• 对于时间序列分析：Hyndman 和 Athanasopoulos 的《预测原理和实践》绝对出色，其数学复杂度与 ISLR 大致相同（即足够，但不会太多）。它还有一个额外的好处是可以在线免费获得，并且有很多代码示例。它有一个弱点：它不能很好地提供业务上下文或 TS 建模的直观方面。为此，我推荐Stephan Kolassa 和 Enno Siemsen的“经理的需求预测”。
• 对于 GLM：Bishop 的“机器学习和模式识别”的第 4 章在分类的背景下对 GLM 进行了简要但很好的解释，并且在您正在寻找的理论数学水平上进行了解释。虽然没有代码示例，而且我认为从未发布过免费版本。
• 对于生存分析，我不能给你一个具体的参考。但总的来说，我建议您查看运筹学或工业工程的教科书和课程材料，以了解您正在寻找的中级理论内容和直观的解释。

如果您对贝叶斯推理感兴趣，那么有一本很棒的书（大量涉及 GLM），Richard McElreath 名为 Statistical Rethinking。第二版刚刚出版，YouTube 上有系列讲座。最新系列（称为 Winter 2019 IIRC）紧随第二版之后。

没有读过这个新版本，但第一版是经典之作，所以这个从 2020 年 9 月开始提供，肯定会是一个很好的参考。

• https://www.amazon.com/Regression-Stories-Analytical-Methods-Research/dp/110702398X。

我赞同 Mooks 的“Statistical Rethinking”的建议，这是一个很棒的建议。

对于 GLM，我推荐 Faraway 的用 R 扩展线性模型。我还推荐 Frank Harrell 的Regression Modeling Strategies，它对整体回归和包括生存建模在内的各种扩展提供了很好的深入解释。这两本教科书都包含 R 代码。