分析设置/辅助分析
在星河可视化共创分析平台中，内置有回归趋势分析、增长比率分析、参考阈值分析三种分析类型。
分析设置是折线图、柱状图、散点图独有，通过不同的算法类型，可求当前指标的趋势变化、平均值、同环比、固定值、方差、标准差、阈值线、最大值、最小值等并绘制辅助线，通过辅助线可以查看当前指标值与辅助线设定值之间的差异。
本文将主要介绍星河可视化共创分析平台中分析模式与配置方法。其中不同类型的图表分析设置/辅助设置菜单的位置不一样，参考下面的截图。
1. 分析设置/辅助分析配置
分析设置配置：回归趋势分析包含线性、指数、对数、多项式回归算法。增长比率分析包含累计占比率、同比增长率、环比增长率、定基增长率等算法。参考阈值分析包括分位线、平均值、最小值、最大值、标准值、方差、阈值线等算法。
算法类型：用于确定辅助线的计算方法，不同的分析计算方法不一样。
线标签名称：设置辅助线的名称。
显示线标签：设置是否显示辅助线的名称及值。
标签对齐、标签位置：通过组合可设置标签的上下左右的位置。
当前期序列：图表数据配置系列，下拉项会显示系列里面的值，支持按系列增加辅助线。
指标：选择图表里的指标根据指标值设置生成辅助线。
辅助线形状：可设置辅助线为实线、虚线、点线。
线宽：设置辅助线的宽度。
辅助线颜色：设置辅助线的颜色。
转折点大小：设置辅助线转折点的大小
格式化：计算的辅助线为增长率时可格式化为百分比。
2.回归趋势分析
在回归趋势分析的算法类型中，涵盖了四种回归模型，分别是：线性回归、指数回归、对数回归、多项式回归。
线性回归：线性回归是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法，运用十分广泛。
指数回归：指数回归是非线性回归的一种表现形式，非线性回归是线性回归的延伸，线性就是每个变量的指数都是 1，而非线性就是至少有一个变量的指数不是 1。常用的非线性回归曲线类型有幂函数，指数函数，抛物线函数，对数函数和S型函数 。指数回归主要用于下列场景：
指数增长：开始增长缓慢，然后无限制快速加速；
指数衰减：开始快速衰减，然后衰减缓慢直至趋近0。
对数回归：对数几率回归，简称对率回归，又称逻辑回归，是使用Sigmoid函数作为联系函数时的广义线性模型，是广义线性模型的一个特例。逻辑回归并不是回归而是分类，是一种定性的分析，线性回归用来预测数值，是定量的，不适合用在分类上。
多项式回归：多项式回归是回归分析的一种形式，其中自变量 x 和因变量 y 之间的关系被建模为关于 x 的 n 次多项式。多项式回归拟合x的值与 y 的相应条件均值之间的非线性关系，表示为 E(y|x)，并且已被用于描述非线性现象，例如组织的生长速率、湖中碳同位素的分布以及沉积物和流行病的发展。
2.1 示例
如需配置回归分析，用户只需在【分析模式】中单击"+"即可配置回归分析。
在弹出的对话框中，用户只需选择算法类型以及所需要回归的指标即可完成初步配置。
具体操作如图所示：
配置好回归模型后，我们可以对模型的样式进行调整,调整里面的各个属性、位置等、
3. 增长率分析
在回归趋势分析的算法类型中，涵盖了四种回归模型，分别是：累计占比率、同比增长率、环比增长率、定基增长率。
累计占比率：累计百分比就是前几项按照指示从上而下的累加，加到最后一项就是100%；比如第一项是40%，第二项是30%，第三项是20%，第四项是10%，那么前三项的累计百分比就是90%。
同比增长率：同比增长率，在报表中， 通常缩写为（YoY+%)一般是指和上年同期相比较的增长率。 同比增长和上一时期、上一年度或历史相比的增长（幅度）。 发展速度由于采用基期的不同，可分为同比发展速度、环比发展速度和定基发展速度。 均用百分数或倍数表示。
环比增长率：环比增长率，一般是指和上期相比较的增长率。 环比增长率=（本期的某个指标的值-上一期这个指标的值）/上一期这个指标的值*100%。 比如，2008年5月与2008年4月的环比增长是指总是以上一期为基期求的增长量（或率），一般会列一个表，把若干年的环比增长都列出来，进行分析比较。
定基增长率：定基增长率，是若干个时期的数据，每个时期的数据均与同一个基期数据进行对比，则这种比较方法，称为定基比较。 一定时期内人口自然增长数（出生人数减死亡人数）与该时期内平均人口数之比，通常以年为单位计算，用千分比来表示。
3.1 示例参考回归趋势分析
- 如需配置增长率分析，用户只需在【分析模式】中增长比率分析单击“+”即可配置增长率分析。
- 在弹出的对话框中，用户只需选择算法类型以及所需要计算增长率的指标即可完成初步配置。
- 配置好回归模型后，我们可以对模型的样式进行调整,调整里面的各个属性、位置等。
4. 参考阈值分析
在参考阈值分析的算法类型中，涵盖了七种回归模型，分别是：分位线、平均值、最小值、最大值、标准差、方差、阈值线。
分位线：如果将一组数据从小到大排序，并计算相应的累计百分位，则某一百分位所对应数据的值就称为这一百分位的百分位数。可表示为：一组n个观测值按数值大小排列。如，处于p%位置的值称第p百分位数。该分位数所在的位置便是分位线。
平均值：平均数是表示一组数据集中趋势的量数，是指在一组数据中所有数据之和再除以这组数据的个数。它是反映数据集中趋势的一项指标。解答平均数应用题的关键在于确定“总数量”以及和总数量对应的总份数。
最小值：最小值定义就是全局（或绝对）最小点，最小点处的函数值被称为函数的最小值。
最大值：最大值定义就是全局（或绝对）最大点，最大点处的函数值被称为函数的最大值。
标准差：标准差是离均差平方的算术平均数（即：方差）的算术平方根，用σ表示。标准差也被称为标准偏差，或者实验标准差，在概率统计中最常使用作为统计分布程度上的测量依据。
方差：方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。
阈值线：阈值又叫临界值，是指一个效应能够产生的最低值或最高值。阈值设置后将会通过阈值线会立即显示出来，并且会显示是否超出它的范围。
4.1示例
示例参考回归趋势分析
- 如需配置增长率分析，用户只需在【分析模式】中参考阈值分析单击“+”即可配置参考阈值分析。
- 在弹出的对话框中，用户只需选择算法类型以及所需要计算增长率的指标即可完成初步配置。
- 配置好回归模型后，我们可以对模型的样式进行调整,调整里面的各个属性、位置等。