回帰分析の結果、考え方でご教示下さい。

pandasで四苦八苦している最中ですが、モデリングのところでも前途多難な折、ご教示いただけますよう、お願いします。

下記のようなdataframeを作りました。

一番左は各宿泊所の評点、それより右側はどういう設備があるかを示しており、1行毎に別物件です。
評点を目的変数とし、各設備を説明変数とする回帰分析ができないか、というところで、回帰モデルを走らせてみました。
データ自体は、まずはトライフルというところで、88×36です。
意図としては、投資する各設備が利用客の支持→評価につながるか、予想したいというものです。
説明変数は、0(なし)、1(有り)に統一しています。設備は様々ですが、0,1以外のデータはありません。

pandas
1x=df_col_rworker_reviews_listings_data
2y=df_col_rworker_reviews_listings_target
3X = sm.add_constant(x)
4model = sm.OLS(y, X)
5result = model.fit()
6result.summary()
7

結果は散々なものとなりました。

ネットの聞きかじりに見てみると、
1．Adj. R-squaredは世の指標は0.85とからしいですが、0.089と遙かに下回る水準。
2．p値は、統計的に意味のある0に近づくどころか…、絶対値で0は遠く、棄却水準0.05も超えるものが殆ど。
ということでなかなかの状況だということは、私にも分かりました。

なぜ、こうなったのか辺り含め、以下、ご教示下さい。

Q1.
その設備があるか、ないかだけのデータ(質的データ)だけで、Least squaresを用いること自体、誤っているような気がしていますが、いかがでしょうか?

Q2.
該当するか否か、好きか嫌いか的な定量化できないデータが説明変数の場合は、ロジスティック回帰を使うとネットで見かけた記憶があります。
本件は、ロジスティック回帰で対応すべきだったのでしょうか?

Q3.
目的変数は5点満点で、概ね、4～5の間に分類しています。
目的変数も、有り得る値を予測するモデルとして、0～1内に納める必要があるのでしょうか?
その場合は、0～5の評点を、÷5して対応しようと思います。

元々、目的変数の評点自体、かなり主観的なものです。そういうものを目的変数とするのには機械学習は馴染まない、予約実績、価格等の客観性のある定量データにするものかもしれないとも感じています。
この点も含め、ご教示いただけますと幸いです。