直方图 用于表示连续性变量的 频数分布 。在直方图中以各矩形（直条）的面积表示各组段的频数（或频率），各矩形的面积总和为总频数（=1）
具体操作：
（1）图形->图表构建器
（2）把“直方图”拖拽到画布，把变量“交易量”拖拽到横轴框
（3）在元素属性中勾选正态曲线，选择“应用”。如图：
生成的结果如下：
由图可知，交易量的分布与正态曲线严重不符，因此不是正态分布。
茎叶图 实际是一种 文本化 的图形，在样本量较少的情况下比直方图更精确。
步骤：分析->描述统计->探索
样本少 时使用茎叶图效果非常明显
也称箱线图，和直方图一样用于描述连续变量的分布情况。有时用来进行异常值的筛选。
具体操作和直方图相似，在图库中选择箱图组即可。如下图：
方框外的上、下2个细线 分别表示除去异常值以后的最大、最小值。
在箱图中，与方框上下界的距离超过 1.5倍 四分位间距的都被定义为 异常值 ，以“○”表示；超过 3倍 的被定义为 极端值 ，以“*”表示。
P-P图和Q-Q图常用来判断变量是否符合 正态分布 ，但实际上还可以用来考察其他分布，常见的有Beta分布、 指数分布 、伽马分布、 半对数分布 、拉普拉斯分布、Logistics分布、对数正态分布、帕累托分布、 t分布 、weibull分布、 标准正态分布 等共 13种 分布。
从P-P图中可以看出变量的 实际累积概率 与其假定 理论分布累积概率 的符合程度，从而考察数据是否符合所考察的分布类型。
步骤：分析->描述统计->P-P图，其对话框如下：
（1）检验分布下拉列表：默认的“常规”即正态分布。
（2）“转换”框组：用于考察变换后的数据分布情况。
（3）“比例估计公式”框组：即“概率估计公式”，用于估计样本累积分布的具体算法，一般不需要更改。
结果如下图：
右图去势P-P图反映的是分布的 残差图 ，如果服从正态分布，数据点应均匀的分布在Y=0这条直线上下。由图可知，其残差最高值甚至达到了0.2>>0.05。
由此判断此组数据不符合正态分布。
Q-Q图的基本原理与P-P图相似。但P-P图比较的是两者的累积概率分布，而Q-Q图则是根据变量的 实际百分位数 与 理论百分位数 进行绘制的。通俗地讲，Q-Q图的适用条件更宽松，结果也更稳健。但不能依据经验判断，因此应用较少。
由于P-P图与Q-Q图的操作方式和结果阅读方式几乎完全一样，由此仅简略放图，不再进行说明：
步骤：分析->描述统计->Q-Q图
控制图是用来分析和判断生产工序是否处于稳定状态的一种统计图。 需要确保数据正态分布 。
原理：当生产过程只受 随机因素 的影响，产品的质量特征的 平均值 和变异都基本保持 稳定 时，称之为受控状态。
步骤：分析->质量控制->控制图
由图可以看出，SPSS提供了全面的控制图种类，具体用法如下：
示例：（以个体值控制图为例）
得到结果：
又称排列图，认为20%的原因造成80%的问题。目的是直观地找出主次因素。
步骤：分析->质量控制->帕累托图