關於異方差性檢驗的方法大致有：圖示檢驗法、Goldfeld - Quandt 檢驗法、White檢驗法、Park檢驗法和Gleiser檢驗法。事實也證明，實際經濟問題中經常會出現異方差性，這將影響回顧模型的估計、檢驗和應用。因此在建立計量經濟模型時應檢驗模型是否存在異方差性。
異方差性是相對於同方差而言的。所謂同方差，是為了保證回歸參數估計量具有良好的統計性質，經典線性回歸模型的壹個重要假定：總體回歸函數中的隨機誤差項滿足同方差性，即它們都有相同的方差隨機誤差項具有不同的方差，則稱線性回歸模型存在異方差性。
擴展資料
測量誤差對異方差性的作用主要表現在兩個方面：壹方面，測量誤差常常在壹定時間內逐漸積累，誤差趨於增加，如解釋變量X越大，測量誤差就會趨於增大；另壹方面，測量誤差可能隨時間變化而變化，如抽樣技術或收集資料方法的改進就會使測量誤差減少。
不僅在時間序列上容易出現異方差性，利用平均數作為樣本數據也容易出現異方差性。收入較高和較低的人是少數的，大部分人的收入居於較高和較低之間，在以不同收入組的人均數據作為樣本時，由於每組中的人數不同，觀測誤差也不同。
百度百科——異方差性