微信扫一扫
一句话定位解读：由 LSE 统计系开设，用数学、统计、编程、机器学习和 AI 工具去解读&解决真实世界经济问题的 3 年制本科专业，是 LSE 统计系旗下 5 个本科专业之一。
这个专业"新"在哪？
LSE 统计系官网明确写道：这是 a brand new degree，2026 年 9 月首次开学。
它的独特之处在于双核驱动：
- 经济 + 计量理论这条主线，给你分析经济关系的严谨框架；
- 数据科学 + 机器学习 + AI这条主线，给你处理真实数据的工程能力；
- 官网原话："The programme has a strong mathematical focus"——数学是底盘；
统计系本身有 LSE 数据科学研究所（Data Science Institute）作跨学科支撑，研究方向覆盖数据科学、金融保险概率、社会统计、时间序列与统计学习四大领域。换句话说，你进的不只是一个"经济专业"，而是 LSE 整个统计 + 数据科学的学术生态圈。
对比LSE 传统的 BSc Economics，同样学微观、宏观、计量，但它的重心是"用形式化建模分析经济关系、用数据检验假设"；
而 BSc Economics and Data Science 在你学经济学的同时，强制把数据科学编程、机器学习、AI、数据库、高级统计推断这些工具课嵌进学位里——这是两者最本质的区别。
三年课程怎么安排？
三年共 12 个单元 + LSE100（LSE 跨学科核心课）。
Year 1：量化量化量化
第yi年关键词：经济学建模 + 编程入门（Python/R）+ 统计基础 + 数学方法，具体课题如下：
微观经济学 I，宏观经济学 I，数学方法，基础统计理论，数据科学编程，数据可视化，LSE 核心课
第二年关键词：计量分析 + 数据管理 + 高阶数学
4 门必修 + 从经济/数学/统计选修里选 2 个单元。
必修：微观经济学 II，宏观经济学 II，计量经济学 I，概率与分布理论
选修（部分）：
- 计量方向：计量经济学 II、应用回归
- 统计方向：抽样调查与实验、统计推断
- 数学方向：数学证明与分析、进一步数学方法（微积分/线性代数）、算法与数据结构
- 商科方向：信息系统、金融学原理
Year 3：前沿技术 + 实战
第三年关键词：AI 算法实战 + 行业场景应用 + 伦理学
两门核心必修课：机器学习，人工智能
再从经济选修（1.5 单元）+ 数学/统计选修（1 单元）里自由组合。可选的高年级课包括：
- 经济类：政治经济学、行为经济学、发展经济学、劳动经济学、货币经济学、环境经济学、公共经济学、国际贸易等
- 统计/数据科学类：回归与广义线性模型、随机过程、时间序列与预测、贝叶斯推断、应用统计项目、数据科学伦理
- 金融类：公司金融、风险管理与建模、衍生品
- 哲学类：经济学哲学
录取要求（以ALevel为参考）
A-Level，AAA，数学必须 A
- 若学校提供 AS 或 A-Level 进阶数学，必须选修并取得 A
- AS 成绩（如有）也会被考虑
- 量化导向科目（物理、化学）虽非强制，但是强烈建议修读
TMUA：推荐但非强制，优异成绩可以提升录取竞争力
在同属统计系的 9 个专业（含本专业、BSc Data Science、BSc Mathematics with Data Science、BSc Actuarial Science 等）中，TMUA 都是"推荐但不强制"；
而 BSc Economics 和 BSc Econometrics and Mathematical Economics 则是强制要求 TMUA。
语言要求：雅思7.0（7.0）
学费（2027/28 尚未最终设定）
|
学生类别 |
2026/27 参考学费 |
2027/28 状态 |
|---|---|---|
|
Overseas |
£35,700/年 |
2026 年夏季公布，后续年份锁定不变 |
海外本科生学费后续年份会随通胀上调，但一旦公布，整个在读期间锁定该金额。
毕业去向
LSE 给本专业列出的典型去向方向包括：
- 数据分析师 / 数据科学家
- 经济顾问
- 金融分析师
- 政策分析师
依托 LSE 统计系校友网络，毕业生广泛就业于银行、会计、金融、统计、政府、商业咨询等领域，也有相当比例继续深造。
LSE 全年提供 CV 工作坊、招聘会、雇主宣讲（英国顶ji雇主都会来校），以及求职、面试、LinkedIn 等专题 workshop。
它和 LSE 其他几个相关专业怎么选？
|
专业 |
归属院系 |
核心特征 |
A-Level 要求 |
|---|---|---|---|
|
BSc Economics and Data Science |
统计系 |
经济 + 数据科学 + ML/AI 双核 |
AAA，数学 A |
|
BSc Economics |
经济系 |
纯经济理论 + 计量 + 政策 |
AAA，数学 A |
|
BSc Data Science |
统计系 |
纯数据科学，统计 + 编程 + ML |
AAA，数学 A |
|
BSc Mathematics, Statistics and Business |
统计系 |
数学统计 + 商科方向 |
AAA，数学 A |
决策逻辑：
- 想做"经济 + 技术"跨界（如量化、FinTech、政策数据科学）→ Economics and Data Science
- 想纯做经济理论研究 / 进央行、国际组织 → BSc Economics
- 想纯做数据科学 / ML 工程师 → BSc Data Science
✅ 谁适合申这个专业？
适合：
- 数学能力强，且进阶数学能拿到 A 的学生
- 既对经济运行机制感兴趣，又想掌握编程、机器学习等"硬技术"的学生
- 目标职业是数据分析师、量化、金融分析师、政策分析师
- 想要 G5 + LSE 统计系 + 伦敦金融城资源
不适合：
- 数学薄弱、不想学进阶数学的同学（进阶数学实际上是一道隐形门槛）
- 只想学纯经济理论、对编程无兴趣的同学（去看 BSc Economics）
- 寻找"低门槛冲 G5"路径的同学（AAA + 数学 A + 进阶数学 A + TMUA 优xiu，竞争非常激烈）
几个关键提醒
- 课程较新：2026/27 才是首届
- TMUA 是隐性分水岭：虽然不强制，但统计系 9 个专业集体"推荐"绝非巧合——考好 TMUA 几乎等于买了份录取保险
- 进阶数学是隐形门槛：学校提供就必须选且要 A，没提供的需要在 UCAS 上让老师说明情况
- 2027 entry 申请截止：2027 年 1 月 13 日
- LSE 竞争极度激烈：即使达到标准录取要求，LSE 也不保证录取
给申请人的行动清单：
- 若学校提供进阶数学，Year 12 就必须选修并冲 A
- 现在就开始 TMUA 准备（建议考前 3-4 个月系统训练）
- IG 阶段数学和英语至少要达到 B（6 分）以上
- 编程方面提前接触 Python 或 R，给 Year 1 的 ST101 打底
- PS 里要体现"用数据科学方法解决经济/社会问题"的好奇心，而不是泛泛谈对经济的兴趣
