我正在尝试使用一系列社会经济变量来预测城市的高或低犯罪率（二进制 1/0 响应变量）。我使用 17 年（2006-2016 年）300 个自治市的面板数据集进行此操作。更具体地说，我用 2006-2015 年的数据训练模型，然后用 2016 年的特征/预测变量数据进行预测。我用于预测的二进制 GAM 具有非常严重的自相关残差，这将如何影响我的预测？
我通常发现关于使用具有二进制响应变量的面板/纵向数据集通过机器学习方法（随机森林、朴素贝叶斯、K-NN）进行预测的信息非常有限，因此我也很欣赏对此的想法。
让我烦恼的一件事是如何让随机森林或 GAM 等模型注意到面板数据集的 id 和 time 维度。
自相关将影响您尝试对模型进行的任何统计推断，例如测试是否平滑非常重要。
在 GAM 中包含随机效应和时空平滑是微不足道的。您需要扩展要在此模型中包含的功能，例如：
同位素空间平滑器（在坐标x和上y）加上区域特定的时间趋势都具有相同的摆动（但形状不同）将包括
gam(y ~ s(x,y) + s(time, region, bs = 'fs'), data = foo, method = 'REML')
各向同性空间平滑器加上具有不同摆动的区域特定时间趋势
gam(y ~ region + s(x,y) + s(time, by = region), data = foo, method = 'REML')
我们可以从那里建立起来。例如，如果区域是区域数据（行政边界等），则可以将马尔可夫随机场平滑用于区域，如果您想要每个区域或主题的随机截距，则可以使用随机效应基础。（请注意，以上使用的是mgcv包中的语法。）