- 发帖可能变空内容，邪门暂不知所以然
- 『稷下学宫』新认证方式，24年网站打算和努力目标
主题：对经济学家的尊敬进一步减少了 -- 洗心
家园 对经济学家的尊敬进一步减少了 前几个月到COURSERA 网上注册了母校一门课，号称是为科学家开的经济学课。 真正的原因是俺这个NERD 比较怀念数学了，多年工作不用， 专门选了这门号称数学用得比较多的经济学研究生入门课看看自己还会不会数数。 老公知道了也凑热闹注册了。
上课的过程主要就是两个人吐槽的过程。 optimization 过来， optimization 过去， 貌似很科学很严密的样子， 大概把一些数学不好的菜鸟绕晕了， 但optimization 之前的假定，是否成立，在哪些条件下才能成立， 永远不提不讨论。 这就是冒充科学的经济学。
后来成绩出来，没想到我这个随便混混的成绩居然还不错, above 90% . 于是俺对经济学家的尊敬进一步减少了。 其实平心而论，俺还是学到了一些东西的，但有句话怎么说的来着， “I don't want to belong to any club that will accept me as a member.”
对本版无辜躺枪的经济学家们提前表示诚挚道歉。
家园 建议你学一学计量经济学，然后再评价一下经济学 伽利略时代人们对物理学的看法与你现在对经济学的看法是一致的，因为科学发展水平太低，对解决实际问题帮助不大。当时的物理学有什么用呢？能准确预测射箭的轨迹吗？物理学肯定不如一个文盲射手！什么？如果是真空的环境，你就能预测了？这个假设太牵强了吧？这个假设根本不可能存在！
社会科学相比于自然科学发展水平低得多，经济学是所有社会科学里发展水平最高的，但是也大概只相当于物理学在伽利略时代的发展水平。所以不能用自然科学的发展水平来要求经济学。
你对经济学的轻视，一方面是由于经济学作为一门科学的发展水平太低；另一方面也由于你对经济学的误解。误解也来源于两方面，一方面很多不是真正经济学家的人自称经济学家，让你轻视了，就好像几百年前炼丹术士也自称化学家；另一方面你对真正经济学的理解还有不足。
经济学三大主干课程微观、宏观和计量。前两门课程主要注重前提假设和模型推导，与物理、化学等自然科学从研究方法上来看差异不大。而计量经济学更加体现社会科学的特点。
社会科学不同于自然科学的一个主要特点就是大部分情况下不能做实验。因此原因和结果的分析往往模糊不清。航天飞机系统够复杂了，但是绝大多数坠毁都能找到原因。“雄鸡一唱天下白”，究竟是雄鸡叫引起了太阳升，还是太阳升引起了雄鸡叫？如果不能知道地球自转引起了太阳升将，你怎么解决上面的因果关系？美国犯罪率下降的原因是什么？有一本非常好的畅销书《魔鬼经济学（Freaknomics）》提到这个问题，很有趣易懂，也很严谨。
计量经济学主要研究的是因果关系的实证问题。建议你学一学计量经济学，拿到above 90%，然后再评价一下经济学。
家园 你讲的很好，经济学是处于非常非常早期的 如同当年的伽利略时期。经济学人的错误在于，没有认识到经济学还处于非常早期的地位，而和物理化学一样去当作成熟科学运用。
认识到经济学是一门科学，但还非常早期的科学。经济学应当从直接解释事物和指导社会的显学中退出去，退回书斋潜心研究。等以后理论更成熟更突破后，再出来指导社会实践。
家园 并非一定要等科学成熟了才能指导实践 成熟与不成熟都是相对的。
固然，经济学相对于绝大多数自然科学来说成熟度低很多，但是相对于绝大多数社会科学来说成熟度高很多。
经济学之所以成为显学，是由于社会对它的需求很强烈，否则只会成为书斋里少数人自娱自乐的东西。
经济学虽然还不成熟，但是在经济领域它还是最靠谱的理论。
在我看来，现代医学已经发展得很成熟了，但是面对癌症治疗，你也可以说它很不成熟——可能误诊，治疗手段有限，很难真正治愈。面对癌症，你只能寻求医学的帮助。
再说一句，对于那些神神叨叨宣称自己一剂偏方能治癌症的人，即使他们自称医生，你也绝对不要相信他们是真正的医生；对于那些神神叨叨宣称自己一套政策改变世界的人，即使他们自称经济学家，你也绝对不要相信他们是真正的经济学家。
家园 雄鸡和太阳的问题很好解决啊 头天晚上炖鸡汤，第二天早上就清楚了。
家园 杀光世上所有的雄鸡？ 太想当然了！
家园 哈哈，想当然是所有人的通病 作为古人，只需要把村子里的鸡炖了，就可以知道，太阳升起至少和本村的鸡无关。
作为现代人，你认为太阳升起是地球自转的结果。但是，你怎么知道地球自转不是全球公鸡此起彼伏的鸣叫推动的？
以上纯属吐槽，勿怪。只想小心地提醒一点，关于因果关系，你真的全部了解么，别想当然。
家园 我也昨天刚刚结束了prof. Ng 那个machine learning的课程。
讲的很清楚，不仅仅在machine learning上学到不少。特别是在各种错误的时候该如何处理，是high variant, high bias, 还是该去取更多的数据，都非常的有意思。
prof. Ng讲了一个非常有意思的现象：一个工程师早上起来冲了电一样说，我准备要这样（比如说去拿更多的训练数据）然后就花上几个月时间的去做，而没有对错误进行分析。
其实我工作时候有时候碰到难题，表现也差不多。早上起来或者锻炼完了，就跟自己说，不要紧，我一定要这样那样，然后就埋头干了。其实可能真的对问题没有好好的分析，拍脑袋搞研究啊。
哪怕是拿到博士这么多年了，还是学到不少东西