私の回帰に異分散性の問題があるかどうかをテストしようとしています。回帰を実行した後、残差プロットにパターンがあることがはっきりとわかります。従属変数のログを取った後、パターンは大幅に減少します。元の式のホワイトのテストでは、変換前にp値0.0004（残差に強いパターンがあるモデル）が返され、対数変換後にp値0.08が返されます。
2番目のモデルの方がプロットの不均一性が少ないことがわかりますが、ホワイトの検定の結果をどのように解釈すればよいですか？最初の値は、（100-0.0004）％の有意性で異分散性があることを拒否できることを意味しますが、2番目のモデルでは、たとえば95％の信頼性でそれを拒否できますか？
回答:
オリジナルのホワイトペーパー検定統計量が提案された啓発読み取りです。私がここで興味深いと思うこの抜粋：
...帰無仮説は、エラーがホモスケスティックであるだけでなく、それらがリグレッサから独立している こと、およびモデルが正しく指定されていることを維持します...これらの条件のいずれかが失敗すると、統計的に有意な検定統計が導き出されます。
モデルが正しく指定されていると仮定すると、結果は、非変換の場合に不均一分散の明らかな存在があり、対数の場合に5％の有意水準での不均一分散はないが、10％にあることを示します。これは、ログケースでは、異分散性がないという帰無仮説を「かろうじて」受け入れるので、さらにテストを行う必要があることを意味します。私個人としては、モデルの仕様が正しくない可能性があり、他の不均一分散テストを行う必要があることを示しています。ちなみにホワイトは、その記事で代替テストの概要を説明しています：Godfrey、Goldfeld-Quandtなど。
これは、テストの使用方法の質問には答えません。ただし、ほとんどの経済学者は通常これらのテストを実行しないことを知っておく必要があります-特に応用ミクロ経済学者。代わりに、Huber-Whiteで調整された標準エラーを使用して、エラー条件の分布のさまざまな誤指定を修正します。
これは、「統計」という明確な答えではありませんが、経済学のほとんどの実践者がそれを処理する方法です。Godfrey Goldfeld-QuantまたはWhiteのテストは、これまでほとんど使用または議論されていません。