一致性估計，也稱為估計一致性，是一種統計學概念。它指的是當樣本容量趨於無窮大時，樣本的數字特徵（例如樣本集中趨勢或離散趨勢）依機率收斂於相應總體的數字特徵。這意味著使用容量較大的樣本得到的估計值比容量較小的樣本更精確，因為隨著樣本容量的增大，估計值與待估參數接近的可能性就越大。例如，算術平均值是一致性估計的一個例子，它被視為總體平均值的一致性估計值；樣本方差則是總體方差的一致性估計值。
一致性估計也被稱為相合估計或相容估計，它是一種優良的點估計方法。根據收斂的意義，一致性估計可以分為弱一致估計和強一致估計兩種類型。
此外，估計量的一致性是估計量的性質之一，它表明隨著樣本量的增大，估計量的值如果穩定於總體參數的真值，這個估計量就具有一致性。換句話說，隨著樣本量的無限增加，樣本估計量就充分靠近總體參數，滿足一致性的要求，從而使得樣本越大估計越準確。