问题描述
我知道面板回归、横截面回归和时间序列是什么意思。
不过，我有一个问题，在阅读已发表的论文和对这些类型的回归所做的实证研究时，我总是感到困惑。
我的问题是，我不确定我应该对每个股票/回归使用面板回归还是时间序列回归。
更准确地说，
我有超过 150 只股票市场股票和 S&P500 市场指数的回报数据，我正在做的是，我试图找出将股票纳入 ETF 对股票回报的影响。
这是模型的样子：
PICTURE OF THE REGRESSION EQUATION AND ITS VARIABLES HERE
现在我对那 150 只股票的回报数据不是来自同一时期，有些是，大多数不是。
对于苹果，我有从 2001 年 1 月 1 日到 2001 年 8 月 30 日的返回数据
对于 IBM，我有从 01.June.2001 到 30.February.2002 的返回数据
对于特斯拉，我有从 2018 年 3 月 1 日到 2018 年 10 月 30 日的返回数据
对所有 150 多种股票以此类推，其中一些数据在时间上重叠，但大多数没有。
我可以并且应该基于上述模型对这些数据进行面板回归，还是应该只为每个股票运行时间序列？
如果我对每个股票进行时间序列回归并获得误差，然后检查横截面异方差性，我可以并且应该测试误差项之间的横截面相关性吗？
还有一个额外的问题，我知道系统适合是一个很好的 R 包来运行这些回归，但我在 Excel 中的数据格式以及我需要如何重组它时遇到问题，谁能建议我一个合适的 R 包或甚至像 EViews 或 Stata 这样的软件都可以做到这一点。
提前致谢。
解决方法
暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！
如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。
小编邮箱:dio#foxmail.com (将#修改为@）