第一部分：核心信息概览
- 招生单位： 北京大学医学部
- 院系/专业：
- 主要院系： 公共卫生学院（流行病与卫生统计学系）
- 其他可能涉及： 医学部内其他临床医学院、基础医学院、药学院等，如果导师的研究方向涉及统计方法学，也可能招收统计学背景的博士生。
- 学位类型： 学术型博士
- 学制： 基本学习年限为4年。
- 核心特点： 对学生的数理统计基础、编程能力（尤其是R语言）、科研潜力和英语水平要求极高。
第二部分：报考基本条件
在准备之前,请务必确认自己满足以下硬性条件（以当年招生简章为准）：
（图片来源网络，侵删）
- 学历要求：
- 已获得硕士学位。
- 应届硕士毕业生（最晚须在入学前取得硕士学位）。
- 持有境外学位的考生,须经教育部留学服务中心认证。
- 学术要求：
- 具有扎实的数理统计基础和一定的科研经历。
- 在核心期刊上发表过高水平的学术论文（这是申请-考核制中的关键加分项）。
- 英语水平：
- 非常重要！ 通常要求满足以下至少一项：
- 全国大学英语六级考试（CET-6）成绩 ≥ 425分。
- 托福成绩 ≥ 90分（旧托福 ≥ 580分）。
- 雅思成绩 ≥ 6.0分。
- 在英语国家或地区获得过学位。
- 非常重要！ 通常要求满足以下至少一项：
- 年龄要求： 一般不超过45周岁。
第三部分：核心流程——“申请-考核制”
北大医学部博士招生普遍采用“申请-考核制”，而非传统的统考，这意味着申请材料的质量直接决定了你是否能获得考试资格，流程大致如下：
联系导师（至关重要！）
这是整个申请流程中最关键的一步,在提交申请前，必须提前与心仪的导师进行沟通。
- 为什么重要？
- 导师是决定你是否能被录取的核心人物。
- 了解导师当年的招生名额、研究方向是否匹配。
- 展示你的科研能力和对研究的热情,给导师留下初步印象。
- 如何联系？
- 研究导师： 仔细阅读公共卫生学院官网、各导师的个人主页，了解他们的研究方向（如：临床试验设计与分析、生物信息学、因果推断、机器学习在医学中的应用、真实世界数据研究等），找到与自己背景和兴趣高度匹配的导师。
- 准备材料：
- 个人简历（CV）： 清晰列出教育背景、研究经历、发表论文、掌握的技能（统计、编程、软件等）。
- 研究计划（Research Proposal）： 1-2页即可，简述你对导师某个研究方向的思考，或你希望博士期间研究的课题，这能体现你的科研潜力。
- 成绩单和代表性论文。
- 发送邮件：
- “姓名-硕士学校-申请博士-意向导师”。
- 邮件正文：简洁、礼貌地介绍自己，说明来意，并附上上述材料。
- 耐心等待： 导师非常忙，可能不会立即回复，如果一周后没回复，可以考虑礼貌地再发一封邮件，或尝试联系实验室的师兄师姐。
提交申请材料
在规定时间内（通常在秋季，如10-11月），通过北京大学研究生招生网提交以下材料：
- 《北京大学博士研究生报名登记表》。
- 两名所报考学科专业领域内教授（或相当专业技术职称的专家）的《专家推荐信》。
- 硕士课程成绩单及硕士学位证书复印件（应届生提供在读证明）。
- 硕士学位论文（应届生提供论文摘要和目录）。
- 已发表的学术论文、专利、获奖证书等复印件。
- 个人陈述：包括对所报考学科的认识、研究兴趣、已有的研究基础、未来研究计划等。
- 英语水平证明复印件。
- 其他可证明科研能力的材料。
材料初审
由学院和系里组成的专家组对申请材料进行评审,筛选出部分优秀的申请人进入下一阶段的考核，评审标准主要看：
（图片来源网络，侵删）
- 教育背景和本科/硕士成绩。
- 科研成果（论文数量、质量、期刊影响因子）。
- 研究计划的质量和创新性。
- 专家推荐信的力度。
- 英语水平。
现场考核（复试）
通过初审后,即可参加由北京大学医学部组织的现场考核，这是决定最终录取的环节，通常包括：
-
专业笔试（可能）：
- 部分年份或方向可能会有笔试,内容为高级统计学、概率论、线性模型等。
- 但近年来越来越依赖面试，笔试权重可能降低或取消。
-
综合面试（绝对核心）：
- 形式： 一般有多位导师组成的面试委员会。
- 时长： 每人30-60分钟不等。
- 英语能力： 自我介绍、英文文献朗读与翻译、用英语回答专业问题。
- 专业知识：
- 深入考察你的统计学理论基础（如：线性回归、广义线性模型、生存分析、多水平模型、贝叶斯统计等）。
- 考察你对流行病学方法的理解。
- 非常注重实际应用能力，可能会给你一个研究场景，让你设计统计分析方案。
- 科研潜力：
- 详细询问你的硕士论文研究内容、方法、创新点和不足之处。
- 深入讨论你发表的论文,考察你是否真正理解。
- 考察你对研究计划的理解和可行性。
- 编程能力：
- 面试中可能会让你现场写一些简单的R代码,或者口头描述如何用R实现某个统计分析（如：如何用
lme4包拟合混合效应模型）。
- 面试中可能会让你现场写一些简单的R代码,或者口头描述如何用R实现某个统计分析（如：如何用
- 综合素质： 逻辑思维、表达能力、科研热情、抗压能力等。
第四部分：考试内容与备考策略
专业课复习（笔试 + 面试）
- 核心参考书：
- 《医学统计学》：孙振球、徐勇勇主编（人民卫生出版社）- 国内经典，打好基础。
- 《Linear Regression Analysis》：George Seber & Alan Lee - 深入理解线性模型。
- 《Generalized Linear Models》：McCullagh & Nelder - GLM的圣经。
- 《Survival Analysis: A Self-Learning Text》：David Kleinbaum - 生存分析的经典。
- 《The Elements of Statistical Learning》 (ESL) 或 An Introduction to Statistical Learning (ISL) - 机器学习与统计的交叉领域，了解前沿。
- 备考策略：
- 回归基础： 吃透基本概念、原理和方法，不能只停留在“会用SPSS/R软件跑结果”的层面，要理解每个方法的假设、适用条件和局限性。
- 深化理论： 重点复习线性模型、广义线性模型、非参数检验、生存分析、多元统计等核心内容，理解公式的推导和背后的统计思想。
- 实践为王：
- 熟练掌握R语言： 这是北大医学统计学的“标配”，必须熟练使用
tidyverse系列包进行数据清洗和可视化，使用lme4,survival,glmnet,mgcv等包进行建模。 - 复现文献： 找几篇目标导师或领域内的高水平论文，尝试用R语言复现其数据分析过程，这是最好的练习。
- 熟练掌握R语言： 这是北大医学统计学的“标配”，必须熟练使用
- 关注前沿： 阅读顶级期刊（如 Biostatistics, JASA, Biometrics）上的论文，了解因果推断、高维数据、机器学习在医学中的应用等前沿方向。
英语能力
- 准备：
- 六级： 务必刷分到425以上，越高越好。
- 口语： 练流利的自我介绍，准备一些常见的英文问题（如Why do you want to pursue a PhD? What's your research interest?）。
- 专业文献： 每天阅读1-2篇英文文献摘要，尝试用英文总结核心内容。
第五部分：导师与研究方向选择
北大医学部统计学的导师团队非常强大,以下是一些代表性导师及其研究方向（请务必以当年官网信息为准）：
（图片来源网络，侵删）
- 詹思延 教授： 流行病学方法、药物流行病学、真实世界数据研究。（领域内大牛，竞争极为激烈）
- 王虹 教授： 临床试验设计与分析、生物统计。
- 胡永华 教授： 遗传流行病学、生物信息学、复杂疾病基因定位。
- 任涛 教授： 慢性病流行病学、统计方法在公共卫生中的应用。
- 其他优秀导师： 还有许多年轻的、非常有活力的副教授和研究员，他们的研究方向更前沿，如机器学习、因果推断、医疗大数据等，也是非常好的选择。
选择建议：
- 兴趣匹配： 选择你真正热爱的方向，博士研究是场持久战。
- 团队氛围： 如果可能，通过师兄师姐了解实验室的学术氛围、工作压力和毕业要求。
- 导师风格： 了解导师是“放养型”还是“指导型”，选择适合自己的。
总结与建议
- 尽早规划： 考博是持久战，最好从硕士一年级就开始准备，打好数理和编程基础，积极参与科研项目，争取发表高质量的论文。
- 突出亮点： 在申请材料中，清晰地展示你的核心优势，无论是扎实的理论基础、出色的编程能力，还是有影响力的科研成果。
- 主动出击： 不要害羞，大胆地、专业地去联系导师，一份精心准备的邮件和研究计划，可能会为你打开成功的大门。
- 心态放平： 北大竞争激烈，一次失败不代表能力不行，如果这次未能成功，可以总结经验，来年再战，或者考虑其他优秀的院校。
祝你备考顺利,成功上岸北京大学！
