暨南大学应用统计硕士专业学位研究生培养方案
(专业学位类别码：025200)
一、学科简介
应用统计硕士专业学位是国家新增的专业学位，是在统计学科基础上，根据社会发展需要而设置的。应用统计硕士专业学位研究生的培养具有实用性、技能性、实践性强、应用性广的特点。它既要求培养的人才具有坚实的统计学基础，熟练掌握数据采集、处理和分析的科学方法，掌握计算机基本知识，熟练应用统计软件、管理软件和其它应用编程技术，具有较强的数据处理能力，又要求培养的人才熟悉数据产生的背景、机制和应用领域的实际业务，能用统计分析方法技术分析解决实际业务中存在的问题，具备决策支持的能力。
暨南大学应用统计硕士专业学位授权点是广东省名牌专业和教育部高等学校特色专业建设点，1985年招收统计学专业硕士研究生，1990年获得硕士学位授予权，2003年获得博士学位授予权，有高水平的师资队伍，合理的学科体系，良好的学术平台，先进的办学理念，成熟的教学经验，固定的实践实习基地，齐全的设施、设备及图书条件，始终把培养学科专业基础扎实、实践应用能力强的优秀统计人才作为人才培养的目标。现有应用统计硕士专业学位研究生导师15人。
二、培养目标
应用统计硕士专业学位的培养目标是为具有国民教育序列大学本科学历(或本科同等学力)人员提供关于数据采集、整理、描述以及依据数据做出推断分析和预测等系统性的专业训练，培养具有坚实的应用统计学基础，具有数据采集、处理和分析专长，能在政府部门、企事业单位、咨询和研究机构从事应用统计工作的高级专门人才。基本要求如下：
1．培养热爱祖国，遵纪守法，品行端正，求实进取，具有良好的政治素质和职业道德，积极为祖国的现代化建设服务的应用统计专门人才。
2．培养具有扎实的统计专业基础，受到良好统计专业训练，能熟练运用统计分析软件，具有独立从事实际领域数据采集、处理和分析能力的应用型统计人才。
3．掌握一门外语的实际应用。
4．努力锻炼身体，具有健康的体魄。
三、学习方式及学制、在学年限
应用统计硕士专业学位全日制研究生学制为2年，最长学习年限为4年（其中累计在校学习时间不少于1年）；非全日制研究生学制为3年，最长学习年限为5年（其中累计在校学习时间不少于1年）。
四、培养方式
培养方式根据培养方向，采用专业课程学习、实践教学以及学位论文撰写和答辩相结合的培养方式。
指导方式采取“双导师制”，即由一名学术型指导老师及一名具有丰富实践经验、综合业务素质高的实践指导老师共同指导。采用在校学习与到实际部门的专业实习相结合的方式，坚持理论与实践结合，重视案例教学和实践教学。
五、课程体系与学分要求
应用统计硕士专业学位研究生实行学分制，总学分38学分。
课程体系分为公共学位课（6学分）、专业学位课（9学分）和非学位课（23学分，其中实践教学为全日制研究生必修环节，计4学分）三个部分。具体安排如下：
|
课程 类别 |
课程编号 |
课程中文名称 （课程英文名称） |
学分 |
学时 |
开课学期 |
考核方式 |
|
公 共 学 位 课 |
025200ma05 |
专业英语 (Professional English) |
1 |
20 |
2 |
考试 |
|
105590ma18 |
中国特色社会主义理论与实践 (The Research on Theory and Practice of Socialism with Chinese Characteristics) |
2 |
36 |
1 |
考试 |
|
|
105590maf2 |
基础英语 (Fundamental English) |
3 |
60 |
1 |
考试 |
|
|
专 业 学 位 课 |
025200mb01 |
概率论与数理统计 (Probability and Mathematical Statistics) |
3 |
60 |
1 |
考试 |
|
025200mb02 |
统计学概论 (Introduction to Statistics) |
2 |
40 |
1 |
考试 |
|
|
025200mb03 |
多元统计分析 (Multivariate Statistical Analysis) |
2 |
40 |
1 |
考试 |
|
|
025200mb04 |
时间序列分析 (Time Series Analysis) |
2 |
40 |
1 |
考试 |
|
|
非 学 位 课 程
非 学 位 课 程
非 学 位 课 程 |
020208mc02 |
经济预测与决策 (Economic Prediction and Decision) |
2 |
40 |
2 |
考试 |
|
020208mc09 |
贝叶斯统计 (Bayesian Statistics) |
2 |
40 |
2 |
考试 |
|
|
020208mc14 |
非参数统计 (Non-Parametric Statistics) |
2 |
40 |
2 |
考试 |
|
|
025200mc01 |
计量经济学 (Econometrics) |
2 |
40 |
2 |
考试 |
|
|
025200mc02 |
国民经济核算 (National Economic Accounting) |
2 |
40 |
2 |
考试 |
|
|
025200mc04 |
市场调查与分析 (Market Investigation and Analysis) |
2 |
40 |
2 |
考试 |
|
|
025200mc05 |
统计信息管理 (Statistical Information Management) |
2 |
40 |
2 |
考试 |
|
|
025200mc06 |
统计质量管理 (Statistical Quality Management) |
2 |
40 |
2 |
考试 |
|
|
025200mc07 |
实验设计 (Experiment Design) |
2 |
40 |
2 |
考试 |
|
|
025200mc08 |
统计软件与编程 (Statistical Software and Programming) |
2 |
40 |
2 |
考试 |
|
|
025200mc10 |
数据挖掘 (Data Mining) |
2 |
40 |
2 |
考试 |
|
|
025200mc11 |
经济学中的定量方法 (The Quantitative Techniques in Economics) |
2 |
40 |
2 |
考试 |
|
|
025200mc12 |
统计法基础知识 (The Statistical Law) |
1 |
20 |
2 |
考试 |
|
|
025200mc13 |
高级统计实务 (Advanced Statistical Application) |
2 |
40 |
2 |
考试 |
|
|
025200mc14 |
商务统计 (Business Statistics) |
2 |
40 |
2 |
考试 |
|
|
025200mc15 |
案例实务课 (Case Practice Course) |
3 |
60 |
3 |
考试 |
|
|
025200mc16 |
统计调查 (Statistical Survey) |
2 |
40 |
1 |
考试 |
|
|
025200mc17 |
应用随机过程 （Applied Stochastic Processes） |
2 |
40 |
1 |
考试 |
|
|
025200mc18 |
现代应用统计 （Modern Applied Statistics） |
2 |
40 |
1 |
考试 |
|
|
025200mc19 |
计算统计学 （Computational Statistics） |
2 |
40 |
1 |
考试 |
|
|
025200mc20 |
应用数学模型 （Mathematical Modeling for Applications） |
2 |
40 |
1 |
考试 |
|
|
025200mc21 |
复杂网络理论及其应用 (Complex Network Theory and Applications) |
2 |
40 |
1 |
考试 |
|
|
025200mc22 |
社会网络分析方法与软件应用 (Social Network Analysis method and Software Applications) |
2 |
40 |
1 |
考试 |
|
|
025200mc23 |
可靠性统计 (Reliability Statistics) |
2 |
40 |
1 |
考试 |
|
|
025200mc24 |
统计学习技术 (Statistical Learning Techniques) |
2 |
40 |
1 |
考试 |
|
|
025200mc25 |
生物统计学 (Biostatistics) |
2 |
40 |
1 |
考试 |
|
|
025200mc26 |
随机几何 (Stochastic Geometry) |
2 |
40 |
1 |
考试 |
|
|
025200mc27 |
调查研究中的统计分析方法 (Statistics in Survey Research) |
2 |
40 |
1 |
考试 |
|
|
025200mc28 |
统计推断的工具 (Tools of Statistical Inference) |
2 |
40 |
1 |
考试 |
|
|
025200mc29 |
马尔科夫链的数值方法 (Numerical Methods for Markov Chains) |
2 |
40 |
1 |
考试 |
|
|
025200mc30 |
统计中的大样本方法 (Statistical Methods in a Large Sample) |
2 |
40 |
1 |
考试 |
|
|
025200mc31 |
Statistical Decision Theory |
2 |
40 |
1 |
考试 |
|
|
025200mc32 |
广义线性模型 (Generalized Linear Models) |
2 |
40 |
1 |
考试 |
|
|
025200mc33 |
高等寿险精算 (Advanced Actuarial) |
2 |
40 |
1 |
考试 |
|
|
025200mc34 |
高等非寿险精算 (Advanced Non-Life Insurance Actuarial) |
2 |
40 |
1 |
考试 |
|
|
025200mc35 |
回归分析与诊断 (Regression Analysis and Diagnosis) |
2 |
40 |
1 |
考试 |
|
|
025200mc36 |
金融统计 (Financial Statistics) |
2 |
40 |
1 |
考试 |
|
|
105590mc05 |
实践教学 (Practical Teaching) |
4 |
80 |
3 |
考查 |
|
|
105590mc06 |
实践教学 (Practical Teaching) |
4 |
120 |
3 |
考查 |
六、实践教学
实践教学环节是全日制应用统计硕士专业学位研究生培养的重要环节和必修环节，计4学分。研究生实践教学环节安排在第2学年。研究生在导师指导下从事统计业务实践活动，时间不少于1个学期。统计业务实践活动可以是项目研究，也可以是统计业务实习。统计实践教学环节结束时，要求学生至少完成一篇合作项目的研究报告或课题论文以供考核，考核合格者可计4学分。
七、中期考核
考核内容包括政治思想表现、学位课成绩和所修总学分、实践教学环节等情况。具体参照《暨南大学研究生中期考核办法》进行。考核等次为“合格”及以上的硕士生方可进入学位论文工作阶段。
八、开题报告
根据《暨南大学研究生学业成绩考核管理规定》，学位课成绩不低于70分为合格，可获得相应学分；非学位课程成绩不低于60分或考查及格，即可获得学分。学位课程平均成绩不得低于75分，中期考核合格后，方可进入学位论文的开题报告。开题报告包括：文献综述、论文框架、研究方法、设想创新点等。
九、学位论文
（一）学位论文要求
1.学位论文应在导师的指导下独立完成。学位论文应侧重于有应用价值问题的研究，应与实际问题、实际数据和实际案例紧密结合，可以是与数据收集、整理、分析相关的调研报告，数据分析报告，应用统计方法的实证研究等。学位论文字数一般为1-3万字。
2.鼓励硕士生在读期间，在本学科专业领域学术期刊上发表有实用价值的论文（或解决问题的案例分析）和参与申请项目等。
3.学位论文选题应来源于实践，具有良好的实践应用价值。
（二）学位论文答辩及学位授予
1.修满规定学分，完成规定环节，成绩合格，通过学位论文工作中期报告后，方可申请论文答辩。
2.学位论文的评审、答辩等工作按《暨南大学学位授予工作实施细则执行》。
3.答辩通过者，可颁发硕士研究生毕业证书（学历教育研究生）。
4.符合授予学位条件者，经暨南大学学位评定委员会审批，可授予应用统计硕士专业学位。
