可以用Eviews，能够在回归之后直观的观察到残差分布，而且可以以标准化后的残差为基础建立不同的权重，用来消除异方差

可以使用car包中的ncvTest函数 返回结果有加权最小二乘的权重

>library(lmtest)
> m1=lm(Y~X*Z)
> bptest(m1)
studentized Breusch-Pagan test

data:  m1
BP = 10.245, df = 3, p-value = 0.01659
##p<0.05,说明方差不齐
> m2=lm(log(Y)~X*Z)##转换为对数线性关系
> bptest(m2)

        studentized Breusch-Pagan test

data:  m2
BP = 0.48106, df = 3, p-value = 0.923##P>0.05,方差比较整齐
> m3=step(m2)
Start:  AIC=-5.6
log(Y) ~ X * Z

       Df Sum of Sq     RSS     AIC
<none>               8.4533 -5.6047
- X:Z   1     9.667 18.1202  6.1198
> Anova(m2)
Anova Table (Type II tests)

Response: log(Y)
          Sum Sq Df F value   Pr(>F)   
X         0.9238  1  1.5300 0.236458   
Z         2.0093  1  3.3277 0.089535 .
X:Z       9.6670  1 16.0100 0.001313 **
Residuals 8.4533 14                    
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
> summary(m2)

Call:
lm(formula = log(Y) ~ X * Z)

Residuals:
     Min       1Q   Median       3Q      Max
-1.02400 -0.68175 -0.05783  0.55530  1.27399

Coefficients:
              Estimate Std. Error t value Pr(>|t|)   
(Intercept)  4.590e+00  3.967e-01  11.571 1.49e-08 ***
X            3.056e-05  7.937e-06   3.850  0.00177 **
Z            2.137e-04  6.306e-05   3.388  0.00441 **
X:Z         -1.603e-09  4.006e-10  -4.001  0.00131 **
---
Signif. codes:  0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1

Residual standard error: 0.777 on 14 degrees of freedom
Multiple R-squared:  0.8072,    Adjusted R-squared:  0.7659
F-statistic: 19.54 on 3 and 14 DF,  p-value: 2.833e-05

##如果还不满意，可以考虑用robustSE进行估计