統計學中,多餘參數(英語:nuisance parameter)是指與感興趣參數無關,但在分析那些感興趣參數時必須考慮的所有參數。例如,當正態分佈均值μ是首要關心的參數時,方差σ2就是一個多餘參數。

多餘參數通常是方差,但並不總是;例如,在含誤差變量模型英語Errors-in-variables models中,未知的每個觀測的真實位置是多餘參數。一般來說,任何干擾另一個參數的分析的參數,都可認為是多餘參數。如果該參數成為研究物件,它就不再「多餘」,就像分佈的方差一樣。

對於已知隨機變量,在得到了所有未知隨機變量的聯合條件分佈後(比如可利用貝氏定理),就可以利用邊緣分佈將多餘參數邊緣化,以得到我們感興趣的那部分隨機變量的結果。