回归模型一旦出现异方差性，如果仍采用OLS估计模型参数，会对模型产生的影响如下：
影响
1、参数估计量非有效。
2、变量的显著性检验失去意义。
3、回归方程的应用效果极不理想。
总的来说，当模型出现异方差性时，参数OLS估计值的变异程度增大，从而造成对Y的预测误差变大，降低预测精度，预测功能失效。
回归模型的定义
回归模型是一种预测性的建模技术，它研究的是因变量（目标）和自变量（预测器）之间的关系。这种技术通常用于预测分析，时间序列模型以及发现变量之间的因果关系。例如，司机的鲁莽驾驶与道路交通事故数量之间的关系，最好的研究方法就是回归。
异方差性的定义
异方差性是相对于同方差而言的。所谓同方差，是为了保证回归参数估计量具有良好的统计性质，经典线性回归模型的一个重要假定：总体回归函数中的随机误差项满足同方差性，即它们都有相同的方差。
如果这一假定不满足，即：随机误差项具有不同的方差，则称线性回归模型存在异方差性。
产生异方差性的原因如下：
第一类是观测量错误。
从调查资料可知，在实际调查及分析过程中，有可能出现采集数据的错误，比如机器记录失误，记录漏洞等。
第二类是调查偏倚。
就是先入观念或者行为习惯影响了调查和分析结果。
第三类是混杂变量。
也就是在调查样本中缺乏某些必要控制变量，受到不易察觉的外来因素的影响。
第四类则是样本量的问题。
一般来说，样本量的差别可能造成放大不同样本间实际差异，最后导致错误推断出变异性不相等。
温馨提示：答案为网友推荐，仅供参考