美英澳留学预算不足？别急，带你解锁超实用省钱秘籍！

本科：

学费 ( 人民币 / 年 )：35-45万

生活费用( 人民币 / 年 )：8-10万

学制：4年

硕士：

学费 ( 人民币 / 年 )：20-35万

生活费用( 人民币 / 年 )：9-15万

学制：1-2年

住宿：校外合租或寄宿家庭，租房时注意选择交通便利、澳留安全可靠的学预区域。

饮食：自己做饭，足别偶尔选择快餐店就餐。急带解锁籍

交通：尽量选择公共交通或步行、超实骑行。用省

二手市场：通过学校论坛、钱秘二手交易网站或实体店铺等途径购买二手教材、美英家具、澳留家电等物品。学预

打折与优惠：关注各大商场、足别超市的急带解锁籍打折信息，同时，超实也可以关注一些提供折扣信息的用省网站或APP，如Dealmoon等。

Need-based Financial Aid

面向成绩优秀，能力突出，但家庭经济较困难的学生。

Merit-based Financial Aid

金额一般在6000-12000美元/年。对学生成绩要求，能力要求高。

美国留学助学金(Fellowship)

全奖，金额最高、但竞争激烈，可以免除学费、住宿费、保险费、书本费等，还会给获奖学生一定金额作为其个人消费费用。

美国留学奖学金(Scholarship)

具体金额根据学院规定的学杂费金额而定。一个学生可以有资格获得两种以上的奖学金。 

本科：

学费 ( 人民币 / 年 )：10-30万

生活费用( 人民币 / 年 )：10-14万

学制：3年（苏格兰4年）

硕士：

学费 ( 人民币 / 年 )：10-35万

生活费用( 人民币 / 年 )：10-14万

学制：1年（授课式硕士）

住宿：学校宿舍或与他人合租。

饮食：自己做饭，同时，关注超市的特价商品和打折信息。

交通出行：购买学生票或火车打折卡可以享受交通优惠。如16-25 RailCard或26-30 Railcard，购买火车票时会有1/3的优惠，在伦敦的学生还可以办理18+ Student Oyster Card，享受7折出行优惠。

学生折扣：下载UNIDAYS或Student Beans等购物优惠APP，可以获取各种品牌的学生折扣信息；在实体店购物时，结账前询问是否享有学生折扣，如Top Shop、Office、Dr.Martin等品牌都有学生折扣。

二手市场购物：从eBay、Amazon等网站或学校的二手群购买二手教材；在Gumtree、eBay等二手市场平台购买性价比高的二手家居用品。

兼职：英国允许留学生一周兼职不超过20个小时。申请一个insurance number后，可以在餐厅、超市、零售店等地方找到兼职工作。

家教和项目助理：成绩优秀的同学可以通过做家教或帮导师做项目赚取零用钱。

CSC国家公派奖学金

国家留学基金委员会资助，包含各类生活补贴，一般2/3月份准备材料，每年3月申请。

非凡英国奖学金计划

英国文化教育协会发放的奖学金计划，单笔金额不少于1万英镑。

Ors奖学金

奖金约6000英镑，一般4月申请，7月出结果。

院校奖学金

包括大学奖学金、院系奖学金、项目奖学金、专项奖学金等。

本科：

学费 ( 人民币 / 年 )：15-25万

生活费用( 人民币 / 年 )：10-15万

学制：3-4年

硕士：

学费 ( 人民币 / 年 )：15-25万

生活费用( 人民币 / 年 )：10-15万

学制：1-2年

住宿：学校宿舍通常较贵，可以选择校外租房或合租。

饮食：尽量自己做饭。

学生优惠：很多商家会提供学生折扣，购物、交通、娱乐等方面都可以留意并使用这些优惠。

交通：澳洲公共交通费用也不低，可以购买交通卡享受优惠，或者选择步行、骑行。

购买二手书籍和资料：新书价格昂贵，可以通过图书馆借阅、购买二手书或电子书。

兼职打工：在不影响学业的前提下，可以寻找兼职工作。自2023年7月1日，澳大利亚留学生打工时长延长至每两周不超过48小时。

合理管理外汇：关注汇率变化，在汇率合适时兑换外汇，避免不必要的浪费。

澳大利亚奋进奖学金

 面向硕博留学生，成绩要求较高，申请通常在每年的4月开始，7月底结束。包括学费、差旅津贴、安顿津贴、月生活津贴等。

澳大利亚目的地奖学金

适用于在澳洲偏远地区院校攻读从四级证书课程至博士学位课程的学生。申请者可直接向自己的院校申请。每年15,000澳元，最长可获得四年。

学校奖学金

各大学也设有多种奖学金，如：

悉尼大学：悉尼成就国际奖学金，针对本科和硕士留学生，每年可申请1万澳元奖学金。

私人或机构奖学金

这些奖学金通常由个人、校友、私人基金会或与澳洲大学合作的企业提供。

美英澳的留学费用在众多留学地中一直较高，但通过精心规划和巧妙利用资源，能节省很多不必要的开支，在有限的资源下做出最优选择。