一、方向概况与选拔要点

复旦大学统计建模与推断方向依托复旦大学管理学院统计与数据科学系、复旦大学大数据学院、复旦大学数学科学学院概率统计研究所，联合上海市统计与数据科学重点实验室、教育部“统计与数据科学”拔尖学生培养基地、国家统计局统计科学研究所合作平台、中国概率统计学会常务理事单位、国际统计学会（isi）中国分会联络处、《统计研究》《数理统计与管理》《应用概率统计》编辑部等核心载体，是由复旦大学自1950年代即在数理统计领域奠基深耕，历经苏步青、陈建功等前辈学人薪火相传，2015年大数据学院成立后正式将“统计建模与推断”确立为独立核心方向，形成的国内将“概率论基础—统计推断理论—高维统计方法—因果推断技术—贝叶斯建模—非参数/半参数方法—统计计算—行业应用”八维一体建设的学科重镇。该方向整合数学、统计学、计算机科学、计量经济学、生物统计学、金融工程等多学科资源，聚焦“模型构建—参数估计—假设检验—置信区间—预测推断—不确定性量化—模型选择—稳健性分析”全链条统计推断逻辑，形成“理论为根、方法为干、计算为枝、应用为果”的培养格局，为国家“双一流”建设学科核心方向，在教育部第五轮学科评估中统计学获评a+、数学获评a类。

研究方向涵盖：经典统计推断理论（极大似然估计/矩估计/最小二乘/假设检验/置信区间/充分统计量/完备性/一致最小方差无偏估计umvue）、高维统计与稀疏建模（lasso/ridge/elastic net/scad/mcp/分组lasso/自适应lasso/阈值ing/压缩感知）、因果推断与处理效应估计（随机对照实验rct/双重差分did/断点回归rdd/合成控制法/工具变量iv/倾向得分匹配psm/中介效应/异质性处理效应hte/因果森林/双重机器学习dml）、贝叶斯统计与计算（先验选择/后验推断/mcmc/变分推断vb/近似贝叶斯计算abc/贝叶斯模型平均bma/层次贝叶斯模型）、非参数与半参数方法（核密度估计/局部多项式回归/样条/广义加性模型gam/单指标模型/变系数模型/分位数回归）、时间序列与空间统计（arima/garch/state-space model/协整/var/空间自回归sar/地理加权回归gwr/kriging）、生存分析与可靠性统计（cox比例风险模型/加速失效时间模型aft/竞争风险/治愈模型/ frailty model）、统计学习与机器学习理论（泛化误差界/vc维/rademacher复杂度/正则化理论/集成学习理论/深度学习统计理论）、统计计算与优化（em算法/newton-raphson/坐标下降/ proximal gradient/stochastic gradient/mcmc诊断/并行计算）、统计推断的稳健性与敏感性分析（影响函数/ breakdown point/ bootstrap/jackknife/ sensitivity analysis for unmeasured confounding）、应用领域统计建模（生物医学/金融计量/环境统计/社会科学/工业质量控制/ genomics/ neuroimaging）等核心议题。当前团队深度参与国家“基础学科研究中心”统计理论攻关、国家自然科学基金重大项目“高维复杂数据统计推断”、央行金融稳定风险预警模型构建、国家卫健委重大慢病队列研究统计分析、生态环境部空气质量时空建模等国家重大任务。

选拔要求申请者绩点位列专业前5%-10%，核心课程涵盖数学分析、高等代数、实变函数、概率论、数理统计、回归分析、多元统计分析、随机过程、测度论、泛函分析、python/r/c++等；英语六级520分以上，需具备annals of statistics、journal of the american statistical association（jasa）、biometrika、journal of the royal statistical society series b（jrss-b）、econometrica、journal of econometrics、《统计研究》《数理统计与管理》《应用概率统计》等期刊精读能力；科研经历偏好理论推导、模拟研究、实证建模、算法实现、定理证明等训练。2026年推免预选拔通知已发布，建议尽早联系导师展示扎实的数学功底、严谨的推断思维与“以理论立身、以方法济世”的专业素养。

二、知点保研核心优势

一是近十年深耕保研辅导，精准把握该方向“理论—方法—计算—应用”四维一体的选拔逻辑；二是专注复旦，在统计与数据科学系、大数据学院、数学科学学院概率统计研究所、上海市统计与数据科学重点实验室等平台积累独家师资与信息渠道；三是定制一对一辅导，匹配经典推断、高维统计、因果推断、贝叶斯方法、非参数/半参数、时间序列/空间统计、生存分析、统计学习理论、统计计算、应用统计建模等子方向导师；四是线上线下融合，结合定理推导训练、模拟实验设计、算法代码实现、实证论文精读；五是严格督学与全流程规划闭环服务。

三、辅导体系

围绕考核需求构建核心模块：绩点提升强化数学分析、高等代数、实变函数、概率论、数理统计、回归分析、随机过程等高权重课程；英语提升聚焦annals of statistics、jasa、biometrika、jrss-b等期刊精读与sufficient statistic、completeness、uniformly minimum variance unbiased estimator（umvue）、maximum likelihood estimation（mle）、method of moments、least squares、likelihood ratio test、wald test、score test、confidence interval、coverage probability、asymptotic normality、consistency、efficiency、fisher information、cramér-rao lower bound、sparsity、high-dimensional statistics、lasso、ridge regression、elastic net、scad、mcp、group lasso、adaptive lasso、thresholding、compressed sensing、oracle property、model selection consistency、causal inference、treatment effect、average treatment effect（ate）、conditional average treatment effect（cate）、heterogeneous treatment effects（hte）、randomized controlled trial（rct）、difference-in-differences（did）、regression discontinuity design（rdd）、synthetic control method、instrumental variable（iv）、propensity score matching（psm）、mediation analysis、double machine learning（dml）、causal forest、bayesian inference、prior distribution、posterior distribution、markov chain monte carlo（mcmc）、variational inference（vb）、approximate bayesian computation（abc）、bayesian model averaging（bma）、hierarchical bayesian model、nonparametric estimation、kernel density estimation、local polynomial regression、spline、generalized additive model（gam）、single-index model、varying-coefficient model、quantile regression、time series、arima、garch、state-space model、cointegration、vector autoregression（var）、spatial autoregression（sar）、geographically weighted regression（gwr）、kriging、survival analysis、cox proportional hazards model、accelerated failure time model（aft）、competing risks、cure model、frailty model、statistical learning theory、generalization error bound、vc dimension、rademacher complexity、regularization、ensemble learning、deep learning theory、em algorithm、newton-raphson、coordinate descent、proximal gradient、stochastic gradient、bootstrap、jackknife、influence function、breakdown point、robustness、sensitivity analysis、unmeasured confounding等前沿术语表达；论文辅导引导选择高维稀疏回归中自适应lasso的oracle性质在相关设计下的扩展证明、基于双重机器学习的异质性处理效应估计在面板数据中的渐近理论、贝叶斯变分推断在高维混合模型中的收敛速率分析、非参数分位数回归在纵向数据中的自适应带宽选择理论、空间自回归模型中空间权重矩阵误设对推断的影响及稳健修正、生存分析中治愈模型在半参数框架下的有效估计、深度学习分类器的泛化误差界与网络宽度的关系、因果森林在观测性研究中未观测混杂的敏感性分析方法、高维协方差矩阵估计在因子模型下的最优收敛速率、贝叶斯模型平均在模型不确定下的预测性能理论保证等前沿议题。

专业课覆盖概率论与数理统计（高级）、实分析与测度论、线性模型理论、高维统计推断、因果推断理论、贝叶斯统计与计算、非参数与半参数方法、时间序列分析、空间统计、生存分析、统计学习理论、统计计算与优化、学术写作与定理证明规范等；笔试训练涵盖定理证明题（充分性/完备性/一致性/渐近正态性）、估计量构造与性质验证题、假设检验功效计算题、模拟实验设计与结果解读题、算法伪代码编写与复杂度分析题、英文文献方法论评述题等；面试模拟强化“数学功底—推断严谨—计算能力—应用洞察—理论品味”五维平衡，针对“高维统计中‘稀疏性假设’的现实合理性如何辩护”“因果推断中‘不可检验假设’（如平行趋势/排他性限制）的敏感性分析策略”“贝叶斯方法中先验选择的客观性与主观性张力”“非参数方法的‘维度灾难’在实际应用中如何缓解”“统计学习理论中的泛化界为何在实践中往往过于保守”“mcmc收敛诊断的局限性及替代方案”“统计推断中‘频率学派’与‘贝叶斯学派’的根本分歧及融合可能”“理论研究的‘优雅性’与实际问题的‘复杂性’如何平衡”“统计方法在跨学科应用中的‘适配性改造’原则”“人工智能时代统计学的不可替代性何在”等高频追问专项训练；文书打磨突出“从公理体系到现实推断、从数学抽象到数据真相、从理论优美到应用有效”的转化能力与“以严谨守护真理、以方法服务人类认知”的价值坚守。

竞赛与项目陪伴支持全国大学生数学竞赛（数学类）、全国大学生统计建模大赛、“挑战杯”自然科学类学术论文、kaggle/天池数据科学竞赛（理论赛道）、国际数学建模竞赛（mcm/icm）、中国概率统计年会青年学者论坛、全国高校“统计与数据科学”暑期学校、ims china student paper competition等赛事，并提供复旦大学统计与数据科学系理论课题组参与、国家自然科学基金重大项目子课题、国家统计局统计科学研究所联合研究、央行金融研究所风险建模项目、国家卫健委重大队列研究统计分析、生态环境部时空建模项目、国际统计学会（isi）世界统计大会学术交流等内推机会。

统计建模与推断是数据科学的“语法”与“灵魂”，是所有定量研究的基石。当前我国在基础统计理论原创、高维复杂数据推断、因果识别方法创新、贝叶斯计算突破等领域与国际顶尖水平仍有差距，亟需兼具深厚数学功底、严谨推断思维、扎实计算能力与广阔应用视野的高层次理论人才。知点保研愿助力有志于“以公理立基、以推断求真、以方法济世”的同学稳步前行。咨询报名可致电4000003363，或添加微信13671344286获取个性化评估与规划建议。