顶一下，我刚刚也发了一个关于求助White检验的帖子，期待大神。。。

一个解释变量的变化会引起其他解释变量显著性的变化。White检验表明存在异方差，但是残差平方对原所有解释变量的交叉项和独立项进行回归时，所有解释变量系数t检验都不显著，这并不表示存在矛盾。例如：et^2=a+bX1，系数b的t检验是显著的，这表明是X1造成了异方差，如果加入解释变量^2，回归模型et^2=a+bX1+cX1^2系数的t检验可能都不显著，但是异方差确实存在。用et^2对各个解释变量及其各种形式做回归也是确定加权最小二乘法权数的一种方法。。。

说了半天你是认为可能加入的交叉项和原有的解释变量之间存在共线性。
你再看看这里输出的方程整体显著性水平r和调整的r都是很不显著，而且方程整体的p值也只达到了 0.011832，说明方程整体不咋地。一般多重共线性的，而且单个变量显著的话，方程整体的p和r是不会这样的。

我现在也更倾向于第二种答案。就是不存在异方差

Heteroskedasticity Test: White                               
                               
F-statistic        1.443941            Prob. F(13,91)                0.1550
Obs*R-squared        17.95533            Prob. Chi-Square(13)                0.1592
Scaled explained SS        18.65706            Prob. Chi-Square(13)                0.1341
                               
                               
Test Equation:                               
Dependent Variable: RESID^2                               
Method: Least Squares                               
Date: 05/04/13   Time: 14:31                               
Sample: 1 105                               
Included observations: 105                               
Collinear test regressors dropped from specification                               
                               
Variable        Coefficient        Std. Error        t-Statistic        Prob.  
                               
C        37.61346        10.36712        3.628148        0.0005
F1        -30.49883        22.33920        -1.365261        0.1755
F1^2        5.237316        4.383646        1.194740        0.2353
F1*F2        -11.81282        23.39903        -0.504842        0.6149
F1*F3        29.33350        25.57106        1.147137        0.2543
F1*XN        2.413165        23.16116        0.104190        0.9172
F2        14.65992        10.63053        1.379039        0.1713
F2^2        -8.872266        5.046372        -1.758148        0.0821
F2*F3        -1.676158        8.630080        -0.194223        0.8464
F2*XN        7.171926        11.05133        0.648965        0.5180
F3        17.03123        15.91773        1.069953        0.2875
F3^2        2.451981        2.243572        1.092892        0.2773
F3*XN        19.18494        20.46949        0.937245        0.3511
XN        -0.084343        11.27406        -0.007481        0.9940
                               
R-squared        0.171003            Mean dependent var                35.16118
Adjusted R-squared        0.052575            S.D. dependent var                53.47745
S.E. of regression        52.05268            Akaike info criterion                10.86596
Sum squared resid        246562.8            Schwarz criterion                11.21982
Log likelihood        -556.4627            Hannan-Quinn criter.                11.00935
F-statistic        1.443941            Durbin-Watson stat                2.280571
Prob(F-statistic)        0.154954                       
                                那这个怎么看呢