面板评估摘要的解释以及随机效应和固定效应之间的选择

Question

我是Python的新手，我正在一个大学项目中需要分析面板数据。具体来说，我有一个平衡的数据集，其中包括113个国家，对其进行了为期4年的分析，总共进行了452次观测。

有10个自变量和一个因变量，均为数值。我的预测变量中只有一个是时间不变的。

我尝试同时运行随机效应模型和固定效应模型，首先只包括实体效应，然后包括时间效应。

对于随机效应模型（使用线性模型的RandomEffects拟合），我得到：

R-squared: 0.5597

R-squared (Between): 0.8214

R-squared (Within): 0.0622

R-squared (Overall): 0.7813

对于具有实体效果的固定效果模型（使用线性模型中的PanelOls进行拟合），我得到了：

R-squared: 0.1160

R-squared (Between):  0.3999

R-squared (Within): 0.1160

R-squared (Overall): 0.3848

对于具有实体和时间效应的固定效应模型，我在和总体之间得到了一个负R平方，在0,08附近得到了一个R平方。

所有模型的p值为0。

我的问题是：

1. 如何解释四个不同的R平方？他们是否 所使用的模型功能的相关性变化？
2. 是否有可以运行的测试以了解是否 更好地使用随机效果还是固定效果？我想表演一个 Hausman测试，但我无法在Python中完成
3. 根据我的直觉，但我不确定， 使用固定效果而不是随机效果，因为可能 一些未观察到的时不变变量与我之间的相关性 预测变量。那么，为什么固定效果模型的R平方这么低？ 为什么单个预测变量的p值会增加这么多 使用固定效果时？具有随机效应的5个预测因子是 重要，固定效果只有2或3
4. 我如何确定是否必须在固定内容中包含时间影响 效果模型？

对于这些问题，我深表歉意，但是在大学课程中，我没有被告知有关Panel数据的任何信息，所以我试图自己学习一些东西