马尔可夫链蒙特卡罗（Markov chain Monte Carlo）被广泛应用于各种科学应用中，以从棘手的分布中生成近似样本。通过研究相关马尔可夫算子的谱，可以深入了解这些马尔可夫链的收敛性和混合性。虽然文献中有几种方法可以限定/估计第二大特征值，但很少有人提出一致估计整个谱的通用技术。为此目的，现有的方法要求马尔可夫转移密度以闭合形式可用，而这在实践中通常是不正确的，尤其是在现代统计应用中。在本文中，我们提出了一种新的方法来一致地估计一般类马尔可夫链的整个谱，该类马尔可夫链源于一种流行且广泛使用的统计方法，称为数据增强。这些马尔可夫链的转移密度通常只能表示为难以处理的积分。我们用实际和模拟数据说明了我们的方法的适用性。