在劍橋期間，我以對控制理論了解的寬廣度（跨所有的派系）與深入度嚇壞系上幾個最頂尖的老師，所以才被特許兩年畢業。但是，我後來的論文發表量很少，因為我無法認同控制學界的主流研究，我認為它們是在浪費老師和學生的精力。我寧可去做一些有用而很難發表的研究。
其實，我在出國前就已經從國際學術界大老們的許多篇論文知道：機械、化工與控制界的計量研究已經嚴重地脫離現實世界的真貌，在研究學者自己幻想出來而子虛烏有的問題。所以我特地挑了一位兼長理論與工程實務的指導教授。後來卻發現工程界的弊端被經學界與社會學界一再複製，以致於計量科學最後變成學術界與人類的禍害。工程界只不過是浪費學生的青春，經濟學界則製造出一大堆害死人的理論。
我可以從控制理論如何應用來解決實際問題的角度出發，講一些計量科學為何不易用在社會科學，以及一些應該會有用的建議。但是首先要簡單說明控制理論和經濟學有多親近。
控制學界研究 modeling 的時間遠比經濟學界長，處理理論與現實問題之落差的經驗遠比經學界豐富且成功。而且，從控制理論的角度看經濟現象已經是經濟學最前緣的主流研究分支之一，甚至有一個專門的期刊 Journal of Economic Dynamics and Control ，被經濟學界評為僅次於「A+ : Top journals」的「A: Excellent journals」。這個研究取向據說是 2011年諾貝爾獎得主 Thomas J. Sargent 開始的。
從控制系統的理論與經驗觀點看，過度講究經濟系統的定量模擬技巧在實用上的價值不會太高，不如整合各種定性法則與在地經濟體的實際了解，並形成巧妙運用與「診斷」」、「處方」的智慧。因此，經濟系應該要教大四和研究所學生關於台灣經濟體系的特質，以及如何銜接理論與現實的技巧，這樣才能培養出對台灣社會有用的人才。
先談控制工程是如何成功地解決理論與現實的落差。
一、控制學界的興與衰
其實，控制工程師所以能解決複雜的 system modeling 和 control，靠的不是 analytical solution，而是靠很多 informal 的 rules of thumb（它們是在 linear theories 的基礎上延伸出去的經驗法則，無法用數學證明，但不是毫無理論根據）和 cut-and-try。更重要的是在現場累積出來的「靈活運用與拿捏的智慧」。
如果只靠 analytical solutions，控制工程師根本無法解決任何實際的問題！
而我們應用的 model 簡單到嚇人：面對化工系統這種 highly nonlinear system，我們的 model 只不過是 first order linear system with time delay。主要的原因是：線性與非線性模型都註定會有很大的誤差，巧妙地善用線性理論得到的結果遠比生硬地應用非線性理論所獲得的結果更好。
其實，系統越複雜，所需要的 model 越簡單（以便於發展出有用的 rules of thumbs，並利用 iterative cut-and-try 來逐漸累積現場經驗，拿捏出較佳的模型參數）。
但是這個傳統而有效的智慧和「手藝」已經在控制學界失傳了！
今天經濟學界風迷所謂的 robust control ，其實它就是控制工程的學術研究脫離工業現場後的廢物，工業界根本沒有人在用！原因是：控制界號稱最先進的 H-infinity control 過分注重數學解的嚴謹性，使得控制理論的發展是在遷就 mathematically tractable（尤其是強調要有 analytical solution），因此在 problem formulation 上已經跟 control engineering 徹底脫節。
病根與病徵都跟理論經濟學的發展若合符節。
這個「理論與工程需要徹底脫節」的大病在電機系被備受尊敬的上一輩大老 I. M. Horowitz 寫成一篇 IEEE Trans. AC（控制界 by far the most cited journal）的 full paper "Superiority of transfer function over state-variable
methods in linear time-invariant feedback system design" 痛罵一頓。
然後玩數學的原班人馬就轉向，開始把 problem formulation 變成 transfer function description，並研究它在 function space 的解。所謂的 H-infinity control 和 robust control 就是這樣誕生的。
但是兩大根本的毛病還是沒改：只在乎解析解而不在乎 problem formulation 跟現實問題的嚴重脫節；不肯吸收過去控制界存在的大量 engineering expertise and rules of thumb，使得 control engineering 進入了 dark age。
更嚴重的是，控制界後來發展出惡劣的文化：很多志在當電機系教授的電機系畢業生，從大四就開始到數學系修課而不修跟實務有關的課程，因此對控制工程的工程面罕有所知，碩士班念應用數學所，博士班的論文 style 就像應用數學系的碩士論文；但是對控制工程界數十年來累積的經驗和智慧一無所知。
H-infinity control 四大巨頭之一跟我討論過我論文的一些假設前提，問出來的問題無知到連三十年前大學部學生都知道的基本觀念都沒有，我也沒辦法從頭開始教他 (只會玩數學而沒有任何札實的工程觀念)。
我相信上面這一段話用來描述經濟學界也完全適用。
二、計量科學為何變成學術與人類的禍害
全世界強調（mathematically sophisticated）的學術界目前都深受「為了遷就數學解的嚴謹度而使理論與實務徹底脫節」之害。
化工界的化工控制大老 (年久而忘了名字) 也曾在化工界最頂尖的期刊上罵過，機械工程學界也深受此害，因而有過工業界五巨頭與學術界五巨頭聯合發表檢討與譴責的聲明，要求大學注重訓練學生「problem formulation」，problem solving 和 hand-on 的能力。
這一切惡症的起源，就是因為 60年代美國想要追趕太空競賽的落後局面，卻發現美國所缺的關鍵技術（optimal control and optimal planning）早已在俄國有數學解（Pontryagin's maximum (or minimum) principle），因此開始美國學術界瘋狂迷戀數學解的傳統。但是發展過頭後，美國頂尖的研究型大學的理論研究都已經嚴重地跟實際問題脫節了：只管數學有多嚴謹、有多難，而不管齊數學形式是否合理，跟現實有多脫節。
如果你去看 1960年代工程界的期刊論文，不是有數學且有解就可以當論文發表。在那些年代裡，你必須要先在 Introduction 裡面定義問題，並討論這個問題在工業上的對應，確立其 significance；然後在第二節提出你的「problem formulation」，說明你的數學模型有哪些假設，這些假設在哪些現實條件下是合理的，對應著哪些待解的實際問題，或者預期可以開創哪些新的應用領域，以便用這兩節裡的討論 justify 你這個數學模型的價值與合理性；之後，才可以開始解數學題。因為有這樣的學術要求在，每一個人做研究都必須要考慮到數學模型與現實世界的關聯，所以學術研究不會變成子虛烏有的想像。
但是，現在許多領域的論文都跳過上述兩節， Introduction 裡面的研究動機都是「因為別人解不出來而我解得出來」，或者「因為這數學問題沒人解過」，所以「人云亦云」地盲從沒有意義的研究，大家只是在比誰學過的應用數學技巧比較多。
如果把學術界看成是一個 market，你可以看到這個 market 的行為模性跟「理性預期」差多遠：真正懂得理論與現實得關聯的人都被邊緣化，反而沒有用的理論變成主流，綁架一大堆最頂尖的師生在從事對現實世界毫無意義的研究，浪費人生與青春。這樣的現象絕對不是「政府失靈」就可以解釋得通的。
三、經濟學不該學控制學界的壞榜樣
回到「從控制理論看經濟學」，其實經濟體系遠比控制系統難以模擬和描述，其差距之大遠遠超乎 Robert Shiller 所能想像的。我們的成功是因為擁有一些有利的條件，那是經濟學永遠都不可能擁有的：
（1）我們的系統不管多麼非線性，至少是特性穩定，不會隨時間而變，所以才可以被反覆實驗來匯整數據。但是經濟系統的特性一直在變，有如希臘哲學家赫拉克利特（Ἡράκλειτος，前540年－前480年）說的「人無法重複走進同一條河流」；因此，從方法論的角度看，經濟系統的研究根本暨很難適用「歸納法」，也根本不適合依樣畫葫蘆地模仿理化和工程的學術發展模式。所以，我也不看好統計熱力學的方法研究經濟問題的 Econophysics。
（2）我們可以孤立控制變因（人為的系統都可以），所以可以設計出「訊號╱雜訊比」（S/N ratio，signal-to-noise ratio，訊號強度與噪訊強度的倍數比）較高的實驗與量測條件，從而使量到的數據有高度的可信度（訊號強度遠遠高過噪訊強度，S/N>>1）。但是經濟系統無法孤立控制變因，因此量到的 aggregate output 裡面藏有大量不相關因素的貢獻（控制理論叫 noise and disturbance responses），數據天生無法乾淨（量到的大部份是 contributed by noise and disturbances，not by signal，也就是說 S/N ratio<<1）。因此 modeling 的技巧再高，最後 model 的可信度都必然很低。
因此，從控制系統的觀點看，經濟學要追求的是定量的法則、實務的經驗
與智慧，而不是越來越精確的計量 model。經建會綜合計劃處專門委員林慈芳去訪問日本計量經濟模擬專家時，日本人告訴她計量模擬的竅門在 sophistically simple，說這話的人有抓到 modeling 的關鍵竅門。
至於 neuro-fuzzy model，控制學界早已玩爛了，根本鮮少產出實用的成果，以至於相關的 journals 已經嚴重欠缺 contributors，許多期刊都已經辦不下去。
但是經濟學界卻有一大堆還不知道這個事實，很多人還在繪聲繪影地說「經濟學界最新的 model 是可以自我調變的 adaptive neuro-fuzzy model」，還有人用這些把戲來騙人，換取中研院院士的地位。 不過，這故事我就不去深談了。
後記：
一位在美的台籍經濟學者跟我通信有好長一段時間了，因為他也懂工程和控制理論在經濟學界的發展，兩人聊得興起，我就寫了這一篇毫不通俗的文章當回信。又覺得或許有人會有興趣讀，就不管裡頭有多少術語而直接刊出了。
