私と共同研究を希望する場合に推奨する数学，統計学，計量経済学，プログラミングスキルについて
必ずしも以下の項目について網羅する必要はありませんが，それぞれの項目について参考になる本を挙げておきます．ここで挙げた本に限らず同等の内容について勉強することを推奨します．
数学
以下は学部のうちに身に付けることを推奨する内容です．
微分積分学，線形代数の基礎
志賀「微分・積分30講」，志賀「解析入門30講」(難易度順)，笠原「新装改版 微分積分学」
志賀「線形代数30講」，斎藤「線型代数入門」
以下は学部のうちにできれば勉強することを推奨する内容です．
集合・位相の基礎
志賀「集合への30講」，志賀「位相への30講」，内田「集合と位相」
測度論，ルベーグ積分の基礎
吉田「ルベーグ積分入門」，伊藤「ルベーグ積分入門」
測度論的確率論の基礎
舟木「確率論」，西尾「確率論」
以下は特に私の専門分野(時空間データ解析，非ユークリッドデータ解析等)で研究を希望する場合に修士のうちに勉強することを推奨する内容です．
関数解析の基礎
吉田「関数解析の基礎」，黒田「関数解析」
フーリエ解析の基礎
新井・杉本・高木・千原訳「フーリエ解析入門(プリンストン解析学講義1)」，新井「新・フーリエ解析と関数解析学」(難易度順)
多様体の基礎
松本「多様体の基礎」
統計学
以下は学部のうちに身に付けることを推奨する内容です．
数理統計学の基礎
久保川「現代数理統計の基礎」，稲垣「数理統計学」，竹村「現代数理統計学」(おおむね難易度順)
以下は修士のうちに勉強することを推奨する内容です．
数理統計学
Shao, J. (2003). Mathematical Statistics.
van der Vaart, A. W. (1998). Asymptotic Statistics.
以下は特に私の専門分野で研究を希望する場合に修士のうちに勉強することを推奨する内容です．
ノンパラメトリック統計学
西山・人見「ノン・セミパラメトリック統計解析」
Tsybakov, A. B. (2009). Introduction to Nonparametric Statistics.
経験過程
van der Vaart, A. W. and Wellner, J. A. (2023). Weak Convergence and Empirical Processes.
Giné, E. and Nickl, R. (2015). Mathematical Foundations of Infinite-Dimensional Statistical Models.
van der Geer, S. (2009). Empirical Processes in M-Estimation.
高次元統計学
Wainwright, M. (2019). High-Dimensional Statistics.
Vershynin, R. (2018). High-Dimensional Probability.
時系列解析
Fan, J. and Yao, Q. (2003). Nonlinear Time Series.
Lahiri, S. N. (2003). Resampling Methods for Dependent Data.
Brockwell, P. J. and Davis, R. A. (1991). Time Series: Theory and Methods.
関数データ解析
Kokoszka, P. and Reimherr, M. (2021). Introduction to Functional Data Analysis.
Horváth, L. and Kokoszka, P. (2012). Inference for Functional Data with Applications.
分布データ解析
Panaretos, V. M. and Zemel, Y. (2020). An Invitation to Statistics in Wasserstein Space.
距離空間データ解析
Burago, D., Burago, Y., and Ivanov, S. (2001). A Course in Metric Geometry.
統計的極値理論
国友・栗栖「極値現象の統計分析-裾の重い分布のモデリング」
de Haan, L. and Ferreira, A. (2006). Extreme Value Theory: An Introduction.
Resnick, S. (1987). Extreme Values, Regular Variation and Point Processes.
計量経済学
以下は学部のうちに身に付けることを推奨する内容です．
計量経済学の基礎
西山・新谷・川口・奥井「計量経済学」
以下は学部のうちにできれば勉強することを推奨する内容です．
因果推論の基礎
川口・澤田「因果推論の計量経済学」
以下は修士のうちに勉強することを推奨する内容です．
計量経済学
Hansen, B. (2022). Econometrics.
修士以降で計量経済学の理論研究を希望する場合，数理統計学に関して修士のうちに勉強することを推奨する内容の代わりに Hansen, B. (2022) Probablity & Statistics for Econometrics を勉強しても良いです．
機械学習
修士以降で統計的機械学習について勉強・研究する場合は以下の本も参考になります．
統計的機械学習
Mohri, M., Rostamizadeh, A., and Talwalkar, A. (2012). Foundations of Machine Learning.
Murphy, K. P. (2012). Machine Learning: A Probabilistic Perspective.
プログラミング
以下は学部のうちに身に付けることを推奨する内容です．
R，Python等によるデータ分析スキル
回帰分析などの標準的な統計分析手法を，適切なパッケージを利用しつつ実装できるようになっておくと卒論，修論，博論を書く際に役立ちます．