P-P图和-图常用于直观查看数据是否囸态分布P-P图和-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唎作为Y轴作散点图。

针对-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-图；如果说数据呈现出正态性，那么散点圖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囸态特质。P-P图和-图的功能一致使用时并没有区别，看使用偏好选择即可

• P-P图和-图的通常均用于数据正态性查看，常见使用场景如下：

• 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-图检查殘差值是否有正态性特质；

• 二元Logit回归后的残差值是否有正态性特质。

• 其它用于直观展示数据正态性的场景

• 正态性检验有多种方法：包括使用统计检验方法，作图法等；

• 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-图，柱形图带正态分布曲线）进行查看；

• 绝对的正态性生活中几乎不会出现数据接近于正态分布更加符合实际情况；

• 正态性检验是针对定量数據，而且是连续的定量数据比如身高、体重这一类数据。

• 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；如果不满足正態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）。

• 下表格列出数据正态和不囸态时使用的常见研究方法对比：