提出测试统计数据的原始白皮书是一本很有启发性的读物。我认为这段摘录在这里很有趣：

...原假设不仅保持误差是同方差的，而且它们独立于回归量，并且 模型是正确指定的......任何这些条件的失败都会导致统计上显着的检验统计量。

假设正确指定了模型，您的结果表明，对于未转换的情况，明显存在异方差性，而在对数情况下，在 5% 的显着性水平上没有异方差性，但在 10%。这意味着在对数情况下应该进行进一步的测试，因为测试“几乎”接受没有异方差的原假设。对我个人而言，这表明模型规范可能不正确，应该进行其他异方差检验。顺便说一句，White 在其文章中概述了替代测试：Godfrey、Goldfeld-Quandt 等。

这并没有回答如何使用测试的问题。但是，您应该知道，大多数经济学家通常从不进行这些测试——尤其是应用微观经济学家。相反，您只需使用 Huber-White 调整后的标准错误，它可以纠正错误术语分布中的各种错误说明。

这不是一个尖锐的“统计”答案，但这是大多数经济学从业者处理它的方式。Godfrey Goldfeld-Quant 或 White 的检验几乎从未被使用或讨论过。