应用统计专业学位全日制研究生培养方案

授予学位类别：应用统计硕士专业学位

专业学位代码名称：0252

制订单位：数学与统计学院、商学院

培养方案版本号：2024版

一、学科简介

应用统计是集统计学、经济学、计算机信息技术以及相关应用领域的综合性学科，是以现代统计理论和先进统计分析方法为基础，将统计学与相关领域相结合且适应大数据时代发展的实践性超强的学科。本专业旨在培养学生掌握在某些特定领域从事统计工作的知识和能力，让学生掌握统计学的基本思想和方法，并能够运用统计方法和统计软件进行数据的收集、整理，能够应用统计建模方法进行数据分析和解决实际问题；在政府、企业、事业单位和经济、管理等部门从事统计调查、统计信息分析、数量分析等工作，或在科研、教育部门从事研究和教学工作的高级专门人才。

本学科2021年获批应用统计专业硕士学位授权点。现有专任教师35人，其中教授10人，副教授15人，其中全国优秀教师1名，山东省教学名师1人，山东省优青2人、海外优青1人，山东省重点学科首席专家1 人、注册会计师3 人。获批山东省青创人才引育团队、青创科技团队各1个。

近年来，形成了大数据分析、经济与社会统计等若干研究方向。主要致力于大数据的处理、分析及其在经济与社会统计等领域的应用研究。本学科注重理论研究与应用研究相结合，重视交叉学科发展，强调以科研促教学和服务地方经济建设，学科研究团队均有重点研究领域和鲜明的研究特色。

二、培养目标

1.拥护党的基本路线和方针政策，热爱祖国，具有良好的职业道德和敬业精神，具有科学严谨、求真务实的学习态度和工作作风，身心健康。

2.掌握扎实的统计学基本理论和全面的数据分析方法，能够熟练应用统计分析软件，具备从事统计数据收集、整理、分析、预测和应用的基本技能，具有承担专业技术或管理工作的能力和良好的职业素养。通过案例教学及到实际部门的实习，培养学生较强的应用统计方法和统计软件解决实际问题的能力，能够独立从事实际领域的应用统计工作。

3.掌握一门外语，可熟练地阅读相关的参考文献。

本学科的硕士研究生毕业后能够应用统计方法和统计软件解决实际问题，能够从事实际领域的应用统计工作。

三、培养方向

1.大数据分析。本方向立足于数理统计和机器学习的理论与方法，重点关注数据分析与算法的研究。这个领域主要包括数据预处理、数据探索性分析、数据挖掘和机器学习算法的应用，以及结果的可视化和解释。

2.经济与社会统计。本方向聚焦经济社会发展战略与运行实践，针对国家经济社会发展热点领域中的随机性、模糊性数据进行调研统计和分析评价。

四、培养方式

采用全日制研究生管理模式，实行学分制，采取双导师制，以校内导师指导为主，校外导师参与实践、项目研究与论文写作等多个环节的指导工作。坚持理论与实践结合，采用在校学习与到实际部门实习相结合的方式，重视案例教学和实践教学，且要求实习时间不少于12个月。

五、学制与学分

全日制应用统计专业学位研究生学习年限为3年。实行弹性学制，符合学校有关规定者，可申请提前毕业，但最短不少于2年、最长不超过5年，5年不毕业者作结业或退学处理。

研究生课程实行学分制，总学分不低于42学分，16 学时为 1 学分。其中，公共基础课6学分，专业基础课13 学分，专业方向课不少于12学分，案例实务课3学分，其他培养环节包括专业实习、文献综述、专业能力等8学分。跨专业或以同等学力考取的硕士研究生，应补修本专业本科主干课程不少于2门，由导师指定。补修课程不列入个人培养计划，不计学分。体育、美育类课程（各1学分）。计入个人培养计划总学分，但不计入研究生培养方案中要求的最低总学分内。

六、课程设置

1.课程设置

课程设置及学时、学分分配表

2.教学方式

采用讲授、专题讲座、研讨、案例分析、文献阅读等多种教学形式，努力实现课堂讲授、交流研讨和科研实践等有机结合，注重引导学生自主学习和研究，培养独立思考和自主研究能力。

3.课程考核

课程学习必须通过考核，成绩合格方可获得学分。基础课原则上必须采用闭卷考试方式进行考核，选修课考核方式可采用闭卷考试、开卷考试或课程论文等方式。为充分发挥课程学习在强化研究生科研训练方面的作用，鼓励以撰写文献阅读报告、实验报告、调查报告等形式加强学习过程考核。基础课程考核成绩以70分为合格，其它课程考核成绩以60分为合格。

4.课程安排

学生第一学年学完所有课程学习。公共课程由米兰体育官网入口研究生处协调开课单位统一安排授课时间，专业课程由学院根据课程的内在联系、系统性和衔接性灵活安排，并要保证各个学期的课程量相对均衡。其他必修环节根据研究生毕业要求设置开课学期。

七、其他必修环节

1.文献综述

文献综述是在确定了学位论文选题后，在对选题所涉及的研究领域的文献进行广泛阅读和理解的基础上，对该研究领域的研究现状、新水平、新动态、新技术和新发现、发展前景等内容进行综合分析、归纳整理，并提出自己的见解和研究思路。一般在学位论文开题前完成。文献综述根据本培养方案或导师提供的阅读清单，完成不少于20篇文献的阅读和撰写不少于3000字的文献综述，结束后，按照学校相关要求撰写文献综述报告，考核合格后，获得2学分。

2.专业实习

专业实习是专业学位硕士研究生培养中，除理论与实验课程外的必修环节。具有2年及以上企业工作经历的硕士研究生专业实习时间应不少于6个月，不具有2年企业工作经历的硕士研究生专业实习时间应不少于1年。实践教学依托校企联合实践基地、企业研究生工作站、学校各类实验室、合作单位以及导师的研究开发工作等途径完成。专业实习结束后，按照学校相关要求撰写实践总结报告，考核合格后，获得4学分。

3.专业能力

专业能力培养是专业学位研究生综合素质与职业能力的个性化展示。本专业研究生在校期间应加强对专业能力的锻炼，根据应用统计专业特点进行高水平的研究与实践创新活动，取得的研究与实践成果水平应达到本专业领域提出的标准。本环节主要考核项目为科研成果、学科竞赛获奖、职业资格证书等，考核成绩计入总学分。具有以下经历者均可获2学分：

（1）在读期间在公开出版的国内外学术期刊或国内外学术会议论文集上以第一作者身份，并以米兰体育官网入口为第一单位发表(或录用)1篇反映本人研究工作的学术论文。

（2）作为发明人（排名第一或者导师排名第一学生排名第二）授权国家发明专利，或授权与学位论文相关的实用新型专利、软件著作权等。

（3）在省级及以上的学科竞赛中获奖（如团队获奖排名应在前三位）。

（4）取得相关职业资格证书。

（5）其他在专业领域取得经学院学位委员会讨论达到专业能力培养要求的的创新性成果。

八、学位论文

全日制专业学位研究生学位论文要侧重于对研究生实践能力的培养和提高，论文选题应直接来源于生产实际或具有明确生产背景和应用价值的方向，可来源于一个完整的涉及大数据处理、分析及应用的项目，论文研究要有一定的理论深度和工作量，同时要求有一定的创新性或技术先进性，能综合运用基础理论、专业知识与科学方法解决经济与社会中的实际问题。

1. 论文开题

研究生应在导师指导下，查阅国内外相关文献，确定课题方向，制定开题报告。开题报告包含文献综述、选题背景及其意义、研究内容、工作特色及难点、预期成果及创新点等。要求研究生阅读大数据分析及其应用的相关领域国内外前沿文献，在导师的指导下确定学位论文的题目。研究生应在第三学期确定学位论文题目并通过论文开题报告论证。开题报告应公开进行，并由开题报告评议小组评审。

2. 中期考核

学位论文中期考核是对论文工作进行阶段性总结。研究生应在第四学期撰写中期考核报告，进行中期考核。中期考核应公开进行答辩，评议小组评审。

3. 论文撰写

学位论文应在导师指导下由研究生独立完成。在撰写过程中，指导老师要根据硕士生论文开题情况，检查论文写作计划的进展和完成情况，并针对论文写作中出现的问题加强指导，以保证硕士学位论文质量。

4. 论文评审

学位论文在申请答辩前必须经过评审。参加评审的人员应是本领域或相近领域的具有高级专业技术职称的专家，人数不少于2人，至少包括1名校外专家。未通过评审的学位论文，应根据专家评语指出的问题，在导师的督促和指导下，由论文作者本人进行修改，在3个月内递交论文的复审稿进行复审。如果发现存在较大差距，则必须继续进行论文工作，重新撰写论文，并再次进行复审。

5. 论文答辩

研究生完成开题报告、中期考核等培养方案规定的所有环节，获得培养方案规定的学分，成绩合格，并且学位论文通过评审，即可申请论文答辩。论文答辩由研究生所在院系集中组织。答辩委员会由3～5名与本领域相关的具有高级专业技术职称的专家组成，至少包括1名校外行业专家。学位论文答辩按照《米兰体育官网入口研究生学位授予工作实施细则》规定执行。

九、毕业和授予学位标准

全日制硕士专业学位研究生学习期满，修满规定的学分、成绩合格，并完成文献综述、专业实习、专业能力等规定的培养环节，通过论文答辩，颁发米兰体育官网入口硕士研究生毕业证书；经学校学位评定委员会审议通过后，可授予相应硕士专业学位证书。具体程序及要求按《米兰体育官网入口硕士研究生学位论文答辩及学位申请工作细则》的规定执行。

十、必读书目与期刊

[1]贾俊平,何晓群,金勇进. 统计学(第五版)[M]. 中国人民大学出版社, 2014.

[2]卡塞拉，贝耶，张忠占，傅莺莺. 统计推断(翻译版原书第 2 版)[M]. 机械工业出版社, 2019.

[3]陈希孺. 概率论与数理统计[M]. 科学出版社有限责任公司, 2018.

[4]易丹辉. 时间序列分析:方法与应用[M]. 中国人民大学出版社, 2011.

[5]刘次华,万建平. 概率论与数理统计[M]. 高等教育出版社, 2008.

[6]理查德・A・约翰逊, 迪安・W・威克恩, 约翰逊,等. 实用多元统计分析[M].清华大学出版社, 2007.

[7]陈强. 高级计量经济学及Stata应用(第二版)[M]. 高等教育出版社, 2014.

[8]袁梅宇. 数据挖掘与机器学习:WEKA应用技术与实践[M]. 清华大学出版社, 2014.

[9]叶厚元. 统计学原理与分析[M]. 武汉理工大学出版社, 2012.

[10]杜金莲. 高级数据库技术[M]. 清华大学出版社, 2013.

[11]董付国. Python数据分析、挖掘与可视化[M]. 人民邮电出版社,2020.

[13]姜晓兵. 数据模型与决策[M]. 西安电子科技大学出版社,2017.

[14]董文永. 最优化技术与数学建模[M]. 清华大学出版社,2010.

[15]李航. 统计学习方法[M]. 清华大学出版社,2019.

[16]袁亚湘,孙文瑜. 最优化理论与方法[M]. 科学出版社,2021.8.24.

[17]王红军. 统计计算与R实现[M]. 西安电子科技大学出版社,2019.

[18]肖华勇. 统计计算与软件应用[M]. 西北工业大学出版社,2009.

[19]杨庆之. 最优化方法[M]. 科学出版社,2021.

[20] 数量经济技术经济研究[J]. 数量经济与技术经济研究所.

[21] 中国工业经济[J]. 中国社会科学院工业经济研究所.

[22]管理世界[J]. 中华人民共和国国务院发展研究中心.

[23]数理统计与管理[J]. 中国现场统计研究会.

[24]经济研究[J]. 中国社会科学院经济研究所.

[25]统计研究[J]. 中国统计学会、国家统计局统计科学研究所.

附：制定专家名单

傅尊伟、刁玉柱、吴作凤、李庆胜、徐成龙、张宗良、李锋、吴越、马振明、谢焕田、张聪聪、王政、时彦超