在工作中碰到这样一个问题，做截面分析，然后利用同一个模型在不同截面（比如今天和昨天）得到的残差做自相关关分析，很是不解。例子如下;
为了简化问题， 只考察包含5只股票，十个交易日的样本；
考察回归模型y=a+bx
t        S1        S2        S3        S4        S5
1        xy11        xy21        xy31        xy41        xy51
2        xy12        xy22        xy32        xy42        xy52
3        xy13        xy23        xy33        xy43        xy53
4        xy14        xy24        xy34        xy44        xy54
5        xy15        xy25        xy35        xy45        xy55
6        xy16        xy26        xy36        xy46        xy56
7        xy17        xy27        xy37        xy47        xy57
8        xy18        xy28        xy38        xy48        xy58
9        xy19        xy29        xy39        xy49        xy59
10        xy20        xy30        xy40        xy50        xy60

做横截面分析，则对于每一个时间点，会得出一个a系数和一个b系数

t        a_co        b_co
1        a1        b1
2        a2        b2
3        a3        b3
4        a4        b4
5        a5        b5
6        a6        b6
7        a7        b7
8        a8        b8
9        a9        b9
10        a10        b10

我的问题在于：
如果模型的系数是不稳定的（也就是上表中a_co,b_co的值在相邻两天并不能满足只在较小的区间内波动），则对于残差项是否相关的讨论就没有意义。（因为不是同一个模型的出来的残差，而且残差自相关是时间序列分析的范畴，不是面板数据分析的范畴）。

如果模型的系数是相对稳定的，也就是在t∈[1,10]的范围内a_co,b_co在统计学意义上不具有显著差异。则用该模型也可以拟合其中某只股票的时间序列（在t∈[1,10]），而且的出来的残差应当与截面分析的结果相一致。只有用时间序列进行分析，才能够讨论其自相关等特性。如果系数相对稳定的话， 得到的误差项一阶自相关系数高达70%，则不符合经典OLS的基本假设。

我不知道这样的一个矛盾是如何解决的？或许元作者本身的操作就是错误的？