一、适用学科专业

统计学 （学科门类：经济学 一级学科：应用经济学）

二、培养目标

掌握马克思主义的基本理论和专业知识，热爱祖国，具有良好的道德品质、较强的事业心、创新能力和献身精神，愿为社会主义现代化建设服务的高层次、高素质的专门人才。掌握统计学学科坚实的基础理论和系统的专门知识，培养具有从事科学研究工作或独立承担技术工作的能力，培养适应社会需求的应用型或应用基础型的人才。掌握一门外国语。

三、学科专业研究方向

应用统计学

经济统计学

四、学习年限

基本学习年限2年。

五、课程设置和学分要求（见附表）

攻读硕士学位研究生期间，需要获得学位课程总学分不少于35学分。 公共课不少于6学分 ，方法课不少于4学分 ，学科基础课不少于9学分 ，专业课不少于11学分 ，选修课不少于4学分 ，社会实践不少于1学分。

六、社会实践

到社会各个相关领域实习，时间和方式由导师根据学生培养方向确定。如：辅助教师指导和参与本科学生社会实践；参与导师科研课题的研究工作；与学生本人研究方向相关的社会实践等，时间一般为两周以上。参与以上社会实践活动需向导师提交调研报告，导师给出成绩，计1学分。

七、论文撰写

硕士研究生在学期间应完成的论文包括：课程论文和学位论文。硕士研究生必须按规定时间完成有关的论文写作。硕士研究生修满学分并考核合格后，进入学位论文写作阶段。在撰写论文之前，一般在第三学期，向教研室（导师组）作开题报告，阐述论文选题的理论和实践意义、主要研究内容和研究方案等。经教研室讨论通过后，开始撰写论文。学位论文应当是学术论文。学位论文在导师指导下，由硕士研究生本人按计划进度独立完成，硕士学位论文必须满足培养目标的要求，保证质量。

附：课程设置和学生课程学习的学分要求 

1、公共课（6学分） 

(1)政治理论课 

中国特色社会主义理论与实践研究 2学分 PUM505 1学期 

(Research on the Theories and Practice of Socialism with Chinese Characteristic) 

马克思主义与社会科学方法论 1学分 PUP505 1学期 

(Marxism and method social sciences) 

(2)第一外国语 

语言基础 3学分 PUF500 2学期 

(Foreign Language) 

2、方法课（4学分） 

社会科学研究方法 3学分 PUR602 1学期 

(Research Methods in Social Science) 

(提供选题与研究设计、文献研究、调查研究、案例研究、学位论文和学术论文写作等方法和相关国际学术规范。) 

数据挖掘方法与应用 2学分 STA600 1学期 

(Data Mining ：Method and Application) 

(通过课程教学和专题讨论，掌握数据挖掘常用方法的基本原理和方法特点，并能够运用数据挖掘软件解决数据挖掘的实际问题。先修课：数理统计，计算机程序设计) 

统计思想综述 2学分 STP600 2学期 

(Review of statistical thinking) 

(统计学的方法论课程。统计学科的定义、核心和边界，理论要点。各种方法的前提假设与应用边界条件。先修课：数理统计) 

3、学科基础课（9学分） 

《资本论》选读(必修) 3学分 PEE703 1或2学期 

(Studies on the Capital) 

(本课程要求学生必修。讨论马克思《资本论》的对象、方法、结构和基本理论以及对研究当代经济问题的指导意义。) 

高等统计学 3学分 STA601 1学期 

(Advanced Statistics) 

(目的在于使学生在原基础上，理解数理统计的基本概念，熟悉抽样分布理论，掌握参数估计的理论与方法、统计假设检验的主要方法、统计决策理论与Bayes分析，以及统计计算方法。先修课程：数学分析，高等代数，概率论) 

多元统计分析 3学分 STA602 1学期 

(Multivariate Statistical Analysis) 

(本课程的内容包括多元回归分析，判别分析，聚类分析，主成分分析，因子分析，典型相关分析，结构方程模型，对应分析等。先修课程：概率论与数理统计，回归分析) 

时间序列分析 3学分 STA603 1学期 

(Time Series Analysis) 

(课程的第一部分讲述线性时间序列分析的经典理论与方法；第二部分介绍非线性时间序列分析的基本内容及近代的重要进展。先修课程：数学分析、高等代数、概率论、数理统计) 

4、专业课（不少于11学分） 

广义线性模型 3学分 PAS701 2学期 

(Generalized Linear Models) 

(关于连续型和离散型数据特别是多元离散型数据的非正态线性模型的统计分析、模型建立、模型选择和诊断的理论、方法及在社会经济、风险管理等领域的应用。) 

抽样技术 2学分 STA701 1学期 

(Survey Sampling Techniques) 

(主要介绍古典概率抽样方法，利用辅助信息基于线性模型的估计，二重抽样，最优抽样设计，无回答和计量误差等。先修课程：数理统计) 

经济统计研究 3学分 STA702 1学期 

(Research on Economic Statistics) 

(以国民经济核算为起点做内容扩展，培养运用统计手段进行宏观经济观察分析的能力。先修课：国民经济核算，企业会计。) 

统计预测 2学分 STA703 1学期 

(Statistical Forecasting) 

(本课程主要包含如下内容：平稳序列建模及预测，波动性建模，协整和误差修正模型，向量自回归模型及面板数据建模。先修课程：统计学) 

数据挖掘与机器学习 2学分 STA704 1学期 

(Machine Learning and Data Mining) 

(本课程主旨是使学生了解数据挖掘和机器学习中的基本模型与方法，掌握大规模数据常用技术和算法的基本设计思想。数据挖掘概念和应用、数据挖掘流程、概念学习和算法设计、有监督学习方法（决策树、Bayes决策、支持向量机、图模型）、非监督学习方法、模型评价方法、等。先修课程：统计学、最优化（运筹学、线性规划）和数理统计。) 

宏观经济统计分析 2学分 STA705 1学期 

(Macroroeconomic Statistical Analysis) 

(主要是讲述中国宏观经济统计分析的内容，集理论、问题、数据、方法于一体，案例加体系的课程。先修课：统计学主干课程。) 

产业竞争力研究 2学分 STA706 2学期 

(Industrial Competitiveness Studies) 

(全面研究，深入分析我国产业竞争力问题，发掘统计模型有效应用。主要研究特点是：1、理论模式：从产业的核心竞争力、基础竞争力、环境竞争力建立中国产业竞争力的研究体系。2、研究层次：从产业竞争力评价体系设计、竞争力调查与数据整理、竞争力要素体系分析、竞争优势与劣势研究、提升产业竞争力对策研究，建立中国产业竞争力的分析体系。3、应用创新：立足区域产业聚集、企业聚群、创新支撑、资源配置方面建立中国产业竞争力的企业、行业协会、政府与竞争力信息平台一体化衔接的立体应用体系。先修课程：经济学、统计学。) 

结构方程模型 2学分 STA707 2学期 

(Structrual Equation Modeling) 

(介绍带有潜变量的结构方程模型的基本原理及其应用。采用软件面对实际数据和问题，运用该方法。先修课程：统计学) 

定性数据研究方法 2学分 STA708 2学期 

(Qualitalive Research Method) 

(本课程主要讲授定性数据的搜集方法和对定性数据的分析方法；主要内容有凯利表的数据采集与分析，焦点组技术、深访技术、文本分析等方法；课程的教学目的是掌握定性数据的研究方法并能够与定量技术结合使用.) 

5、选修课（不少于4学分） 

市场研究 2学分 STA721 2学期 

(Market Research) 

(通过案例分析展现市场研究过程的各个步骤，运用数据分析解决市场营销管理的决策问题。) 

经济计量方法研究 2学分 STA722 1学期 

(Advanced Econometires) 

(本课程主要讲授经济计量方法的前沿进展以及实际应用中存在主要问题和解决思路。先修课程：数理统计、回归分析) 

从数据到结论 2学分 STP611 1学期 

(From Data to Conclusion) 

(本课程的目的是培养学生运用统计思想和统计方法解决和处理统计问题的能力，课程内容包括对统计基本概念，参数估计，假设检验，方差分析，回归分析，多元统计分析，时间序列课程，非参数统计，生存分析，指数等。先修课程：数理统计) 

6、社会实践（1学分） 

7、先修课 

多元统计学    

(Multivariate Statistical analysis) 

国民经济核算    

(The System of National Accounts)