我认为可以进行回归。道理如下：设第i个单位（省）的观测值为 Z_i=(Y_i, X_i), 其中Y_i=(Y_{i,1}, ..., Y_{i,T})', X_i=(X_{1i}, ,X_{2i}, X_{3i}), X_{1i}=(X_{1i,1}, ..., X_{1i,T})', ..., X_{3i}=(X_{3i,1}, ..., X_{3i,T})'. 设个体效应为alpha_i 。线性模型的假设为 Y_i=alpha_i*1_{T} +X_i*beta +e_i,其中1_{T}=(1,...,1)'为T×1维向量。一般的假定是(X_i,e_i), i=1,...,n为独立同分布的随机向量。在此假定下，随机效应/固定效应估计量是可以使用的。 可以看出， 这个假定对于X_i的时间序列性质并没有要求。无论X_i是平稳的，还是不平稳或者协整的， 都可以直接计算beta的随机效应/固定效应估计量。当然，如果不同的省份的数据之间有相关性，那么通常的随机效应/固定效应估计量则是有问题的。这个是spatial panel data方法考虑的范围，通常不必要做的如此的复杂。

是啊，我也想迫切的知道，顶！

现在方法各异，有的根本不做单位根检验

能够得到的回归也是伪回归，因为回归的系数中存在异质数据的交叉影响，不能独立地说明系数后的变量对回归等式左边变量的影响程度等，经济意义不明确，达不到回归分析的目的。

可以首先进行面板数据协整检验，然后利用kao的方法进行回归估计，具体方法参见白仲林的面板数据计量经济学。
另外，楼主的单位根检验应该是混合数据的吧，不是面板数据的单位根检验，一致性存在很大的问题。