White检验

White检验

White检验是计量经济学中检测异方差性最通用的方法之一，由 Halbert White 于 1980 年在《Econometrica》发表的开创性论文中提出。该检验考察线性回归模型的随机误差项是否满足同方差假设，其核心优势在于不要求预先设定异方差的具体函数形式，属于一般性的异方差诊断工具。与布罗施-帕甘检验（BP检验）相比，White检验通过引入解释变量的平方项和交叉项，能够捕捉更复杂的非线性异方差模式。

检验原理与假设

考虑标准线性回归模型：

同方差原假设为 $H_0: \mathrm{Var}(u_i \mid \mathbf{x}_i) = \sigma^2$（常数）。White检验的核心直觉在于：若异方差存在，则OLS残差平方 $\hat{u}_i^2$ 应系统性地依赖于解释变量——不仅是其水平值，还包括其平方项与交叉项。因此，通过检验残差平方是否与这些变换后的变量相关，即可诊断异方差。

检验步骤

1. 估计原模型：用普通最小二乘法（OLS）估计原始回归方程，获得残差 $\hat{u}_i$ 和残差平方 $\hat{u}_i^2$。
2. 构造辅助回归：将 $\hat{u}_i^2$ 对所有原始自变量、自变量的平方项以及两两交叉项做回归。对于包含 $k$ 个自变量的模型，辅助回归的参数数量为 $p = 1 + k + k(k+1)/2$（含截距项）。
3. 计算检验统计量：令辅助回归的决定系数为 $R^2$，White检验统计量为： \[ \mathrm{LM} = n \cdot R^2 \xrightarrow{d} \chi^2(p-1) \] 在原假设成立下，该统计量渐近服从自由度为 $p-1$ 的卡方分布。
4. 决策规则：若 $nR^2 > \chi^2_{\alpha}(p-1)$，在显著性水平 $\alpha$ 上拒绝同方差原假设，判定存在异方差。

White异方差一致标准误

White (1980) 在同一篇论文中不仅提出了上述检验，还给出了应对异方差的经典解决方案——异方差稳健标准误（Huber-White sandwich estimator）：

该估计量的关键创新在于：用OLS残差平方 $\hat{u}_i^2$ 一致地替代未知的个体方差 $\sigma_i^2$，从而在不对异方差形式做任何假设的前提下，获得渐近有效的标准误。这一方法已被所有主流计量软件（Stata的 \texttt{robust} 选项、R的 \texttt{sandwich} 包、Python的 \texttt{statsmodels}）内置支持，成为现代实证研究的标配。

与Breusch-Pagan检验的比较

• BP检验：假设异方差为解释变量的线性函数，辅助回归仅含 $k$ 个回归元，自由度损失小、在小样本中功效较高。缺点是对非线性异方差模式不敏感。
• White检验：不设异方差函数形式，能检测任意非线性模式。代价是辅助回归参数数量以 $O(k^2)$ 增长——例如10个自变量时辅助回归含约65个参数——小样本下自由度严重损失、功效下降。

实践注意事项与扩展

简化形式：变量较多时，可仅包含一次项和平方项而省略交叉项，大幅减少待估参数。

大样本依赖：White检验基于渐近理论，其卡方近似在样本量较小时可能不准确。通常建议 $n \geq 100$ 时使用。

不揭示异方差结构：拒绝原假设仅表明存在异方差，不指明其具体形式——无法直接指导是采用加权最小二乘法（WLS）还是变换变量。

现代实践：当代实证研究者通常直接使用White稳健标准误进行推断，同时报告White检验结果以佐证模型诊断的严谨性。这一"先检验、后修正"的流程已成为应用计量经济学的标准范式。

扩展：White检验的方法论已延伸至面板数据的组间异方差检验、非线性模型基于广义残差的一般性检验、以及条件矩检验框架下的重新表述，持续影响着当代计量经济学的方法论发展。