全文链接：http://tecdat.cn/?p=31585

原文出处：拓端数据部落公众号

Google Trends， 即谷歌趋势。谷歌趋势是谷歌旗下一款基于搜索数据推出的一款分析工具。它通过分析谷歌搜索引擎每天数十亿的搜索数据，告诉用户某一关键词或者话题各个时期下在谷歌搜索引擎中展示的频率及其相关统计数据。

我们为一位客户进行了短暂的咨询工作，他正在构建一个主要基于谷歌搜索词热度和就业率的分析应用程序。

思路是这样的： 用本科就业人数employed-bachelor的数据除以总就业人数employed-all的数据，得出百分比，即本科就业率。

然后把关键词“性别平等”（gender equality）的谷歌趋势google trend的数据整合成月的， 两个数据做成一个表格， 然后作pearson correlation相关性的分析，和可视化：

读取数据

employedall=read.csv("employed-all.csv")  
employed_bachelor=read.csv("employed-bachelor.csv")  
google=read.csv("gender equality- google trend.csv",skip=4)

合并数据

把google trend的数据整合成月的

for(j in c("01","02","03","04","05","06","07","08","09","10","11","12")){  
  ym=paste(i,"-",j,sep="")  
    index=grep(ym, google$Week )  
    monthsum=c(monthsum,sum(as.numeric(google$gender.equality[index])))

合并google trend的数据和就业数据

result=cbind(monthsum,employed$proportion)

分析相关性可视化

Pearson's相关性检验

在统计学中，皮尔逊相关系数，是用于度量两个变量X和Y之间的相关（线性相关），其值介于-1与1之间，其绝对值越大说明该两个变量越相关。

cor.test(result$employed,result$google)

首先看Y与X是否有显著关系，即P值大小，接着分析相关关系为正向或负向，也可通过相关系数大小说明关系紧密程度。一般相关系数在0.7以上说明关系非常紧密。p<0.01，因而说明本科就业率和性别平等搜索热度之间有着显著的正相关关系。

最受欢迎的见解

1.R语言多元Logistic逻辑回归 应用案例

2.面板平滑转移回归(PSTR)分析案例实现

3.matlab中的偏最小二乘回归（PLSR）和主成分回归（PCR）

4.R语言泊松Poisson回归模型分析案例

5.R语言回归中的Hosmer-Lemeshow拟合优度检验

6.r语言中对LASSO回归，Ridge岭回归和Elastic Net模型实现

7.在R语言中实现Logistic逻辑回归

8.python用线性回归预测股票价格

9.R语言如何在生存分析与Cox回归中计算IDI，NRI指标