一致相合估计（uniformly consistent estimator），理学-统计学-数理统计-参数空间，大样本统计中的一个概念，设为的估计量，若当时，对于任意的，依概率收敛于，则称为的相合估计。按照定义，为的相合估计是指对于任意的，，如若任意的，上述的收敛性对任何是一致的，那么为的一致相合估计。统计的大样本性质分成两个大方面：一方面是统计量的分布的极限性质，包括弱相合，渐近分布和渐近展开等。在统计学中，统计的零阶性质相当于相合性，而一阶性质相当于渐近分布的存在问题。另一方面就是统计量本身的极限问题，强相合是个简单的例子，进一步有线性逼近和强逼近等。相合性表示：只要样本量足够的大，就可以使估计误差在一定意义下随心所欲的小。研究相合性的主要工具为随机变量序列的收敛性的基本性质以及大数定律。相合性有强弱之分，如果，对于任何成立，则具有一致强相合性。由概率论的知识可得，强相合一定可以得到弱相合，反之不成立。在一般的统计问题中弱相合性就足够了。相合性被认为是对估计的一个最基本要求，必须指出，相合性只是反映了当时估计量的性质，而对任意有限的，相合性是没有意义的。