方差齊性是為了保證回歸參數(shù)估計量具有良好的統(tǒng)計性質(zhì)，經(jīng)典線性回歸模型的一個重要假定：總體回歸函數(shù)中的隨機誤差項滿足同方差性，即它們都有相同的方差。如果這一假定不滿足，即：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。

異方差性是指回歸模型中擾動項的方差不全相等。假設(shè)線性回歸模型中，擾動項 ε 的分量是均值為零，彼此獨立的，但不全相等，在這種情況下。OLS 估計雖然具有無偏性和一致性，卻不是最優(yōu)線性無偏估計。因此在預測時波動較大。為此，在應用 OLS 方法之前要對模型的異方差性進行檢驗，并設(shè)法消除異方差性。

若線性回歸模型存在異方差性，則用傳統(tǒng)的最小二乘法估計模型，得到的參數(shù)估計量不是有效估計量，甚至也不是漸近有效的估計量；此時也無法對模型參數(shù)進行有關(guān)顯著性檢驗。對存在異方差性的模型可以采用加權(quán)最小二乘法進行估計。

異方差性的檢測——White test，在此檢測中，原假設(shè)為：回歸方程的隨機誤差滿足同方差性。對立假設(shè)為：回歸方程的隨機誤差滿足異方差性。判斷原則為：如果nR²>chi² (k)，則原假設(shè)就要被否定，即回歸方程滿足異方差性。在以上的判斷式中，n代表樣本數(shù)量，自由度為k（解釋變量的個數(shù)）。Chi²（卡方統(tǒng)計）值可查表所得。