api
经济学申请者前期准备的建议(偏学术向)
寄托天下 2015-10-12 22:02 我要评论 浏览3756次

寄托经济版内部交流,不欢迎盈利性转载(如果你认为有用)。非盈利性转载,请注明economics@gter


请点击相关主题,如果你感兴趣的话:http://bbs.gter.net/search.php?f ... p;srchfid%5B%5D=all


鉴于个人能力外加版面已有资源的实际,本文定位看客是不愿意积极搜索版面资源以及本校内部也缺乏相关信息积累的低年级新生。内容不一定具有创意,不过个人认为有两个作用:首先让你知道,你可以在本科前期做些什么准备。其次,让你知道为了成为一个相对具有一定竞争力的申请者,你需要付出的是多少,然后你可以与你自己想象中的未来权衡一下,是否值得。本文按照一般自我定位的几个要素组成。所以对于完全不知道如何定位自身的,可以按本文的小标题来先反思一下。最后说明一点:本文只是告诉你,可以怎么准备,不代表这么准备后必然会有什么结果。申请有风险,出国须谨慎。


学校 

一个基本很难被改变的因素。如果你来自某所具有出国优势的学校,那么接下来的部分是告诉你怎样可以强化优势,如果你来自某所普通211985(各种排名方式的top10之外,各种经济类职业出国培训基地之外),那么接下来的部分是告诉你怎样可以弥补劣势。优势和劣势主要在于成绩的实际效力,以及学校所给你的各种机会和声誉。


专业 

基本上,美国的学校对于本科专业的限制不大,而欧洲大陆上很多国家的学校,对于申请的本科专业有明确限制,包括英国的一些学校也有。各学校所理解的相关专业不仅包括国内最后授予经济学学士的经济学、国经济与贸易、金融学、财政学等,也包括一些理工专业,如计算机、数学、统计等。具体学校信息和规定,请务必核实清晰。


成绩 

国内学生不需要谈GPA之类的,首先标准不同,其次这本身不是国内的主要计分方式。所以我们谈百分制平均分。一般而言,一个overall的85+,不会成为你的劣势。一个90+-的平均分,基本是你的优势。如果你足够强大到95~100的区间内,虽然看到过某国某校会认为你牛到不可置信,但是,个人认为,只要你的专业和学校不是乱打分,这样的成绩开个ranking足够说明问题了。 


课程 

作为一个对经济有爱的人,看完上一部分,你必须质疑:只要这么个分数吗?于是我告诉你,必然不是。作为一个申请,你应该明白的是,一个分数之所以成为一个重要的考量,其价值就在于你在某一方面的学力。这个学力的体现,除了百分制成绩和ranking之外,还必须参考课程。

你的overall可以包含无数课程,但是作为一个经济学申请者,请你务必具有以下几门最基本的课程: 

a.微积分(三学期。有些学校可能叫做高等数学,但是如果你的学校将高等数学认为是经济类或者文科类专业的数学课程,那么你实际的数学课程是不合格的。建议修读至少工科层次的高等数学。)或者数学分析。个人偏好后者。因为这门课是最基础的内容。虽然坚持工具主义你也可以艰难运转你的经济思维,但是,一个很老套的比喻就是少林72绝技还是要靠易筋经而不是小无相功。 

b.线性代数(两学期,一般)或者高等代数。看过几本国内主流的线性代数教材,基本还是工具主义路线。国内有些不错的高等代数教材(eg.个人觉得丘维声的高代还是不错的。),视野更开阔。 

c.概率论(一学期) 

d.数理统计(一学期) 

e.微分方程(包括常微分方程和偏微分方程,一般来说,各一学期)。这个在有些场合不被认为基本要求。 


如果你准备将自己更好的武装起来。那么以下几门数学课程,建议有条件的话修读:

a.实变函数(有些学校可能会叫做实分析。然而,如果该校没有开设实变函数这门课程的话,那么或者将实分析上得惨绝人寰或者直接将实分析上成实变函数) 

b.测度论。这个其实某些学校上得会和实变函数有重复。在这种情况下,我觉得也许那所学校会开设诸如高等概率论,现代概率论之类的课程,可以考虑替换成那些课。当然,从美化成绩单角度,建议也修读测度论。 

c.泛函分析。修好此课程,有助于你去虐待Recursive Methods in Economic Dynamics。 

d.随机过程。本科程度的随机过程一般不是很难。所以其实我很建议修读此课,因为很显然,这对于phd第一年的宏观等课程会有一些帮助。 

e.拓扑学。如果你的学校是这么称呼该课程的,一般而言,主要讲授的是点集拓扑。本科期间如果学有余力,可以顺手修掉微分拓扑和微分流形,当然,没有余力也无所谓,因为在你没有确定方向之前,这些课程似乎不是最必要。 

f.抽象代数。 

g.最优化理论。 


一些可能没有在任何学校的要求里直接出现,但是很显然,会暗中成为考量标准的计算机和软件应用课程: 

a.C程序设计,或者C++。 

b.SAS/STATA统计软件应用。国内一些学校的经济系对于统计软件的应用处于eviews乃至spss阶段,而统计系一般还是会开设SAS/STATA相关的课程。 

c.Matlab与数值计算。


然后是最基本的经济类课程: 

a.初级的微观经济学和宏观经济学。

b.中级的微观经济学和宏观经济学。 

c.初级的计量经济学。这个在很多场合不被认为是基本的要求。 


如果想成为一个有力的竞争者,这些经济类课程是不足够的。你需要根据你学校的实际和各种便利(比如,我听说某些地区可以校际双学位)来尽量选择以下经济类课程: 

a.高级的微观经济学和宏观经济学。 

b.中级的计量经济学。 

c.动态经济理论。主要包括动态优化和动态规划,有些学校会分成两门课。 

d.数理经济学。 

e.博弈论。 


当然作为提高类的课程还是有很多的,无法一一列举。但是,如果有一个粗略的标准,那么,这一类课程共性在于,不至于让你的大学所学数学内容完全没有用处。 

如果你修读了以上所列的基本课程,那么表示,一般而言,你在查看申请须知时,不会因为最基本的课程内容不合格而直接悲剧。 

以上这些课程,才是你的平均成绩真正价值所在。基本要求课程,建议尽量维持在90+-。而对于提高课程,如果不能保证85左右,建议不要修读。否则,不见得会成为优势。 


课外活动 

条件许可情况下,建议参加各类学术性竞赛活动。典型的有各种类型的大学生级别数学竞赛以及众所周知的数学建模竞赛。尤其是后者,如果获得高级别奖项,将会是一个足够的亮点。至于各类社团活动等,对于经济类申请,尤其是学术类申请,基本没有任何用处。 


科研经历 

最简单的经历,比如各种级别的挑战杯以及学校内的科研训练计划(如果有的话)。如果有条件,可以加入教授的课题组,这个需要自己的能力+善于表现+教授比较nice。如果前两者有一些小成果,但是不足以在一个比较好的期刊上发表,那么可以尝试投各种学会的年会,如果中标,相对而言将成为一个微不足道的科研经历。如果前两者无成果,那么一般而言,将这些内容写入CV不会有实际作用,也许会有一定的印象分。


论文 

一般而言,本科生很难发表比较好的论文,即使是国内期刊。国外期刊,对于一般本科生来说,基本不太可能。然而,对于一些有writing sample要求的学校,你的论文也将有一定程度的作用。所以,不要放弃写论文,即使很粗糙。 


对外交流 

交流经历,其本身一般不能成为亮点,所以各种学校官方游学性质的交流其实不具备直接影响。但是有实质性内容的对外交流,可以带来一些亮点因素。如果是学校与国外学校有各种以学期和学年为单位的交流,那么在经济许可以及对方学校条件也尚可的情况下,建议尽量去交流。直接有两点好处:一是推荐信的获取。二是课程选择面的拓展。如果经济条件许可而同时学校又没有实质性的交流项目,那么可以考虑一些学校的暑期课程。当然,目前我没有看到任何高级别的暑期课程。但是,满足我所列基本要求的暑期课程,在很多不错的学校都有开设。 


推荐信 

如果不是牛人的推荐信,那么推荐信的作用基本上只是形式上的。当然,如果你参加了某教授的课题组有一定成果或者你是某教授的论文学生而你的论文又有些亮点,那么也许他们的推荐信在一些情况下有作用,但是,不要对此乐观。 
什么样的推荐信有用?a.学术大牛,国际知名。b.虽非大牛但是和你所申请学校有各种关系,包括官方和个人。c.牛校毕业的博士,对于你申请那所学校有一定帮助,如果其他学校,视情况而定。当然,这三点的最大前提是,那个人是真的认识你并且欣赏你的。推荐信的获得,可以通过科研、对外交流、论文、课外活动等各种方式。 


GRE &TOEFL 

一般而言,对于G,你可以在任何你觉得合适的时间考,只要在申请时能提交。对于经济类申请者而言,550(V)+800(Q)+4.0是一个一般不会成为劣势的分数。当然,如果你是master申请者,那么V稍微低一些依然有希望。但是,一般而言,一个好的项目,即使master,V应该控制在420~460为最低。Q请不要再低了,800不是难事。写作虽然不是很多学校都会看重或者要求,但是,鉴于4.0的难度也不是特别大,请尽量争取。 TOEFL,如果打算参加交流之类的活动,那么建议在大二先考掉,否则,只要在申请时能提交即可。对于经济类申请者而言,overall的100是一个一般不会成为劣势的分数,当然,口语部分请尽量在20分以上,最好能在23左右。对于master申请者来说,稍微低一点也不会成为绝望的原因。但是,建议保持在90分以上。 


原帖作者:shensimon
原帖链接:http://bbs.gter.net/thread-1056366-1-1.html
©详细内容版友讨论请看论坛原帖,本文文字内容版权归寄托版友shensimon所有,不代表寄托天下立场。
  • 相关阅读
小榜单
回顶部 我要纠错