统计学作为经济与管理学科的核心方法论，在中科院经济与管理学院考博选拔中占据重要地位。考生需系统掌握概率论与数理统计基础理论，重点突破回归分析、时间序列分析、统计建模三大核心模块，同时注重计量经济学与经济统计实务的交叉融合。本文基于《概率论与数理统计》（浙大版）、《应用回归分析》（伍德里奇）、《时间序列分析》（汉森）等指定教材，结合近年真题命题规律，构建知识框架如下：

第一章 概率论与数理统计基础（占比20%）

重点掌握多维随机变量、大数定律与中心极限定理的证明思路，注意协方差矩阵的几何意义。在2022年真题中，关于正态分布与t分布的抽样分布问题占比达35%，需熟练运用F分布临界值表进行假设检验。特别关注贝叶斯统计在政策效果评估中的应用，如利用后验分布进行参数估计。

第二章 线性回归模型（占比30%）

重点包括：1）高维情形下的变量筛选方法（LASSO、Elastic Net）；2）面板数据模型的固定效应与随机效应选择（Hausman检验）；3）工具变量法的有效性检验（Sargan检验）。2023年新增案例涉及双重差分模型（DID）在产业政策评估中的应用，需掌握平行趋势假设的检验方法。

第三章 时间序列分析（占比25%）

重点突破：1）ARIMA模型参数识别（ACF/PACF图判读）；2）状态空间模型与贝叶斯动态模型；3）GARCH模型在金融风险度量中的应用。注意结合经济周期特征，如对GDP时间序列进行平稳性检验时，需同时考虑趋势项与季节项的影响。

第四章 统计建模与机器学习（新增模块）

涵盖：1）随机森林在非参数回归中的应用；2）支持向量机在文本数据分析中的实践；3）神经网络在宏观经济预测中的优化策略。2023年考题要求对比传统回归模型与机器学习模型的预测精度，需掌握交叉验证与模型评估指标（MAE、RMSE）。

第五章 经济统计实务（占比15%）

重点包括：1）统计调查中的抽样设计（PPS抽样、分层抽样）；2）经济数据清洗关键技术（缺失值处理、异常值检测）；3）数据可视化在政策分析中的规范应用。注意结合《中国统计年鉴》等权威数据源，分析数字经济指标时需关注数据口径变化。

备考建议：建立"理论推导-软件实现-经济解释"三维训练体系，重点攻克Stata/R语言中的面板数据包（xtreg、plm）和时间序列工具（tsset、arima）。近三年真题显示，约40%题目涉及统计软件操作，需熟练掌握EViews中VIF检验、H检验等关键命令。同时关注《经济研究》《统计研究》近三年文献，理解统计方法在收入分配、产业升级等领域的创新应用。

考生应特别注意：避免陷入纯数学推导陷阱，重点训练"问题识别-模型选择-结果解释"的完整链条。例如在分析消费函数时，需同步考虑模型设定偏误（如忽略异方差性）与经济理论逻辑（如恩格尔系数变化）。建议组建学习小组，针对2021-2023年真题进行盲审模拟，重点提升模型诊断与结果合理解释能力。