P-P图或者Q-Q图

　　P-P图和Q-Q图常用于直观查看数据是否正态分布。P-P图和Q-Q图的目的性基本一致，但原理上有着区别。

　　针对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。

　　针对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。

　　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图的功能一致，使用时并没有区别，看使用偏好选择即可。

　　方差分析（包括普通单因素方差，双因素方差，三因素方差，多因素方差，协方差分析等），对应的Y值是否具有正态性特质的判断；

　　回归分析（包括线性回归，逐步回归等）前，对应的Y值是否具有正态性特质判断；回归分析（包括线性回归，逐步回归等）后，使用P-P图和Q-Q图检查残差值是否有正态性特质；

　　使用统计检验方法进行正态性查看时，很容易被判断为非正态性分布，建议使用作图法（包括P-P图，Q-Q图，柱形图带正态分布曲线）进行查看；

　　经典的研究方法（比如方差分析）要求数据呈现出正态性特质；如果不满足正态性则可考虑使用非参数检验。但在实际研究中，数据很难出现绝对的正态性【理论和实际数据会有‘代勾’】，并且由于研究方法的稳健性，因而即使数据正态特质较少，很多时候依然使用对应的研究方法（要求正态性这一前提的研究方法）。

　　上图是回归分析保存的残差值作P-P图，用于检测残差是否满足正态性，上图可以看出，数据基本上呈现出一条对角直线，也即意味着残差服从正态性分布特质。

　　上图可以看出，数据基本上呈现出一条对角直线，但也有较多的点并不在直线上， 只是接近在直线上，因而说明数据基本上满足正态性特质，可以接受。