近年来,面板数据模型已经被广泛运用在经济学应用研究的各个领域。在全球化的背景下,各经济个体的联系更加紧密,从而导致面板数据模型的应用研究中,往往存在着截面相关性。若是忽略面板数据模型中的截面相关性,会影响最终统计推断的正确性;在存在时间序列相关性的情况下,若同时存在截面相关性,将会导致模型估计结果的非一致性。因此,面板数据模型的截面相关性检验的研究是极其重要且非常必要的。现有的面板数据的截面相关性检验的渐进性都基于一些严格的假设,如扰动项是正态分布同方差的,且在时间上不具有序列相关性等。而在实证研究中,面板数据出现异方差是十分常见的,如现实金融市场中的数据通常表现出群集波动现象,或呈现出阶段性的非常大的波动和阶段性的相对稳定,这与正态分布和同方差的假定有所出入,忽略异方差可能会导致错误的统计推断。本文在异质面板数据模型中,提出了一个异方差稳健的截面相关性检验,在假设条件下,推导了统计量的联合极限分布,同时为了克服在某些有限样本情形下的水平尺度扭曲,提出了一个野自助法（wild bootstrap）的检验流程。本文的推导结果显示,当（n,T）→∞,n/T→c∈（0,∞）,时,本文提出的新统计量RCD会收敛到标准正态分布,如果误差项的偏度非零且有限,那么当（n,T）→∞,n~2/T→∞时检验统计量会收敛到标准正态分布。与此同时,RCD在不同情况的异方差下有良好的水平尺度,且其在因子模型和一阶空间自回归模型下的功效会随n,T的增大而增大。在时变方差的情况下,RCD的表现比较稳健。我们使用异方差稳健的RCD截面相关性检验对三因子模型面板数据进行检验,并与现有的研究进行对比,结果显示现有常用统计量显著拒绝原假设,但本文提出的RCD在一小段样本中不拒绝原假设,这可能是异方差导致的检验结果差异。整体来看,检验结果说明三因子面板数据模型中存在截面相关性,可能有一些影响股票超额收益的因子没有被发现。