为了回答你的问题，让我们举一个非常简单的例子。简单回归模型由 $y_i = \beta_0 + \beta_1 x_i + \epsilon_i$ 给出，其中 $\epsilon_i \sim N(0,\sigma^2)$。现在假设 $x_i$ 是二分法。如果$\beta_1$ 不等于0，那么$y_i$ 的分布将不是正态分布，实际上是两种正态分布的混合，一个具有均值$\beta_0$，一个具有均值$\beta_0 + \beta_1$ .

如果$\beta_1$ 足够大并且$\sigma^2$ 足够小，那么$y_i$ 的直方图将看起来是双峰的。但是，也可以得到 $y_i$ 的直方图，它看起来像“单一”偏斜分布。这是一个示例（使用 R）：

xi <- rbinom(10000, 1, .2)
yi <- 0 + 3 * xi + rnorm(10000, .7)
hist(yi, breaks=20)
qqnorm(yi); qqline(yi)

重要的不是 $y_i$ 的分布，而是误差项的分布。

res <- lm(yi ~ xi)
hist(resid(res), breaks=20)
qqnorm(resid(res)); qqline(resid(res))

这看起来很正常——不仅仅是形象地说=）

参考@Wolfgang 的出色回答，以下是他的 R 代码中的图表：