JASO技术贴2：一个想法，用统计学的方法做定位模型 使得AD率提高

JASO

之前用DCF法 做过一个关于本科出国值不值的量化分析
http://forum.chasedream.com/Master/thread-498898-1-1.html

本人比较偏向于把选择量化，在有限的资源内得出最优以及次优选择。

今天突发奇想，想用统计学的方法做一个定位模型，原因如下：
很多同学在版上求定位，各种GPA GMAT 论文 实习 牛推等等条件抛上来，跟帖的同学都很好心的给予意见。
意见大多来源于他们的经验 也就是差不多别人申什么 就给推荐什么。
这的确是定位的一种不错方法。但我觉得其有一定弊端，就是极大程度的推热了一批学校 使得其标准水涨船高。

我的想法如下：
1）每个学校的招生标准都是不同的，例如有的学校相对同档次的别家，更偏好高GMAT，有的则偏向GPA，本科学校等等；
2）利用CD等论坛资源，统计出被录取人员的背景信息，统计记录其硬指标和软指标；以此，学校招生偏好的轮廓已经出来了；
3）统计被拒学生的背景信息，与（2）中数据交叉分析，以此基本可以得出各个分数和文书以及其他指标的权重（weights);
4)将被录取同学的数据计算，即
（他们的Gmat/800总分)*GMAT权重%+（他们的GPA）/4*GPA权重%+所有其他，得出一个分布，其正太分布，就是该学校录取偏好值的范围了，例如可能会得出该学校分布集中在70-75。
5）将你自己的背景按照同样公式计算，若在分布范围内，则基本可以保证录取。

6）关于一些建模难点:
有一些东西很难量化，例如文书和工作经验。我的想法是通过前期统计 越是偏好分数的学校，同学用该模型定位越准确。
关于文书，这个只有你自己清楚你下了多少功夫，假设通过前期交叉分析 得出好的推荐信占的权重是10%左右，而你的推荐信实在一般可能连一般人都比不上，那你在这项的值或许就是2-5，这点很主观，大致可以估算出来。
关于W/E，这个估值比文书简单些，去看class profile, 公式：if 你的w/e 小于class profile's w/e, then(你的years/average years)* weight; Other wise it's just the weight.


范例：
假定按照我的模型，Princeton University 的录取偏好范围在90-95之间，GMAT占20% GPA-20% 工作经验25% 本科学校10% 推荐信10% 其他占15%

李刚同学的GMAT 780分，GPA 3.9，牛推，10年工作经验（超过P大平均W/E），本科河大，有CPA+CFA
于是他的分数为：780/800*0.2+3.9/4*0.2+25%+1/10*0.1+0.1+15% = 0.9，即90
所以，李刚同学在P大正太分布的范围内，很有可能被录取。

========
以上是本人一个技术设想，把W/E和文书等几个难点合理的量化后，相信会具有一定参考价值。
该模型可以被更好的完善，其核心的背景换算技术，excel足够了，其他软件或许可以把他做的更人性化大众化。

欢迎讨论~

maryrui

哈哈，有创意。但是要有足够的样本才行啊。假设前提是被录取的都上CD报AD。

lijm139

膜拜一下。。有想法

ckindreamer

哈哈  我喜欢

佳年

第一反应 就是Z模型 另外 谢谢LZ给我的故事

lanyi_bright

技术帝呀~

creepy

弄好开中介去海捞笔吧

牛牛们

这太可怕了，等学校们发现这个模型该疯了

trandee

实用性不强。。。不过想法很有意思。

cherrydew

再次 即使知道希望很小 DREAM SCHOOL还是会去试的 这量化结果抵不住侥幸心理和拼RP的欲望

这句很在理