(1)无偏性准则
(2)有效性准则
(3)均方误差准则
(4)相合性准则(一致性准则)
极大似然估计只能保证一致性，不能保证无偏性。
估计量是随机变量，对于不同的样本值会得到不同的估计值.我们希望估计值在未知参数真值附近摆动，而它的
期望值等于未知参数的真值.这就导致无偏性这个标准。
在很多情况下，一个参数的
最大似然估计都是无偏估计，如
正态分布的均值；
但是也有一些情况，最大似然估计不是无偏估计，如正态分布的方差。
无偏性是对估计量的一个常见而重要的要求.
无偏性的实际意义是指没有系统性的偏差.
无偏估计是用样本统计量来估计总体参数时的一种无偏推断。 估计量的
数学期望等于被估计参数的真实值，则称此此估计量为被估计参数的无偏估计，即具有无偏性，是一种用于评价估计量优良性的准则。 无偏估计的意义是：在多次重复下，它们的
平均数接近所估计的参数真值。无偏估计常被应用于测验分数统计中。
无偏性的实际意义是指没有系统性的偏差。统计推断的误差有系统误差和随机误差两种。无论用什么样的估计值去估计，总会时而对某些样本偏高，时而对另一些样本偏低。而无偏性表示，把这些正负偏差在概率上平均起来，其值为零，即无偏估计量只有随机误差而没有系统误差。例如， 用样本均值作为总体均值的估计时，虽无法说明一次估计所产生的偏差，但这种偏差随机地在0的周围波动，对同一统计问题大量重复使用不会产生系统偏差。
问题：
(1)无偏估计有时并不一定存在。
(2)可估参数的无偏估计往往不唯一。
(3)无偏估计不一定是好估计。
有偏估计可以修正为无偏估计。
有效性就是看估计量的方差值，方差代表波动，波动越小越有效。
一致性就是在大样本条件下，估计值接近真实值。
参考：
https://blog.csdn.net/weixin_38275649/article/details/80304317