我陷入了回归建模问题。我有面板数据，其中因变量是概率。以下是我的数据的摘录。完整的面板涵盖了更多的国家和年份，但它是不平衡的。我能观察到的是事件的数量和试验的数量。事件概率是从这些值得出的（考虑到大量试验，这个概率的估计应该相当好）。所有自变量都是特定于县年的。

     country  year  event_prob  events trials    x    x_lag2 ... more variables
  1   Cyprus  2008  0.03902140  11342  290661   4.60   4.13  ...
  2   Cyprus  2009  0.04586650  13482  293940   4.60   4.48  ...
  3   Cyprus  2010  0.05188398  15206  293077   4.60   4.60  ...
  4   Cyprus  2011  0.06433411  18505  287639   5.79   4.60  ...
  5  Estonia  2008  0.07872978  21686  275449   6.02   4.11  ...
  6  Estonia  2009  0.09516270  33599  353069  13.18   4.91  ...
  7  Estonia  2010  0.08645905  36180  418464   7.95   6.03  ...
  8  Estonia  2011  0.07731997  31590  408562   5.53  13.18  ...
  ...
165  USA  2011  0.06100000  9192822  150702000   2.73  3.27  ...

我的目标是使用回归分析来找出哪些变量对事件概率很重要。在 R 术语中，我正在寻找一种形式为event_prob ~ x + x_lag2 + ....

问题如下：event_prob必须在 0 和 1 之间，因此使用event_prob ~ x + x_lag2 + ...可能不是最好的主意。所以我正在考虑使用event_prob范围logit(event_prob)从到的 logit 变换。第一个想法是使用 R 的包，即或（见下文）。这是一种合理的方法还是我违反了一些基本假设？$-\infty$$\infty$plmplm(logit(event_prob)~x+x_lag2,data,index=c("country","year"),model="random")model="within"

我也在考虑使用包中的面板广义线性模型pglm（使用 logit 链接函数），但是由于我不知道二进制事件的结果（仅知道事件和试验的总数），所以我被卡住了那里。也许有人可以帮助我如何在这里进行。

由于我有面板数据，我想计算固定效应模型和随机效应模型，然后应用 Hausman (1978) 检验来决定哪个模型更合适。

我第一次尝试建模有意义吗？我真的不确定如何正确解决这个问题。我希望对我的问题的描述足够详细。如果没有，我很乐意提供更多详细信息

在软件方面，我更喜欢 R。SAS 和 SPSS 也可以，因为我的大学有它们的许可证。我只是对他们没有太多经验。