异方差——误差方差在观测之间变化——不会使 OLS 系数产生偏误。系数仍然无偏且一致；失效的是方差公式，因此传统标准误、t 统计量与置信区间会出错。异方差稳健标准误（White／Eicker–Huber–White，亦称“三明治”标准误）只修复这一问题：点估计完全不变。
名称来自其结构。真实方差具有三明治形式：
Var(β̂) = (X'X)⁻¹ (X'ΩX) (X'X)⁻¹， Ω = diag(σ_i²)无法直接观测每个 σ_i²，但残差平方 ε̂_i² 可以作为中间“馅料”的一致构件：
Var̂(β̂) = (X'X)⁻¹ ( Σ_i w_i·ε̂_i²·x_i x_i' ) (X'X)⁻¹不同 HC 版本只在小样本权重 w_i 上有所区别：
- HC0（White）：
w_i = 1。 - HC1：
w_i = n/(n−k)，进行自由度缩放。 - HC2：
w_i = 1/(1−h_ii)，使用杠杆值h_ii。 - HC3：
w_i = 1/(1−h_ii)²，近似 jackknife；在小样本中表现较好，也可作为合理默认值。
它与相邻方法的关系如下：
- 与加权最小二乘相比，稳健标准误保留效率较低的 OLS 估计，只修复推断；当方差结构已知时，WLS 会改变估计以恢复效率。异方差形式未知且只是干扰时使用稳健标准误；方差形式已知且目标是效率时使用 WLS。
- 它不能处理偏误。仍然需要外生性与正确的均值模型；遗漏变量和内生性不会受到影响。
- 独立同分布条件下的稳健三明治仍假设误差彼此独立。存在组内相关时应使用聚类稳健标准误；存在序列相关时使用 HAC；存在空间相关时则需空间误差模型或空间稳健推断。
常见错误包括：认为稳健标准误可以修复偏误；在小样本中使用容易覆盖不足的 HC0／HC1 而非 HC3；以及在真正问题是聚类或空间相关依赖时仍套用独立误差的稳健标准误。