estat hettest [varlist]不是对各个解释变量进行BP检验吧？应该是对辅助回归函数做的检验，检验“部分解释变量”的系数是否为零，也就是等价的原假设。这个方法最大的争议就是辅助函数的构建，部分解释变量的选取也不能是随意的，要有理论根据（或是前人的研究作依据），最起码你得先有个怀疑的对象，怀疑某个或某些解释变量存在异方差，书中还提到了，这里的解释变量不仅仅局限于原方程中的解释变量还可以是被解释变量的估计值或是方程以外的变量（只要你的理论依据足够）。辅助回归的意义就是检验函数系数是否为零啊。也就是等价于最初的原假设：是否存在异方差。比White更好地就在于辅助回归函数能够明确异方差产生的具体形式（这个目的实现太难了，也就是理论上的）

楼主的问题解决了吗？我也有不是很懂这个问题

二楼的回答已经很清晰了，最好你能看一看陈强那本本科生用的《计量经济学及Stata应用》第134页，有讲这个问题。
我也来斗胆试着回答一下。
首先，给你一个回归方程：yi=β0 +β1xi1 +… +βkxik + εi
记：xi = (1xi1 … xik)，假定样本数据为iid（独立且同分布），那么它的扰动项方差原假设应该为：H0：Var (εi | xi) = σ2 （即：方差齐性假设）
那么到底是不是呢？我们再转换一下。因为方差有公式：Var(x) =
E（x2）- [E(x)]2 , 所以，把上面条件方差的公式改为H0：E (εi 2| xi)= σ2
如果H0不成立，那么条件方差E (εi 2| xi)就是xi的函数，即：条件方差函数， 我们再假设此条件方差函数为线性函数：
εi 2 = δ0 + δ1Xi1 + … +  δkXk + errori
H0 是说，假设它是个同方差的，即：它压根儿就不是什么条件方差函数（方差不随X变化），那意思就是： 上面那个线性函数里面所有的系数都为0 （注：这货δ0 是个常数，不是系数哈）
即：H0 ：δ1 = δ2 = … = δk  = 0
因为扰动项我们是观测不到的，所以用残差平方ei 2 来代替它。再进行辅助回归（auxiliary regression）：
ei 2= δ0 + δ1Xi1 + … +  δkXk + errori
之后，记这个回归方程的拟合优度为R2 ，显然，R2 越高，那么这个辅助回归方程就越显著，系数就越不为0，越能够拒绝我们的原假设
H0 ：δ1 = δ2 = … = δk  = 0
布罗施和帕甘于是采用LM（拉格朗日乘数）检验，LM = nR2
依分布服从于 卡方（K -1）
然后。。。在大样本下渐进与F检验。。。，就可以检验它到底是拒绝还是接受原假设→它到底是否存在异方差问题啦~~


抱歉，我...我不会用公式...只能用word一个个上标下标，将就着看吧....

我是新手小白，请问bp检验是非参数检验吗