据基本一致。计算出假定正态时的数据分位数；并且将实际数据作为X轴，将假定正态时的数据分位数作为Y轴，作散点图。请点击输入图片描述无论是P-P图，或者Q-Q图；如果说数据呈现出正态性，那么散点图看上去应该近似呈现为一条对角直线，此时说明数据呈现出正态性。如果散点图看上去明显不是一条直线，那么说明数据很可能不具有正态特质。P-P图和Q-Q图均可使用SPSSAU在线分析软件得到，两者功能一致看使用偏好选择即可。
