我可以使用 Y (DV) 和 Xs (IV) 随时间和横截面的数据运行面板回归，以获取时间不重叠的样本吗？

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：

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。