我们提供灵活的学习模式，以满足您的需求。我们的博士学位可以在三年的全日制基础上学习，也可以在四到六年的兼职学习，从学年的第一学期开始。全日制和非全日制都可以在雷丁学习，也可以为居住在英国以外的学生提供远程学习。
虽然我们欢迎任何经济学主题的NBA投注[手机]俱乐部研究提案，但强烈建议您的提案符合一个或多个工作人员的NBA投注[手机]俱乐部研究和监督兴趣。
本系的NBA投注[手机]俱乐部研究活动广泛而广泛；我们最活跃的领域包括商业经济学、发展经济学、行为经济学、劳动经济学和体育经济学。
我们提供什么
与外部合作伙伴合作的项目
我们的一些博士生参与跨学科项目或与外部合作伙伴的项目。在这些情况下，他们可能会得到一名来自大学以外的主管的支持，并与更广泛的员工互动。
访问博士生
经济学系欢迎来自其他大学的博士生申请在雷丁进行为期一个月到一年的访问。
作为一名访问博士生，你将可以充分利用大学的NBA投注[手机]俱乐部研究和图书馆资源，可以旁听nba投注模块，参加NBA投注[手机]俱乐部研究研讨会，并向系里展示你的NBA投注[手机]俱乐部研究成果。你将被指派一名具有相关专业知识和类似NBA投注[手机]俱乐部研究兴趣的导师。
作为一名访问博士生，你通常会收取一定的费用，这取决于你访问时间的长短。
查看我们的博士学费。
博士学位的机会
找一个与你的兴趣和职业抱负相一致的博士机会。
我们希望确保您与我们一起度过的时间尽可能有回报。为了让您探索您的各种选择，这里列出了我们目前可用的博士学位机会。
然而，我们确实提供了更多的选择，所以请与我们联系以获取更多信息。你可以提出你自己的项目，与我们的NBA投注[手机]俱乐部研究相一致。了解更多关于如何申请博士学位，以及确定和联系导师的信息。
应用经济学：什么对公司和性别薪酬差距有效？
导师：Giovanni Razzu教授和Carl Singleton博士
关于项目：大量文献NBA投注[手机]俱乐部研究了性别工资差距的决定因素(见评论Altonji和Blank, 1999；Weichselbaumer and Winter-Ebmer, 2005；Blau and Kahn, 2017)。对男女劳动力市场差异的解释通常分为三大类：生产率、偏好和歧视，它们都是相互关联的（Altonji和Blank， 1999）。然而，随着大多数发达国家性别差距的缩小，第一类解释，特别是以人力资本为基础的解释的重要性和重点已经减少。尽管如此，薪酬差距依然存在，而且普遍存在。最近的NBA投注[手机]俱乐部研究着眼于偏好和心理属性的性别差异，以及这些差异如何影响生产力、选择和信念(见评论Croson和Gneezy, 2009；伯特兰,2011;Azmat and Petrongolo, 2014)。公司的角色，特别是男性和女性工作的公司，贯穿了这些解释。早期的NBA投注[手机]俱乐部研究发现，在美国，女性比男性更有可能在工资较低的公司工作，反之亦然，在工资较高的公司(Blau, 1977；Groshen, 1991;Bayard et al., 2003)。最近的NBA投注[手机]俱乐部研究发现，在美国性别工资差距中，女性企业内部的低工资增长比女性被（不）分类到工资更高的企业中发挥的作用更大(Goldin等人，2017；Barth等人，2017)。在更广泛的范围内，在一些国家，NBA投注[手机]俱乐部研究已经开始记录男性和女性工作的公司在考虑性别薪酬差距水平和趋势方面的重要性(例如美国：Sorkin, 2017；葡萄牙：Card et al., 2016, Cardoso et al., 2016；德国：布伦斯，2018；法国：Coudin et al., 2018；丹麦：Gallen et al., 2017；英国：Jewell et al., 2018)。
即使越来越清楚的是，公司在缩小整个收入分配中的性别工资差距方面发挥着重要作用，但在理解哪些特定的基于公司的政策和管理实践对单个公司和性别平等都有效方面，仍存在重大的证据差距。填补这一证据空白将有助于对这一领域未来有效的政策制定提出建议。
该项目将涉及与英国数据的安全访问来源的工作。由于数据集的性质和访问要求，远程学习是不可能的。该博士生将受益于与雷丁大学经济系至少两名知名学者在该项目中合作，其中一人将成为博士生导师。他们可以期望与这些学者共同撰写NBA投注[手机]俱乐部研究成果（出版物），这将有助于他们的博士论文。此外，他们将制定自己的独立NBA投注[手机]俱乐部研究议程，由他们的监督团队提供建议，并以他们从项目合作中学到的知识为基础。这将有助于他们博士论文的剩余部分。
前提条件：理想情况下，博士生将有处理大型数据集、统计软件（如SAS、SPSS、Stata或R）的经验，并NBA投注[手机]俱乐部研究过微观计量经济学和劳动经济学的硕士水平课题。
资助说明：申请人应能自行资助。一旦录取，可能会提供一些定制的支持，以申请外部资金来源，以支付一些费用。
金融中的功能数据分析
指导教师：王世轩博士
项目简介：在功能数据分析（Functional data analysis， FDA）中，感兴趣的变量可以很自然地看作是光滑的曲线或函数，而不是单变量分析中的标量或多变量分析中的向量。在过去的二十年里，该领域发展迅速。虽然FDA的中心思想和方法已经达到了一定的成熟水平，但其在各学科中的应用仍处于加速发展的阶段。
其中，金融是很大程度上受益于FDA工具广泛使用的领域之一。在金融领域，一些可以自然地被视为曲线的突出例子包括：日内价格曲线（Kokoszka等人，2015）、利率期限结构（Barsley, 2017）、商品期货远期曲线（Horváth等人，2019）和价格签名（Oomen, 2019）。
这个博士项目的本质是利用FDA新开发的工具为金融NBA投注[手机]俱乐部研究提供新的见解，这是传统方法无法揭示的。因此，你的第一章和第二章将主要是应用工作。很可能你会发现FDA目前的工具箱在某些特定的财务问题上存在一些局限性。然后，第三章可以开发一种新的FDA方法，致力于扩大FDA在金融中的适用性。
参考文献：Bardsley， P., Horváth， L., Kokoszka， P., & Young， G.（2017）。功能因子模型的变点检验及其在产量曲线上的应用。《经济NBA投注[手机]俱乐部研究》，20(1),86-117。Horváth， L., & Kokoszka， P.（2012）。推理功能数据与应用程序（卷200）。b施普林格科学与商业媒体。霍法、L。刘,Z,大米,G。,美国& Wang(2019)。商品期货远期曲线的函数时间序列分析。国际预测杂志。科科斯卡，P.，缪慧，和张旭（2015）。日内价格曲线的功能动态因子模型。金融计量NBA投注[手机]俱乐部研究，2013(2),456-477。Kokoszka， P., & Reimherr， M.（2017）。功能数据分析概论。CRC出版社。欧曼，R.（2019）。价格签名。计量金融，19(5),733-761。拉姆齐，J. O.和西尔弗曼，B. W.（2005）。功能数据分析。施普林格。
先决条件：扎实的数学或统计学背景，具备金融知识；熟练使用Matlab， R, Python；了解Ramsay and Silverman（2005）、Horváth and Kokoszka（2012）、Kokoszka and Reimherr（2017）等FDA主要教材。
资助说明：申请人应能自行资助。一旦录取，可能会提供一些定制的支持，以申请外部资金来源，以支付一些费用。