第五章：SPSS统计绘图功能详解
5.1常用统计图
5.1.1操作接口介绍（条图）
5.1.1.1条图的通用接口
5.1.1.2复式条图与分段条图的界面
5.1.2其他常用统计图
5.1.2.1散点图
5.1.2.2线图
5.1.2.3饼图
5.1.2.4面积图
5.1.2.5直方图
5.1.2.6其他
5.1.3常用统计图编辑方法详解
5.2交互式统计图
5.3统计地图
在常用的统计软件中，SAS绘制的统计图不太美观；而SPSS绘制的统计图较为美观，可以满足大多数情况下的要求；STATA绘制的统计图形最为精美，但由于它采用命令行方式操作，美观的图形需要添加大量选项，普通人不易掌握；而S-PLUS、MATHLAB等偏数理统计的软件虽然绘图能力也非常强，但由于自身的定位问题，并不为大多数人所熟悉。因此，在各种统计软件中，以SPSS制作的统计图应用最为广泛。
EXECL的统计绘图功能非常的强，我们还有必要学习SPSS的绘图功能吗？
这个问题我的看法是：EXCEL由于它的纯中文接口和简单而强大的绘图功能，使得可以用它来直接绘制各种简单的统计图，但是，EXCEL可以直接绘制的统计图种类有限，象误差条图、自回归图等它就无能为力，即是它支持的线图、条图等，如果过于复杂，如迭式条图、累计条图等也无法作出，而这些图在统计中是经常会碰到的，此时就只有采用统计软件来绘制，SPSS就是其中的佼佼者。
§5.1常用统计图
在SPSS 10.0版中，除了生存分析所用的生存曲线图被整合到ANALYZE菜单中外，其他的统计绘图功能均放置在graph菜单中。该菜单具体分为以下几部分：
?Gallery：相当于一个自学向导，将统计绘图功能做了简单的介绍，初学者可以通过它对SPSS的绘图能力有一个大致的了解。
?Interactive：交互式统计图，这是SPSS 9.0版新增的内容。
?Map：统计地图，这是SPSS 10.0版新增的内容。
市面上所能见到的SPSS 10.0 D版由于执照不全，并不能安装统计地图模块。
?下方的其他菜单项是我们最为常用的普通统计图，具体来说有：
条图散点图线图
直方图饼图面积图
箱式图正态Q-Q图正态P-P图
质量控制图Pareto图自回归曲线图
高低图交互相关图序列图
频谱图误差线图
其中后面几种图形用于时间序列分析。我们的讲解将这些常规统计图为主，对交互式统计图和统计地图只举例介绍，就不再全面讲述了。
我们所用的数据集为SPSS自带的anxiety.sav，本章的大多数例子都将围绕该数据集展开。
5.1.1操作接口介绍（条图）
5.1.1.1条图的通用接口
由于不同图形的绘图对话框有相当强的共性，下面我们通过一个简单的例子来看看绘图菜单的大致接口是怎么样的，通过这个例子大家可以举一反三。
例5.1：在数据集anxiety.sav中分不同的subject对变数score值（之和）绘制条图。
选择graphs==>bar后，系统首先会弹出一个简单的导航对话框如下所示：
绘制复式条图
绘制堆积条图（分段条图）
定义统计图中资料的表达类型：
条图反映了同一变量若干条记录的分组汇总
条图反映了不同变数的汇总
条图反映了个体观察值
在该对话框中，SPSS将条图进行了大致的分类，对话框的上半部分用于选择条图类型，下半部分的Data in Chart are单选框组用于定义条图中数据的表达类型。这里根据我们所需绘制条图的类型，应该选择简单条图，在表达类型中则应选择"Summaries for groups of cases"。选好后单击DEFINE钮，系统开启正式的条
图定义对话框如下：
对话框左侧为通用的侯选变量列表框，右侧的对话框元素依次解释如下：
【Bars Represent单选框组】
用于定义条图中直条所代表的含义，可以是样本例数、样本数所占的百分比、累计样本例数、累计样本数所占的百分比或其余汇总函数，在例5.1中我们要对变量score的值绘图，因此选择最后一项"Other summary function"，系统开启summary function对话框如下所示：
该对话框中列出了更多的统计汇总函数，可以满足绝大多数情况的需要。具体有：
?上部：包括大多数常用统计汇总函数，如均数、标准偏差、中位数、方差、众数、最大、最小值、样本例数、变量值之和、累计变数值。
?中部：可对各记录按大小进行筛选，如上侧百分之多少，或者只选择小于某个数值的记录。具体的数值在value框中输入。
?下部：可按数值大小值选择取值在某个范围内的记录，具体的范围在low 和high框中输入。
注意上面的一些函数是和前面重复的，如样本例数。
此外，对话框最下侧还有一个Values are grouped midpoints复选框，当选中median of values或percentile单选框时该框变为可选，选中则表明数据为频数表格式，所输入的数值为组中值。
根据我们的目的，这里选择sum of values单选框，单击continue后系统回到上一个对话框。
【Category Axis框】
用于选择所需的分类变量，此处必选。这里根据要求，将subject选入，可以见到此时OK已经变黑可用了。
【Template框】
用于选择绘制条图的模板，一般较少用。
【Titles钮】
用于输入统计图的标题和脚注，最多可以输入两行主标题，一行副标题，两行脚注。
【Options钮】
弹出Options对话框，用于定义相关的选项，有：
o Confidence Interval框输入需要计算的均数差值可信区间范围，默认为
95%。如果是和总体均数为0相比，则此处计算的就是样本所在总体均数
的可信区间。
o Missing Values单选框组定义分析中对缺失值的处理方法，可以是具体
分析用到的变量有缺失值才去除该记录（Excludes cases analysis by analysis），
或只要相关变量有缺失值，则在所有分析中均将该记录去除(Excludes cases listwise)。默认为前者，以充分利用数据。
现在，我们已经完成了绘制该图所需的工作，单击OK，系统绘出统计图如下：
至于Data inChart Are中的另两种情况Summaries of separate variables和Values of individual cases，其对话框接口极为简单，可以说是一目了然，这里不再多讲，只指出以下几点：
?在Summaries of separate variables的对话框中，可以用Change summary钮更改汇总函数。
?在Values of individual cases的对话框中，下方category labels的选择并不影响做出直条的多少，只会影响X轴表示的内容，默认是记录号。
5.1.1.2复式条图与分段条图的界面
复式条图与分段条图的接口并非全新的东西，只是在前面的简单接口上增加了一些元素，让我们再通过一个例子来看看：
例5.2：在数据集anxiety.sav中分不同的subject对变量score值（之和）绘制条图，并且按变量trial的不同取值堆积（分段）：
由于要按变量trial的不同取值分段，因此在导航对话框中就不能选simple，而应根据目的选择stacked，单击define后系统开启的条图定义对话框和我们前面所用的略有不同，具体来说在Category Axis框附近不同，现在Category Axis框下面多了些东西如下所示：
选择stacks时的情况选择clusters时的情况显然，当需要做复式条图时，将所需的分类变数选入stacks框中即可，做分段条图的情况也与此类似。
以例 5.2为例，其操作步骤如下：
1.Graphs==>bar
2.Clustered：选中
3.Summarizes for groups of variables单选框：选中
4.单击Define
5.Bars repesent框：选入score。
6.Other summary function单选框：选中
7.Variable框：选入subject
8.Change summary钮：单击
9.Sum of values单选框：单击
10.单击continue钮
11.Category Axis框：选入subject
12.Define stacks by框：选入trial
13.单击OK
绘出的条图如下所示：
但是，在Values of individual cases的对话框中情况有些不同，原先Bars repersent 框只能选入一个变数，做复式条图和分段条图时该框中可以选入多个变量了，其他的内容不变。
5.1.2其他常用统计图
5.1.2.1散点图
散点图是各种统计图中比较简单的一种，共分为simple、matrix（以矩阵的形式显示多个变量间两两的散点图）、overlay（将多个变量间两两的散点图同时做在一张图上）和3D（将X、Y、Z三个变数间的相关散点图做在一个立体空间中）四种，其中需要解释的比较特殊的内容有：
?Set marks by框：选入一个标记变量，根据该变量取致的不同对同一个散点图中的各点标以不同的颜色（或形状），例如在数据cars中我们以horse和weight做图，如果用orgion的大小来做marks，则两次做出的图如下：
没有mark变量时的情况用orgion做mark变量时的情况
?Label cases框：当编辑图形在图形选项中选择显示labels时，图形默认显示记录号，如果在这里选择了label变量，则显示该变量的取值。
?做出的3D图形可以在编辑时进行三维旋转，从多个角度进行观察。
5.1.2.2线图
线图实际上和条图是一回事，可以认为它就是条图的变形，条图是用直条的高低表示多少，而线图是用点的高低来表示，然后又用直线将各点连接而成。
5.1.2.3饼图
饼图的做法简直太简单了，不值一提！
5.1.2.4面积图
面积图的做法是和线图、饼图类似的，比如堆积面积图是将各个指标值相加而成，和分段式条图非常类似。
5.1.2.5直方图
直方图用于观察某个变量的分布情况，如果选择了display normal curve复选框，则会同时做出一条当前变量理想状况的正态分布曲线来，和该曲线相比，你就可以知道变量的实际分布究竟差了多远。
5.1.2.6其他
P-P图和Q-Q图都是用来观察变量是否服从正态分布的；质量控制图则用来观察个体值是否有超过正常值范围的情况出现；箱式图的作用和它类似，只是换了一种表达方式；其余的几种图几乎都是用与时间序列模型的。
5.1.3常用统计图编辑方法详解
该部分内容请参见4.5节：图片编辑方法详解。
§5.2 交互式统计图
交互式统计图是SPSS 8.0版新增的绘图类型，包括了交互式条图、线图、面积图、饼图、散点图、箱式图、误差限图和和直方图共七种类型，那么，这种新的统计图类型和普通的统计图相比有什么优越性，或者说，它的主要卖点--交互性都体现在哪里呢？
在我看来，“交互式”这三个字主要体现在以下几个方面：
?对话框的交互。它的对话框全部采用拖方式操作，并且每一个元素的可
操作性都大大强于普通对话框，以前需要两至三层对话框才能完成的工作，现在在一层对话框中就可以完成了。
?图形内容的交互。在技术上，普通统计图存储的是图形元素，因此编辑
时只能就图形元素的特征，如颜色、线型等加以修改；而现在的交互式统
计图完全不同，它存储的是原始数据或者绘图用的中间结果（如均数、标
准偏差等），因此当图形绘制完毕后仍能对图形进行彻底更改，如加入锌
的变量（在散点图中加入标示变量，甚至二维变三维）、删除某一部分数
据、甚至改变所会图形的基本类型，如将条图改绘为线图等，只要所需信
息相同，随你如何转换！不但如此，由于这个存储特点，现在我们还可以
绘出以前无法直接得到的图形，如将一个数据透视表的内容用图形来表示！
哈哈，统计表，我们要拿你来做图！
这就是做出的交互式统计图把它转成三维怎么样？
增强的图形编辑能力。同样由于它的存储特点，现在交互式统计图的图形编辑能力达到了有恃无恐的地步！几乎任何东西都可以拿来改，也可以往里添加许多参考线，如下面所示的一样：
朴素的美削尖脑袋的模样墙上长满了爬山虎
太阳照在红墙内外反客为主的蓝飘带我没有放倒！
请注意,最后一幅图是在三维实时旋转时截取的（三维实时旋转也是交互式统计图新增的功能之一），因为如果我不这样做，它可能会那样一直旋转下去，我这样也算是挽救了他吧！
§5.3 统计地图
统计地图是SPSS 10.0的新增功能，如果用时髦的说法就应该是“地球物理信息系统”，不过我喜欢用朴素的名称。该功能可以将收集到的数据和地图相联系，从而绘出统计地图来。该功能共分为区域值统计地图、渐近符号统计地图、点密度统计地图、个体值统计地图、分类计数条图统计地图、饼图统计地图和多主题统计地图七种。但是，如同我在SPSS 10.0抢鲜报道中提到过的一样，该地图集关于中国的部分简直就是一塌糊涂，所以对国内用户来说它更多的使用来玩，而不是工作。
统计地图在操作上和交互式统计图完全一致，实际上，它就是一类特殊的交互式统计图。它所用的数据集应该和所选的地图相对应，否则会给出错误信息，并停止做图。这是用SPSS附带的亚州数据集做出的亚洲国家人口点密度图：
SPSS 在根目录下的MapData目录中放有许多绘制统计地图用的数据集，有兴趣的朋友可以自己做几个图试试。
目录 第五章常用统计图绘制及编辑第一节条形图的绘制 一、条形图的概念 二、条形图分类变量划分 三、条形图特征值划分 第二节线图 一、线图分类变量划分 二、线图特征值划分 三、其他图形的绘制 第三节统计图的编辑技巧 一、图元素编辑 二、图形编辑 三、图模板的应用
第第五五章章 常用统计图绘制及编辑 在统计分析中，统计图作为数据描述的重要方法之一，主要是通过点、线、条、面积等 的位置与大小的变化来表现或说明所研究问题的变化及其规律。在数据分析的过程中，数据分析图与数据表格有时可同时产生，有时必须分开进行。 统计图具有简洁、直观、可读性强和易理解等特点，被分析者和信息使用者广泛使用，因此，数据分析人员在进行统计分析时，掌握统计图的绘制与编辑是必不可少的数据分析技能。在spss 中，提供了用原始数据和表格中数据进行绘图的功能，数据图的种类也比较多，可方便地供数据分析人员选用。 第第一一节节 条形图的绘制 一、条形图的概念 1、条形图的含义 条形图（bar ）用条的根数代表分类变量所分组的多少，或者选用变量的个数，用条的高度反映各组分析指标值的大小，或者变量特征值的大小，各个条之间有间隔。它可以直观揭示或比较频数变量的频数特征值、分类变量在有关综述变量方面的特征值大小，以此发现重要组或类（group ）。 2、分类轴（category axis ） 条形图的横轴为分类轴，用来统计分类变量所分的组数。如果只有一个分类变量，这种条形图称为简单条形图（simple bar ），如果有两个分类变量，这种条形图称为复合条形图，其中一个变量称为分组变量，另一个变量称为分层变量。根据分层变量绘图方式的不同，复合条形图又分为分组分层条形图(clustered bar)、分组分段条形图(stacked bars)。 3、刻度轴（scale axis ） 条形图的纵轴为刻度轴，用来统计各个分组的特征值。按照特征值描述的对象不同分为以下三种类型： 一是组内特征值描述（summaries for groups of cases ），即分类变量将统计个案分成若干组，统计每个组的特征值，如统计各个组的频数、频率或其他能反映组特征变量在各个组上的特征值，这类条形图简称为组特征值条形图或分组条形图。 二是平行变量特征值描述（summaries of separate variables ），即选择若干个平行变量（指性质相同，可放在一起进行比较的一组变量），对这些变量的特征值进行统计，这类条形图简称为平行变量条形图，如被访者对10个产品分别打分，将10个产品的各自得分可看作是10个平行变量。 三是个案值描述（values of individual cases ），即直接描述数据库的原始数据而不再进行统计计算，这类条形图简称为个案条形图。如果在数据分析的过程中，已经得到了分组变量、平行变量的特征值，不必进行重新计算，可直接用数据作图。如用数据综述的方法得到了平行变量的综述特征值表，用该表中的数据制图。该功能与Excel 中的画图功能相似，因此在分析时，可直接使用Excel 工具绘图可能更方便。 二、条形图分类变量划分 条形图按照分类变量的选用情况分为简单条形图、复合条形图两大类，复合条形图按照图形表达方法不同又分为分组分层条形图与分组分段条形图。三种图的区别如图5-1（a ）、5-1（b ）、5-1（c ）所示，从图中可以看出，简单条形图只选用了一个分组变量来分组，没有进一步分层，各个条之间有间隔。分组分层条形图选用了一个分类变量（大类）和一个分
第五章：SPSS统计绘图功能详解 5.1常用统计图 5.1.1操作接口介绍（条图） 5.1.1.1条图的通用接口 5.1.1.2复式条图与分段条图的界面 5.1.2其他常用统计图 5.1.2.1散点图 5.1.2.2线图 5.1.2.3饼图 5.1.2.4面积图 5.1.2.5直方图 5.1.2.6其他 5.1.3常用统计图编辑方法详解 5.2交互式统计图 5.3统计地图
在常用的统计软件中，SAS绘制的统计图不太美观；而SPSS绘制的统计图较为美观，可以满足大多数情况下的要求；STATA绘制的统计图形最为精美，但由于它采用命令行方式操作，美观的图形需要添加大量选项，普通人不易掌握；而S-PLUS、MATHLAB等偏数理统计的软件虽然绘图能力也非常强，但由于自身的定位问题，并不为大多数人所熟悉。因此，在各种统计软件中，以SPSS制作的统计图应用最为广泛。 EXECL的统计绘图功能非常的强，我们还有必要学习SPSS的绘图功能吗？ 这个问题我的看法是：EXCEL由于它的纯中文接口和简单而强大的绘图功能，使得可以用它来直接绘制各种简单的统计图，但是，EXCEL可以直接绘制的统计图种类有限，象误差条图、自回归图等它就无能为力，即是它支持的线图、条图等，如果过于复杂，如迭式条图、累计条图等也无法作出，而这些图在统计中是经常会碰到的，此时就只有采用统计软件来绘制，SPSS就是其中的佼佼者。
§5.1常用统计图 在SPSS 10.0版中，除了生存分析所用的生存曲线图被整合到ANALYZE菜单中外，其他的统计绘图功能均放置在graph菜单中。该菜单具体分为以下几部分： ?Gallery：相当于一个自学向导，将统计绘图功能做了简单的介绍，初学者可以通过它对SPSS的绘图能力有一个大致的了解。 ?Interactive：交互式统计图，这是SPSS 9.0版新增的内容。 ?Map：统计地图，这是SPSS 10.0版新增的内容。 市面上所能见到的SPSS 10.0 D版由于执照不全，并不能安装统计地图模块。 ?下方的其他菜单项是我们最为常用的普通统计图，具体来说有： 条图散点图线图 直方图饼图面积图 箱式图正态Q-Q图正态P-P图 质量控制图Pareto图自回归曲线图 高低图交互相关图序列图 频谱图误差线图 其中后面几种图形用于时间序列分析。我们的讲解将这些常规统计图为主，对交互式统计图和统计地图只举例介绍，就不再全面讲述了。 我们所用的数据集为SPSS自带的anxiety.sav，本章的大多数例子都将围绕该数据集展开。
SPSS教程第十六课：统计图的绘制 信息来源：本站原创更新时间：2004-7-12 21:52:00 第五节高低区域图 15.5.1主要功能 调用Graphs菜单的High-Low过程，可绘制高低区域图。高低区域图用于表现多种形式的数据区域，如一组测定值的范围（最小值—最大值）、95%可信区间值（低 限—高限）、±1.96·SD（低值—均值—高值）等，形象直观。 15.5.2实例操作 [例15-5]为了解水体污染情况，某市测定三种水源中放射性元素锶（90Sr）的含量（10-2Bq·L-1），资料如下，试绘制高低区域图。 15.5.2.1 数据准备 激活数据管理窗口，定义变量名：数据的变量名为DATA，将范围的低值与高值以及均值一并输入；设一变量为CAT，用于定义低值、高值和均值，低值为1、高值为2、均值为3；水源点变量名为GROUP，依次输入1、2、3。
15.5.2.2 操作步骤 选Graphs菜单的High-Low...过程，弹出High-Low Chart定义选项框，高低区域图有5种，即： Simple High-Low-Close：简单线型高低区域图； Clustered High-Low-Close：复式线型高低区域图； Simple Range Bar：简单直条型高低区域图； Clustered Range Bar：复式直条型高低区域图； Difference Line：差异线区域图。 本例选用简单线型高低区域图。然后点击Define钮，弹出Define Simple High-Low-Close:Summaries for Groups of Cases对话框（图15.6），在左侧的变量列表中选data点击 钮使之进入Bars Represent栏的Other snmmary function 选项的Variable框，选cat点击 钮使之进入Category Axis框, 选group点击 钮使之进入Define High-Low-Close by框。点击Titles...钮，弹出Titles对话框，在Title栏内输入“某市测定不同水体放射性元素锶的含量比较”，点击Continue钮返回Define Simple High-Low-Close:Summaries for Groups of Cases 对话框，再点击OK钮即完成。
【最新整理，下载后即可编辑】 SPSS计算标准误及作图简明教程 灵 1、进入SPSS后，选择输入数据选项，确定。 2、界面左下角有两个选项：数据视图、变量视图。数据视图用于输入数据，变量视图用于设置变量。必须先设置变量才能输入数据。点击变量视图，第一行输入“组别”，类型、小数位数等根据需要修改，组别的量度标准设为有序（因为组别是用来识别排序的）；第二行输入实验结果的名称，如含量、结果等，修改小数位数。 3、切换至“数据视图”界面，出现一个表，在上面输入数据即可。 4、例如，把下表的数据输入SPSS中 组别第一组第二组第三组第四组 值1 27.51 36.98 45.78 56.45 值2 27.78 37.01 46.99 56.34 值3 27.55 36.56 47.60 55.78 输入方法如下图所示（同一平行为一个组，组别相同，这里显示的是三组平行）：
5、计算标准误 （1）输入数据后，在工具栏选择：分析→比较平均值→单因素anove，把“值”拖到因变量中，“组别”拖到因子中。 （2）两两比较，勾选LSD和Duncan，点击继续；选项，勾选描述性、按分析顺序排除个案，点击继续；点击上图的确定。 （3）系统输出统计值，第一个表的第二列起，分别是均值、标准差、标准误。
整理成下表： 组别第一组第二组第三组第四组平均值27.61 36.85 46.79 56.19 S.D. 0.15 0.25 0.93 0.35 S.E. 0.08 0.15 0.53 0.21 （4）第二个表是方差分析，显著性p＜0.05，说明实验结果显著，下表说明实验组间结果显著，结果可信。此表的显著性是总体的显著性，是组间比较的。 （5）多重比较同理。此表的显著性是各个组别比较的显著性。（6）同类子集表。位于同一类的子集之间没有显著性，不同类的则表示有显著性，在论文中用上标表示。第一个同类子集标为a，第二个标为b，如此类推（温馨提示，上标快捷键：ctrl+shift+等于号；下标快捷键：ctrl+等于号）。
第五章：SPSS统计绘图功能详解 常用统计图 操作接口介绍（条图） 条图的通用接口 复式条图与分段条图的界面 其他常用统计图 散点图 线图 饼图 面积图 直方图 其他 常用统计图编辑方法详解 交互式统计图 统计地图
在常用的统计软件中，SAS绘制的统计图不太美观；而SPSS绘制的统计图较为美观，可以满足大多数情况下的要求；STATA绘制的统计图形最为精美，但由于它采用命令行方式操作，美观的图形需要添加大量选项，普通人不易掌握；而S-PLUS、MATHLAB等偏数理统计的软件虽然绘图能力也非常强，但由于自身的定位问题，并不为大多数人所熟悉。因此，在各种统计软件中，以SPSS制作的统计图应用最为广泛。 EXECL的统计绘图功能非常的强，我们还有必要学习SPSS的绘图功能吗 这个问题我的看法是：EXCEL由于它的纯中文接口和简单而强大的绘图功能，使得可以用它来直接绘制各种简单的统计图，但是，EXCEL可以直接绘制的统计图种类有限，象误差条图、自回归图等它就无能为力，即是它支持的线图、条图等，如果过于复杂，如迭式条图、累计条图等也无法作出，而这些图在统计中是经常会碰到的，此时就只有采用统计软件来绘制，SPSS就是其中的佼佼者。
§常用统计图 在SPSS 版中，除了生存分析所用的生存曲线图被整合到ANALYZE菜单中外，其他的统计绘图功能均放置在graph菜单中。该菜单具体分为以下几部分：Gallery：相当于一个自学向导，将统计绘图功能做了简单的介绍，初学者可以通过它对SPSS的绘图能力有一个大致的了解。 Interactive：交互式统计图，这是SPSS 版新增的内容。 Map：统计地图，这是SPSS 版新增的内容。 市面上所能见到的SPSS D版由于执照不全，并不能安装统计地图模块。 下方的其他菜单项是我们最为常用的普通统计图，具体来说有： 条图散点图线图 直方图饼图面积图 箱式图正态Q-Q图正态P-P图 质量控制图Pareto图自回归曲线图 高低图交互相关图序列图 频谱图误差线图 其中后面几种图形用于时间序列分析。我们的讲解将这些常规统计图为主，对交互式统计图和统计地图只举例介绍，就不再全面讲述了。 我们所用的数据集为SPSS自带的，本章的大多数例子都将围绕该数据集展开。 操作接口介绍（条图） 条图的通用接口
基本统计图表的制作 1 P-P图和Q-Q图 P-P图是根据变量的累积比例与指定分布的累积比例之间的关系所绘制的图形。通过P-P图可以检验数据是否符合指定的分布。当数据符合指定分布时，P-P 图中各点近似呈一条直线。如果P-P图中各点不呈直线，但有一定规律，可以对变量数据进行转换，使转换后的数据更接近指定分布。 Q-Q图同样可以用于检验数据的分布，所不同的是，Q-Q图是用变量数据分布的分位数与所指定分布的分位数之间的关系曲线来进行检验的。 由于P-P图和Q-Q图的用途完全相同，只是检验方法存在差异，SPSS17.0中用于做出P-P图的对话框和用于做出Q-Q图的对话框完全一致，下面将对两者统一加以说明。 具体操作步骤如下： 打开数据文件，选择【分析】（Analyze）菜单，单击【描述统计】（Descripti ve Statistics）命令下的【P-P图】（P-P Plots）或【Q-Q图】（Q-Q Plots）命令。“P-P图”（P-P Plots）、“Q-Q图”（Q-Q Plots）的对话框分别如图3-20和图3-21所示。
图3-20 “P-P图”对话框 图3-21 “Q-Q图”对话框 在“P-P图”（P-P Plots）或“Q-Q图”（Q-Q Plots）对话框中，最左边的变量列表为原变量列表，通过单击按钮可选择一个或者几个变量进入位于对话框中间的“变量”（Variables）列表框中。根据这些变量数据可创建P-P图或Q-Q图，并进行分布检验。 “P-P图”或“Q-Q图”对话框的中下方和右方有5个选项栏，选项栏中各选项的意义如下：
（1）转换（Transform）栏（复选项）： l 自然对数转换（Natural log transform）：选择此项，对当前变量的数据取自然对数，即将原有变量转换成以自然数e为底的对数变量。 l 标准值（Standardize values）：选择此项，将当前变量的数据转换为标准值，即转换后变量数据的均值为0，方差为1。 l 差分（Difference）：选择此项，对当前变量的数据进行差分转换，即利用变量中连续数据之间的差值来转换数据。选择此项以后，后面的 文本框变为可用，在其中输入一个正整数，以确定转换的差分度，默 认值为1。 l 季节性差分（Seasonally difference）：用于确定指明计算时间序列的季节差分。只有在对当前变量的数据序列定义了周期（通过主菜单中 的【数据】（Data）菜单中的【定义日期】（Define Dates）选项定 义）以后才可用，如果当前周期为0，将不能计算季节差分。选择此 项，在后面的文本框中输入正整数，然后根据该正整数所确定的范围 来计算该范围内数据的差值，并用该差值来转换原数据。 需要注意的是，这些数据转换并不改变变量中的变量值，只影响正态概率图。（2）检验分布（Test Distribution）栏：可选择不同的分布类型，检验变量数据是否符合所选分布。单击选项分布栏下的箭头可选择不同的分布类型。SPSS默认的检验分布是正态分布（Normal）。 P-P图（或Q-Q图）可检验的分布包括： 贝塔分布（Beta）T分布（Student t） 卡方分布（Chi-square）伽马分布（Gamma）