Я хочу загружать ежедневные данные поиска Google по нескольким ключевым словам, используя пакет gtrends в r. Мне нужны данные поиска по 30 ключевым словам в период с 2004 по 2018 год. Поскольку Google позволяет извлекать ежедневные данные только за 9 месяцев, мне приходится загружать данные за 6 месяцев для каждого ключевого слова. Я также делаю некоторые дополнительные расчеты для данных за 6 месяцев (см. код ниже). После загрузки данных за 6 месяцев я хочу объединить данные в один временной ряд. После этого я хочу опустить NA, регрессировать на фиктивных днях недели и сохранить остаток и, наконец, масштабировать временной ряд по его собственному стандартному отклонению. В конце концов, я хотел бы сохранить скорректированные данные в виде вектора с именем поискового запроса (см. код ниже).
Как создать цикл, который выполняет поиск и вычисления для каждого условия поиска отдельно и сохраняет скорректированные данные в виде вектора? Я пытался использовать различные виды циклов и применять функции, но не понимаю, как их использовать с пакетом gtrends.
#define the keywords
keywords=c("Charity")
#set the geographic area: GB = Great Britain
country=c('GB')
#timeframe
time=("2004-01-01 2004-06-30")
#set channels
channel='web'
trends = gtrends(keywords, gprop =channel,geo=country, time = time )
#select only interest over time
time_trend=trends$interest_over_time
time_trend$hits[time_trend$hits=="0"]<-1
time_trend$change <- c(NA,diff(log(time_trend$hits)))
set1=time_trend[which(weekdays(as.Date(time_trend$date, format = "%m/%d/%Y"))
%in% c('Monday','Tuesday', 'Wednesday', 'Thursday', 'Friday')), ]
Это продолжается до set30, после чего:
### Combine each 6 month data set ####
set <- rbind(set1,..,set30)
#omit NAs from the set
set <- na.omit(set)
# Regress on weekday and month dummies and keep the residual
set$weekday <- weekdays(set$date) #dummy for weekdays
weekday <- set$weekday
setti$month <- months(setti$date) #dummy for months
month <- set$month
mod <- lm(set$change~month+weekday)
#keep the residuals after the regression
set$residuals <- residuals(mod)
# Scale each by the time-series standard deviation #
sd <- sd(set$residuals)
set$adj_residuals=((set$residuals)/(sd))
adj_svi <- set$adj_residuals
# Save the deseasonalized and standardized ln daily change in keyword search volume as a vector
charity <- adj_svi