RESET检验法在多元回归模型中,添加显著解释变量的二次项,可以表现出函数的形式(如抛物线形式等),但是这样使用了大量的自由度,此外,添加二次项还不能得到某些被忽略的特定非线性关系;因此,RESET在回归模型方程中添加了OLS拟合值的多项式,以考察函数形式设误的一般形式。实施RESET,需要在一个扩大回归中包括多个拟合值的函数,在大多数应用研究中,都表明平方项和三次项很有用。这种检验思路与检验异方差的White检验类似。原估计的拟合值的函数现在作为解释变量出现,在检验中,对估计参数不感兴趣,只是利用扩大后的回归方程来检验原模型中是否遗漏掉了重要的非线性关系;原假设即是:拟合估计值的二次项、三次项前面的参数等于0的F统计量;显著的F统计量表明存在某种函数形式的问题。在大样本情况下,F统计量的分布在原假设和高斯-马尔科夫假定下渐近服从F(2,n-k-3)分布;RESET统计量即F统计值。