在统计学和计量经济学中，“怀特检验”（White Test）是一种用于检测回归模型中是否存在异方差性的方法。异方差性指的是模型中误差项的方差不是恒定的，这可能会导致普通最小二乘法（OLS）估计的结果不再具有最佳线性无偏性（BLUE）。怀特检验由Halbert White在1980年提出，它是一种非参数检验方法，不需要对误差项的具体形式做出假设。

怀特检验的基本思路是通过构建一个辅助回归模型来检查原始回归模型的残差平方是否与自变量及其平方项和交叉项存在显著关系。如果这些项的系数显著不为零，则表明模型存在异方差性。

具体操作步骤如下：

1. 首先，使用OLS方法估计原始回归模型，并计算出残差。

2. 然后，将残差平方作为因变量，原始回归模型中的所有自变量、自变量的平方以及自变量之间的交互项作为解释变量，重新进行回归分析。

3. 最后，利用F检验或卡方检验判断辅助回归模型中新增加的解释变量的联合显著性。如果联合显著性很高，则可以认为原模型存在异方差性。

怀特检验的优点在于其灵活性和广泛适用性，因为它并不依赖于任何特定的异方差形式。然而，这种方法也有一定的局限性，比如当样本容量较小时，可能无法准确估计辅助回归模型的参数；此外，由于需要引入较多的额外变量，可能会导致自由度损失，从而影响检验结果的可靠性。

总之，怀特检验作为一种重要的诊断工具，在实际应用中可以帮助研究人员更好地理解和处理数据中存在的异方差问题，进而提高模型预测能力和决策支持水平。