在模型誤差為相關雜訊的情況下通過引入輔助變數矩陣對線性最小二乘估計的一種改進。對於單輸入單輸出線性差分方程模型
它的線性最小二乘估計量為
式中θ為參數真值,Ξ＝[εn+1，εn+2…，εn+N]T,εk 為誤差。在{εk}為相關噪聲的情況下線性最小二乘估計 爸LS的後一項始終不為0,即爸LS與真值θ之間始終存在偏差量
。為此引入新的估計量
式中W 稱為輔助變量矩陣，它滿足兩個條件：隨著觀測數據長度的增加,
依概率趨於一個滿秩矩陣；而
依概率趨於0。滿足這兩個條件的估計量爸
IV稱為輔助變量估計，它在誤差序列{
εk}為相關噪聲的條件下，能得到趨於真值
θ的弱一致性收斂的估計量。關鍵在於如何具體構造輔助變量矩陣。人們已經提出幾種不同的構造方案,證明它們滿足上述兩個條件是很難的,但是在實際應用中已取得較好的效果。
輔助變量估計算法的計算量比線性最小二乘算法增加不多。在誤差為相關噪聲的情況下，估計精度較線性最小二乘估計有明顯改善。它也有相應的遞推估計算法。