复旦大学统计学考博考试注重对考生在数理统计理论、方法应用及学术研究潜力的综合考察，其参考书目体系以经典教材与前沿领域相结合为特点。考生需系统掌握《数理统计与数据分析》（李贤平著）构建的统计基础框架，该书深入阐释了概率论公理化体系、参数估计与假设检验的核心定理，特别是对最大似然估计的充分必要条件、C-R下界等理论细节的论述具有学科代表性。在回归分析领域，《回归分析及其应用》（G. A. F. Seber著）作为进阶教材，需重点研读线性回归模型的正则化条件、稳健标准误计算方法，以及多元线性回归中多重共线性的处置策略，配合《计量经济学导论》（伍德里奇著）中关于面板数据模型的处理技巧，形成完整的回归分析知识链。

时间序列分析部分要求考生精读《时间序列分析：应用与理论》（Box & Jenkins著），掌握ARMA模型的平稳性条件检验、单位根检验的具体实现步骤，以及季节调整的X-12-ARIMA方法。对于非参数统计，Conover《非参数统计方法》中关于符号秩检验的扩展应用、Mann-Whitney U检验与Kruskal-Wallis检验的异质性分析等内容，需结合实际案例进行验证。在贝叶斯统计方向，《贝叶斯统计：理论与实践》（ Gelman 等）中关于MCMC算法的收敛性诊断、后验预测检验等现代方法，应与《统计推断》（Casella & Berger著）中的决策理论相结合，形成完整的统计推断体系认知。

考生需特别关注跨学科融合能力培养，如结合《生物统计方法》（Wasserman著）掌握生存分析中的Cox比例风险模型，或运用《机器学习中的统计方法》（Hastie 等）处理高维数据下的变量选择问题。在备考策略上，建议构建"三阶复习"体系：基础阶段完成教材精读与课后习题全解（约120学时），专题阶段针对近年真题中贝叶斯统计（近三年占比23%）、非参数方法（18%）等热点题型进行突破（60学时），冲刺阶段通过模拟考试训练（每周3套全真试卷）强化知识迁移能力。需注意关注《统计研究》等核心期刊中关于因果推断、大数据统计等领域的最新研究动态，在博士申请考核中展现学术前瞻性。