怀特检验由Halbert White于1980年提出，它通过构建一个包含原始自变量平方项、交叉项以及它们与因变量之间关系的辅助回归来检测是否存在异方差现象。具体步骤如下：
1. 首先，估计你的基本线性回归模型，并获得残差e_i。
2. 然后，将这些残差对所有解释变量及其平方项和交互项进行回归。
3. 最后，计算辅助回归模型中的R²值，并根据样本大小n和解释变量个数k计算出LM统计量=nR²。
如果计算得到的LM统计量超过临界值，则可以拒绝原假设——即认为模型存在显著的异方差性问题。
值得注意的是，在实际应用过程中，由于怀特检验并不依赖特定形式假设，因此它被认为是一个非常通用且强大的工具。然而，这也意味着当数据集较大时，该方法可能会过于敏感而误报异方差情况。此外，对于非线性模型或复杂系统而言，可能需要结合其他诊断技术共同分析。
总之，在处理经济数据时正确识别并应对异方差问题是至关重要的。怀特检验作为一种重要的诊断手段，在确保回归分析准确性方面发挥着不可替代的作用。
