SPSS 命令: SPSS PPLOT
在浏览器中绘制 P-P 图与 Q-Q 图
P-P 图和 Q-Q 图用于判断一个变量是否服从所选分布：点落在对角线上表示拟合良好。
免费 · 无需注册 · 文件留在本机 · 更新于 2026年10月18日
能告诉你什么
Crosstabs 遵循 SPSS PPLOT，从数据中估计分布参数，可对照正态、对数正态、指数、均匀、Logistic、拉普拉斯、威布尔、伽马、贝塔、帕累托、卡方或 Student t 分布作图。
- 数据是否符合所选分布，以及偏离出现在哪里：尾部（Q-Q 图）还是中部（P-P 图）。
- 从点的特征弯曲或 S 形看出偏态和厚尾。
- 分布的拟合参数（例如位置和尺度），按 SPSS PPLOT 的方式估计。
适用场景
适合使用
- 在 t 检验、方差分析或回归之前检查变量或已保存残差的正态性。
- 为模拟输入选择分布，例如时长用对数正态、寿命用威布尔。
改用其他方法
- 需要有 p 值的正式检验时：使用探索过程或单样本非参数检验中的 Kolmogorov-Smirnov 或 Shapiro-Wilk 检验。
- 加权数据：PPLOT 不使用个案权重，图中展示的是未加权的数值。
在 Crosstabs 中如何操作
- 01
打开数据
在工作区打开 .sav、CSV 或 Excel 文件并切换到“统计”模式。
- 02
选择 P-P 图与 Q-Q 图
在“实用工具与图表”组中选择“P-P 图与 Q-Q 图”，并选择“变量”。
- 03
选择检验分布
选择“检验分布”；卡方分布或 Student t 分布还需输入“自由度”。
- 04
设置比例估计与结
比例估计：Blom（SPSS 默认）、Rankit、Tukey 或 Van der Waerden。结：平均（SPSS 默认）、低、高或任意打破结。然后点击“运行”。
计算示例
以下结果由 Crosstabs 引擎在构建本页时根据模拟数据实际计算得出，并非手工填写。
数据
30 个模拟响应时间（秒），由固定种子从对数正态分布生成，因此数据右偏。同一列数据分别与正态分布和对数正态分布对照作图。
| 检验分布 | 参数 | 值 |
|---|---|---|
| 正态 | 位置 | 3.6577 |
| 正态 | 尺度 | 1.6541 |
| 对数正态 | 尺度 | 3.3203 |
| 对数正态 | 形状 | 0.4533 |
| 观测值 | 秩 | 比例估计 | 期望值（正态） | 期望值（对数正态） | 期望累积概率（正态） |
|---|---|---|---|---|---|
| 1.38 | 1.0 | 0.0207 | 0.28 | 1.32 | 0.0843 |
| 1.42 | 2.0 | 0.0537 | 0.99 | 1.60 | 0.0881 |
| 1.56 | 3.0 | 0.0868 | 1.41 | 1.79 | 0.1024 |
| 3.34 | 15.0 | 0.4835 | 3.59 | 3.26 | 0.4239 |
| 3.38 | 16.0 | 0.5165 | 3.73 | 3.38 | 0.4333 |
| 5.36 | 28.0 | 0.9132 | 5.91 | 6.15 | 0.8483 |
| 7.46 | 29.0 | 0.9463 | 6.32 | 6.89 | 0.9892 |
| 8.37 | 30.0 | 0.9793 | 7.03 | 8.37 | 0.9978 |
Q-Q 图：观测值对期望值。P-P 图：比例估计对期望累积概率。
结果解读
与正态分布对照时，最大的响应时间 8.37 秒的期望值只有 7.03 秒，最小值（1.38 秒）的期望值为 0.28 秒：点在两端偏离对角线，这是右偏的典型特征。在对数正态拟合下（尺度 3.320，形状 0.453），最大时间的期望值为 8.37 秒，与观测值接近得多。
输出表格说明
- Q-Q 图
- 观测值对拟合分布在该秩位置的期望值；两端的偏离表示偏态或厚尾。
- P-P 图
- 观测累积比例对拟合分布的累积概率；对分布中部的偏离最敏感。
- 估计的分布参数
- 从数据中估计的参数，例如正态分布的位置和尺度，或威布尔分布的形状和尺度。
- 绘制的值（前 50 个）
- 排序后前 50 个值的秩、比例估计、期望值和期望累积概率，即两幅图的坐标。
前提假设与注意事项
- 参数由被绘制的同一数据估计，因此小样本看起来总会比实际拟合得稍好一些。
- 对数正态、指数、伽马、威布尔和帕累托分布要求所有值为正，贝塔分布要求所有值严格介于 0 和 1 之间。
- 系统缺失值和用户缺失值被排除，且不使用个案权重。
结果如何验证
PPLOT 与独立的 Python 参考实现对照验证，该实现包含 SPSS 分数秩公式和参数估计，并对全部 12 种分布使用 scipy.stats 的分位数和累积分布函数。估计参数一致到 1e-8，分数秩一致到 1e-12，期望值一致到 1e-7，累积概率一致到 1e-8。 验证证据（英文）
常见问题
P-P 图和 Q-Q 图有什么区别？
Q-Q 图比较的是数值，因此会放大尾部的差异；P-P 图比较的是累积概率，因此对中部最敏感。多数分析者先看 Q-Q 图。
点在右端向上弯曲，说明什么？
最大值比该分布预期的更大：数据右偏或存在厚尾。可尝试对数正态或伽马分布，或进行对数变换。
应该使用哪种比例估计？
Blom 是 SPSS 默认值，适用于正态分布。其他公式只是略微移动绘图位置，主要影响小样本中最极端的点。
列出多少个点？
图中绘制所有有效值；为保持输出易读，“绘制的值”表只列出排序后的前 50 个值。
相关过程
用你自己的数据运行 P-P 图与 Q-Q 图
打开 .sav、CSV 或 Excel 文件。所有计算都在浏览器中完成，文件不会离开你的设备。
SPSS 是 IBM Corp. 的商标。Crosstabs 与 IBM 无关联，也未获得 IBM 认可。