本科专业排行(附Excel表格)
- 2026-08-10 08:54:26
数据基于麦可思就业蓝皮书2025和2024版（2025版的数据是2024届），2026电子版还没上线。未来三年我会补充更新2026、2027、2028的数据。参阅：本科专业选择-参考书（下） 
本身就是就业蓝皮书，所以排行的思路是偏向就业的 上次的本科高校排行，有人认为，无法真实确定高校实际水平，包括处理后的数据和原始数据。我认为问题在于：
现在有差不多一千个本科专业，如果随机地研究自己感兴趣的专业，缺少一个整体的视野，缺少串起来的一条线。这条线甚至都不需要完全准确，只是一个研究的大纲、顺序 你可以从排行里挑出一些感兴趣的专业，再额外研究课程、难度、硕博、前景...不会完全依赖我的表格来决定吧。参阅：本科专业选择-参考书（上） 文件是可编辑格式，你如果觉得，有些数据处理的不合适，可以自行调整参数；如果发现公式、数据录入错误，可以提醒我，我后续版本修改 如果这篇文章百万+了，那肯定会造成专业堵车，但那种可能性微乎其微。
两个“数据”sheet，并没有保留所有专业
11 军事学无数据，所以删除不体现，这本来也不是一个赛道
大部分小语种（0502外国语言文学类）无数据，删除不体现
14 交叉学科以及其他新学科，没有往年统计数据，但本身是值得斟酌的，所以保留下来，各参数均按照全专业均值
01 哲学大类整个没有数据，可能是样本数太少，保留，各参数均按照全专业均值
四、参数选择和定义：
排行根据以下参数：
毕业半年后的毕业去向落实率
月收入（毕业半年后/毕业五年后）
工作与专业相关度（毕业半年后/毕业五年后）
麦可思将中国本科毕业生的毕业状况分为七类：受雇工作、自由职业、自主创业、入伍、国内外读研、准备考研、待就业。其中，受雇工作包含受雇全职工作、受雇半职工作，受雇全职工作指平均每周工作32小时或以上，受雇半职工作指平均每周工作20～31小时。
毕业去向落实率：本科生的毕业去向落实率＝已就业本科毕业生数/本科毕业生总数，其中已就业人群包括“受雇工作”“自由职业”“自主创业”“入伍”“国内外读研”。
说实话，去向落实率的水分太大了，但没办法，且不说麦可思没有细分，甚至他们拿到的数据本身，就是有水分的。但是没办法，假设水分的比例相同，还是可以参考的。
月收入：全职 + 半职+ 自由职业 + 自主创业四类人群混合加权平均值；读研、备考、待就业人群不参与月薪计算。
工作与专业相关度：毕业生目前所从事的工作与所学专业的对口情况，由受雇全职工作的毕业生回答自己目前的工作是否与所学专业相关。工作与专业相关度＝受雇全职工作并且工作与专业相关的毕业生人数/受雇全职工作的毕业生人数。
五、缺失数据处理：
数据状况如下：
学科门类（2位代码）基本齐全（缺01哲学、14交叉学科、部分06历史学），例：2024届本科各学科门类毕业生毕业半年后的毕业去向落实率
学科类（4位代码）：提供主要专业类，例：2024届本科主要专业类毕业生毕业半年后的毕业去向落实率
专业（6位代码）：仅提供了小部分专业的数据，例：2024届本科生毕业半年后的毕业去向落实率排前50位的专业
直接提供专业数据的，使用专业数据 没有专业数据的，采用学科（专业类）平均数据 没有学科数据的，采用门类平均数据 没有门类数据的（01哲学，14交叉学科），采用全专业平均数据，所以这两个门类的计算不具备参考意义，仅仅是为了不遗漏可选专业，才保留在表格内 所有采用上级平均数据的，都用灰色底色标注，原始数据无底色
这样，绝大多数的专业，其实是采用学科的平均数据。建议将重点放在学科上，就当是一个学科排行表格，如果里面有专业数据，就当成额外的惊喜。
必须注意原始数据的颜色，看是不是用平均数据来替代的！！！
六、算法：
所有数据均除以全专业均值：
落实率：百分数，全专业均值为100%
相关度：百分数，全专业均值为100%
月收入：再乘以100，全专业均值为100
半年折算月收入=半年落实率（折算百分数）x半年月收入（均值100）
半年月收入的权重设为0.4，五年月收入的权重设为0.6，可以在表格内自行调整权重值
排名值=0.4x折算半年月收入+0.6x五年折算月收入
七、相关度和修正排名
工作与专业相关度是一个尴尬的数据：
基本只有门类有相关度，连学科也没有
壁垒型专业（例：医学）：相关度是刚需，不对口基本无法就业，因此上调得分，理由似乎不充分
通用型专业（例：中文）：通用性强，跨行业就业属于常态，似乎不应该因为相关度低，就扣分
但是四年的学习，就没什么价值，该专业的培养与市场脱节，也缺乏职业壁垒，似乎应该调整得分
目前的做法是，调整，但是弱化调整的力度，将 其 对平均值的百分比，乘以0.2，相当于将这个缩放系数打了2折。0.2的话，最多大概可以导致±6。0.2这个数值，可以自行设定。
算法是：1+0.2x(相关度/平均相关度-1）
修正排名：半年折算月薪x半年相关度系数x权重0.4+五年折算月薪x五年相关度系数x权重0.6
保留了 不考虑相关度的排名，和考虑相关度的修正排名，可以自行选择参考哪一个数据
八、红绿黄牌
麦可思每年会给出一些红绿黄牌专业
红牌专业是指就业落实率、薪资和就业满意度综合较低，且市场需求减少或增长缓慢的专业。
黄牌专业是指除了红牌专业外，就业落实率、薪资和就业满意度相对较低，且市场需求增长缓慢或有下降趋势的专业。
绿牌专业是指就业落实率、薪资和就业满意度综合较高，且市场需求增长的专业。
一些近年来新增开设的专业，由于缺乏成规模和成趋势的毕业生数据，暂时没有被包括在内。
表格包含这些信息，在排名/修正排名列，用相应的底色表示
九、最终效果
中间数据太多了，这些列，我全部隐藏了，如果需要调整/校对，可以自行放出来。
如果要保持门类-学科-专业的结构，就无法排序，我额外复制了一个“本科专业数据-排序”sheet，按照2024的修正排名降序排列，如果需要筛选，可以使用A列“类型”，选择 门类、学科、专业
传送门
