三個經濟學家有四個看法，經濟學家如何從數據做出未來經濟預測？

本文由 高柏科技 合作，泛科學撰文

林唯耕剛回台灣任教時，曾在清華大學的實驗室裡用一立方公分的「氨」做實驗。沒想到氨氣意外洩漏，那股刺鼻的氣味瞬間瀰漫整棟大樓，引來眾多師生抗議。

「從此以後，我再也不敢在實驗室裡用氨了。」他在《思想實驗室》的訪談中，帶著笑意回憶這段往事。

這段插曲聽來像是一則工程師的寓言：在理論模型中，氨是太空熱控系統的理想介質；但在現實的辦公大樓裡，它首先是逼人逃竄的臭味。公式本身沒有錯，但現實世界永遠比公式更複雜——它包含了人、成本、風險，以及必須為後果負責的工程師。

高柏科技技術專家、清華大學榮譽退休教授林唯耕 ，曾任職於美國 OAO 工程部熱流組，深耕電子構裝散熱與熱管技術多年。隨著 AI 浪潮席捲全球，他鑽研一輩子的老問題再次被推向科技產業的核心：當晶片運算速度無止境攀升，那股伴隨而生的熱，究竟該往哪裡去？

熱不會讀新品發表會

科技巨頭在發表會上熱衷於談論大型語言模型、GPU 規格與驚人的算力。這些詞彙在投影片上光鮮亮麗，彷彿進步毫無邊界。然而，每一次數位運算都紮實地發生在實體晶片上。晶片會發熱、材料會疲勞老化，一旦設備過熱，系統便會降頻保護。在物理現實面前，再動聽的發表會敘事也必須低頭。

回顧個人電腦發展早期，晶片幾乎不需專屬散熱元件。隨後，鋁製鰭片、風扇、熱管到均溫板逐一登場。這段歷程常被視為技術升級，其實更像是對空間的極限勒索：晶片功率翻倍，發熱源的面積卻沒變大，機箱空間也不可能無限擴張。

林唯耕指出，散熱設計的核心只有三要素：功率、熱源面積與空間限制。他舉例，在標準的 1U 機箱中，若發熱面積約為三十乘三十毫米，氣冷系統在達到八百瓦時就會面臨瓶頸。這並非固定的物理常數，而是取決於空間、面積與氣流的動態平衡。最現實的代價在於，風扇轉速提升的背後，是噪音、電力損耗與空間占用。

因此，「液冷技術」的興起並非單純為了追求酷炫，而是算力密度提升後的必然選擇。它能更精準地帶走晶片廢熱，卻也將新的挑戰帶入機房：漏液風險、流道堵塞、材料相容性，以及維運時的難度。工程的進步，本質上鮮少是徹底消滅問題，更多時候是選擇一組「比較值得承擔」的新問題。

太空教他的，不是把答案搬回地面

太空熱控工程之所以迷人，是因為它剝奪了地球上最常見的散熱工具。在真空宇宙中，沒有空氣能讓風扇製造對流；受光面溫度破百度，陰影處卻極度嚴寒。工程師必須純粹仰賴熱傳導、熱輻射，以及熱管與環路型熱管（LHP）來搬移熱能。

熱管運作的關鍵在於「相變」——液體蒸發時吸收大量潛熱，冷凝後重回循環。林唯耕比較了銅與水的熱傳導能力：在他設定的特定條件下，實心銅塊約能傳導 120 瓦的熱能；但若每秒有一立方公分的水發生蒸發相變，移熱量可瞬間拉升至 2.4 千瓦（kW）。他強調「每秒」的觀念，因為散熱談的是動態流動速率，而非靜態的冷卻魔法。

儘管如此，太空科技並不能直接套用到地面。太空元件因考量重量、功耗與維修難度，偏好無馬達幫浦的被動式設計；但地面 AI 伺服器面臨更高的熱負載與環境溫度，往往仍需幫浦驅動流量。當年那場「氨氣洩漏」事故正是最好的提醒：技術是否「先進」，與它是否「適合」當下的場景，始終是兩回事。

好論文，為什麼仍可能造不出好產品

學術研究致力於證明「可行性」，而工業現場則要求「可重複性」——不僅要能運作，還得確保每台出廠的設備都不漏水。林唯耕將此定義為「從 0 到 1」與「從 1 到 100」的差別。後者涉及良率、成本、公差與客戶信任。論文中那次最完美的實驗數據，在產線上往往未必管用。

他從不避談失敗。在高柏科技早期與學界合作時，也曾遇過實驗數據無法複製，或研究方向偏離產業需求。這未必是雙方努力不夠，而是彼此對「成功」的標準不同。為了解決這道鴻溝，高柏科技推動「柏苗啟航創新培育計畫」，每年投入逾千萬資金與成大、中山、台科大等校合作，並指派專業人才在過程中持續微調、校正，確保研發貼近產線現實。

他分享了近期一項液冷工質校正專案。團隊使用非侵入式的超音波流量計進行觀測，但由於儀器預設以「水」校正，換成其他化學流體後讀數便出現誤差。最初嘗試用幫浦壓差推算，卻發現缺乏重複性，數據甚至推導出不合理的蒸發率。最後團隊回歸基本面，改用秤重法搭配能量平衡進行交叉驗證，才讓數據成功收斂。

這個故事真正的價值不在於「產學雙贏」的口號，而在於那段不夠優雅的挫折：假設失效、數據混亂、方法砍掉重練。也正是在這種時刻，企業需要的不只是會算數的人才，而是能洞察研究何時「走鐘」，並有權力喊停、要求重來的關鍵決策者。

林唯耕坦言，過去在校園裡總認為「技術第一、成本第二」，進入商界後才驚覺行銷與信任關係往往才是關鍵。這番話雖然不如科技突破那樣動聽，卻是產品能否進入市場的殘酷真相。再卓越的散熱設計，若無法穩定生產或贏得客戶信任，也僅止於一份精美的報告。

AI 會給答案，誰來負責出貨？

訪談尾聲，主持人國威提出了一個時代難題：假設 AI 能在彈指間生成散熱架構、材料配方與流道設計，企業該選擇全面擁抱 AI 的速度，還是保留緩慢但穩定的工程驗證，以規避潛在的失效風險？

林唯耕拒絕落入二選一的框架。他的觀點是：兩者並存。AI 擅長處理資訊、生成草案；但工程師仍須實作原型，進行嚴苛的性能與可靠度測試，最終由人決定是否出貨。這並非盲目崇拜人類直覺，而是基於一項事實：AI 的資料庫裡，通常沒記載下一次「意外洩漏」或「材料疲勞」的細節，且模型永遠無法為量產結果擔負法律與商業責任。

在 AI 時代，最稀缺的未必是熟練下指令（Prompt）的人，而是具備這種能力的人：能預判答案可能在哪裡出錯、能設計實驗將問題「逼」出來，並且願意為最終的量產品質負起責任。

大眾習慣將雲端想像成輕盈、無重量的空間。但現實中，雲端是由龐大的機房架構而成，裡面裝滿了晶片、管線、泵浦與冷卻液。虛擬算力的每一次擴張，都會在實體世界留下發熱的足跡。散熱工程師的價值，就是不讓這筆物理帳單，被埋沒在光鮮亮麗的投影片背後。

市場的公開資訊，真的能幫助消費者做出好決定嗎？

經濟學通常假設消費者主權可以使個人福利最大化：消費者會權衡各種機會，並選擇能夠最大化自己效用的選項。

但市場提供的資訊，是否足夠讓消費者最大化自己的福祉？消費者是否會臨時改變心意，喜歡上別的商品？消費者是否渴望擁有一些與當前選項不同的商品？餐點標示熱量有助減肥？

許多經濟學家覺得，企業藉由巧妙的廣告誘使消費者做出不明智的選擇；還有些經濟學家認為，消費者的確做出不明智的選擇，但過失應該算在他們自己頭上。本章稍後將討論這些行為經濟學家的論述。

多數經濟學家猛然意識到，現行市場其實並不缺乏資訊，公開且良好的資訊量非常大。許多製造商努力宣傳自家商品，甚至提供與其他廠牌的優劣比較及相對的價格訊息；聲譽良好的廠牌和在乎名聲的百貨業者，也間接提供優良品質商品的相關線索。這些都是市場行之有年的公開資訊。

數位革命使資訊量瞬間膨脹數倍。有了網路搜尋功能之後，人們不用走進商店就可以獲得充足的商品訊息。譬如我最近在尋找合適的行李箱，幾個購物網站提供了關於尺寸與重量的資訊、羅列產品的優缺點，還有先前買家對特定型號箱子的評論。

如果在Google搜尋中輸入「行李箱評價」，一下子就會跳出《消費者報告》（Consumer Reports）、《漫旅》（Travel + Leisure）、《好管家》（Good Housekeeping）、《今日美國》（USA Today）、《商業內幕》（Business Insider）、家電網（Wirecutter）、集點網（Upgraded Points）等提供的資訊。

資訊越多越詳細，真的越好嗎？

儘管可靠的資訊來源比比皆是，消費者仍舊無法窮盡所有資訊。經濟學家認為消費者的確「不應該追求完全的知情」，因為搜尋資訊與消費資訊都需要投入時間和金錢。

因此，對擁有部分資訊的消費者而言，只有未知資訊的預期價值超過獲取資訊的成本時，才值得追求更多資訊。另一方面，即使市場的競爭壓力迫使廠商提供大量的商品資訊，還是依然沒有揭露許多重要、與安全相關的訊息。

舉例來說，曾有廣告商建議布朗威廉森菸草公司（Brown and Williamson Tobacco Corporation）在宣傳旗下新商品時，強調新配方能降低引發心臟疾病的有害氣體，然而這項建議並未被接納。

一份內部文件顯示，該公司高層認為：「在特定有害氣體對心臟疾病的影響獲得政府證實且廣為人知之前，貿然在廣告中提及這種氣體並不具有策略性價值。」

由於廣告商極其堅持，該建議最終遭到菸草公司斷然拒絕。該公司認為，提及這些氣體只會適得其反，因為這麼做，反倒公開揭露吸菸對心血管的不良影響。

當市場競爭機制無法為消費者提供重要的資訊時，政府的干預才具有價值。政府公開揭露與吸菸相關的資訊，確實能降低一部分的吸菸率，也會促使廠商降低香菸中的焦油和尼古丁含量。企業有時也沒有測試自家產品的動機，因為他們發現：消費者不認為廠商的內部測試具有公信力。

——本文摘自《經濟學家眼中的世界 (40周年好評增修版)：一本讀懂經濟學的優劣與局限，剖析政府、市場和公共政策，探索人類的幸福》，2023 年 5 月，今周刊出版，未經同意請勿轉載。

本文轉載自中央研究院研之有物，泛科學為宣傳推廣執行單位。

• 採訪編輯｜蕭歆諺；美術編輯｜林洵安

每年 7、12 月，中研院都會發佈對台灣總體經濟的預測，12 月公布隔年總展望，7 月發佈當年修正後的預測數據。但未來未來一直來，變數這麼多，經濟學家是怎麼判斷前景大好或大壞？難道是靠投票、擲骰、丟硬幣？「研之有物」專訪中研院經濟預測小組召集人、經濟研究所兼任研究員周雨田，帶你破解經濟預測的幕後步驟，一窺經濟學家如何推估經濟指標，幫助政府和大眾掌握經濟風向。

經濟預測的影響有多大？差 1% 差很大

一般人聽到「經濟總體預測」，可能很難有具體感覺。預測報告中密密麻麻的各項指標，似乎不會直接影響日常生活。但真是如此嗎？我們與經濟指標的距離，或許比想像中還近。

周雨田解釋，經濟預測很大程度會影響政府決策，舉凡編列預算、稅收增減、大型公共建設計畫等，都奠基在對整體經濟的展望評估。

這些政策看似遠在天邊，其實與生活環環相扣：明顯的如三倍券或紓困方案，讓民眾多了一點小確幸；重大政策如前瞻基礎建設、央行貨幣調節、銀行利率，會影響產業發展與企業進出口成本，也帶動大家最關心的股市行情。

這些數字看似微小，實則影響巨大。經濟成長下修 1%，聽了不容易有感；但台灣一年 GDP 約 19 兆台幣，差 1% 就差了 1900 億元！也難怪每年發布經濟預測時，總會吸引媒體目光。

1.83%？-4%？為何國內外各家預測大不同？

政府主計單位之外，中研院是台灣第一個進行總體經濟預測的機構，早在 60 年代中期由于宗先院士等人首開先河，歷史悠久。

國內其他非官方預測單位還有中華經濟研究院、台灣經濟研究院、台灣綜合研究院和近年加入的中央銀行等；國外重要預測機構則有 IMF、OECD、World Bank、IHS Global Insight 和 Oxford Economics 等機構。此外，一些大型民營金融單位也會提供涵蓋較小範圍的總體經濟預測。

比對各家版本，中研院的預測數字有時較為保守，例如今年各家數據最高達 1.83％，中研院則落在 1.15％。為何同樣是經濟預測，結果卻有不小差距？

周雨田解釋，每個機構有各自的運算模型、方式；作為學術研究機構，中研院相對沒有約束與包袱，比較可以「放得開」，更勇於據實當一隻烏鴉。

檢視過往紀錄，中研院的預測表現確實平穩，準確度很高。比如 2012 年主計總處曾「連九降」經濟成長率，從 4.58％ 一路調至 1.66％；當年 7 月中研院發布的數據為 1.94％，是預測最精準的版本。

儘管有學術上的優勢，他也坦承，相較於其他機構，學術單位對個別產業的細部發展掌握較少。

拆解「經濟預測」四大步驟

整個經濟預測流程，主要包含四大部分：蒐集資料、模型運算、預測討論和對外發佈。

蒐集資料是常態性隨時進行的程序，密集準備期則約需一到兩個月的時間。研究模型使用的是季度資料，大部分來自主計總處，其他還包含中央銀行、財政部、中央氣象局與 IMF 等國內外單位。除了數據，也需要關注重要新聞事件，例如政策施行成效、國際地緣政治發展，進一步評估對各變項的影響。

在模型運算的階段，團隊使用統計分析軟體 EViews 和 GAUSS 進行計量經濟分析，每季都會重新運算數據，反應最新一季資料的影響。

目前使用的預算模型是一個中型規模，共有將近 30 條方程式，涵蓋商品與勞務市場（民間消費、民間投資、出口、進口）、勞動市場（失業率、工資）、價格函數（進口物價、出口物價、國產內銷品物價、消費者物價、核心物價、8 項物價平減指數）、金融市場（股價、匯率、利率、M1B、M2）、及政府財政（稅收）等變項。

台灣經濟結構並非一成不變，運算模型自然也要不斷修正。經年累月的優化下，照理說，預測模型應該愈趨精準。但周雨田解釋，除了經濟結構不斷改變之外，許多影響經濟的因素、程度都難以被具體量化，因此每季得到初步運算結果後，就有賴團隊進一步開會討論與修正。

三個經濟學家有四個看法，我們有七個成員，你就知道會有多少看法！

周雨田笑著說，意見分歧是常態，從不同變數的影響時間長短，到不同政經事件衝擊的程度，不一而足。研究團隊得透過一次次的開會討論、辯證、說服彼此，取得共識，萬不得已才會投票表決。

今年最大的歧見是什麼？周雨田透露，「先前比較大的歧異點是疫情影響。」新冠肺炎剛爆發時，有些人認為疫情仍侷限對岸，不會有過大、過長的影響；另一派則認為兩岸交流頻密，絕不可小覷嚴重性。光是簡單描述，就能想像彼時討論有多熱烈！

但無論共識有多難，經濟指標總是要發佈。7、12 月中研院固定召開兩次記者會，發佈對台灣總體經濟的預測，內容包含經濟成長率、民間消費成長率、進出口成長率、消費者物價指數和失業率等重要指標。

黑天鵝頻頻出現 經濟預測挑戰大

上述每個指標都相互牽動，其中集大成者是「實質經濟成長率」，受到消費、投資、政府購買及淨出口等影響。包括疫情對外貿動能的衝擊，政府紓困與前瞻計畫，都會反映在該指數上。

相比之下，「美金和人民幣匯率會有什麼漲跌？」「央行利率可能調降嗎？」「股市什麼時候跌？現在能不能進場？」這些記者會經常出現的敏感問題，學術上很難有一致的答案，運算模型則不做預測。這在文獻中有個名稱叫隨機漫步模型（Random Walk），增加跟降低的機率基本上一樣，意思就是沒辦法預測。

整體來看，經濟預測中最大的挑戰是什麼？

周雨田認為特別難預測的是「進出口成長率」。他解釋，評估進出口成長率要考量匯率、國內產業發展、國外需求和其他國際情勢等因素，牽涉變數廣。除了變數之間的相互影響，還要考慮影響時間，例如：假設去年貿易變數延續至今，這個影響會長達一季或兩季？

另外，「民間投資成長率」也是一大難題。因為投資牽涉景氣循環起伏，但任何經濟預測中，最難掌握的就是轉折點！景氣何時到谷底？是不是要開始反轉了？都是經濟學家的頭痛挑戰。

相較之下，較好預測的有民間消費、政府支出。前者大概佔 GDP 的五到六成，畢竟無論現實情勢如何都會有基本消費；後者則因為政府前一年就需訂下預算編列，相對容易掌握。

不過，只要遇上黑天鵝，各項指標皆顯得變幻莫測。

回首過往，911 事件、金融海嘯都曾劇烈衝擊景氣，讓預測誤差明顯擴大。今年，黑天鵝同樣頻頻出沒！周雨田表示，疫情大流行、中美衝突、美國大選等，增加了經濟預測的難度。

所幸，面對黑天鵝，經濟學家並非束手無策。對應之策是參考歷史，像是參照 SARS 來推估新冠疫情對經濟的衝擊程度。

面對高度不確定的狀況，中研院除了發佈「點預測」，也從 2011 年起率先提出「區間預測」。不確定性愈高則區間愈大，彈性應對，預測數據更具參考價值。

今年飛來這麼多隻黑天鵝，預測時會不會特別有壓力？「會也不會，會是因為很難下定論，不會是反正大家都不準，」周雨田露出頑皮的笑容。

後疫情時代，台灣的經濟前景樂觀嗎？

劇烈震盪的 2020 年，全世界史無前例大規模封城、鎖國，國際貨幣基金組織（IMF）更預測全球衰退將擴大到 4.9％。面對外在嚴峻挑戰，台灣是否能刺激景氣復甦？未來經濟走勢又是如何呢？

談起備受討論的「三倍券」，周雨田表示，目前只能從過往數據推估新政策的效果，主要根據中研院王平院士、彭信坤與簡錦漢對 2009 年消費券成效進行的研究，預測三倍券的邊際消費傾向（Marginal Propensity to Consume, MPC）、替代效果、乘數效果與 GDP 貢獻度。

理想的狀況下，替代效果愈低、邊際消費愈高，三倍券的乘數效果愈大。相較於消費券，現在多了數位選擇，消費方式更多樣化，另外民眾若綁信用卡直接折抵，不能衍生第一層後續的消費，就不會有大的乘數效果。

綜合上述因素，周雨田推估三倍券可貢獻 GDP 約 0.2％～0.3％。單從數字看來，刺激經濟效果似乎並不太大？他解釋，部分原因與預算規模有關，三倍券預算約僅占 GDP 的 0.27％，遠小於 2009 年消費券的占比 0.62%，振興方案的效果自然較低。

綜合來說，後疫情時代，台灣的經濟前景將是如何？

「我們並不悲觀！你看全世界，GDP 有 1％ 的很少。」周雨田總結，台灣整體經濟、消費者信心逐步回溫中，2020 年的總體經濟成長率預估能破 1％，來到 1.15％。

但不可否認的是，未來仍充滿變數，中美衝突加劇地緣政治風險、下一波疫情、疫苗研發時程，都將牽動景氣。因此周雨田認為，經濟復甦的曲線可能不會是 V 或 U，而是上上下下呈 W 型，這也是今年經濟學界的熱議話題，包括研究團隊內部至今都充滿分歧爭論。

不靠通靈占卜，經濟預測靠的是硬到不行的模型演算，以及經濟學家對現實景況的熱烈論理。下回看到經濟預測，你就知道眼前一條條經濟指標背後，究竟仰賴多少厚實的研究過程與基礎功。

延伸閱讀

• 2020 年臺灣經濟情勢總展望之修正 ─全球大疫下的生機
• 中研院經濟預測小組：臺灣經濟情勢
• 周雨田個人網頁

本文轉載自中央研究院研之有物，原文為《景氣好、景氣壞，未來經濟怎麼預測？破解經濟學家的「天眼通」！》，泛科學為宣傳推廣執行單位

難以公平？潛在的柏瑞圖增益

當我們從事市場交易時，的確可能傷害到其他人。譬如亨利．福特（Henry Ford）銷售他的 T 型車時，馬車鞭子的製造商就無法從中獲益。在市場不存在缺陷的情況下，這交易的確實現了潛在的柏瑞圖增益（也就是贏家獲得的收益超過輸家的損失）。亨利．福特和所有購買福特汽車的人都有能力補償馬車鞭子製造商的損失，同時還能改善自己的生活。

但如果補償並沒有發生（就如一般生活中發生的情況），這問題又該怎麼看呢？消費者以金錢投票，市場對投票結果做出反應，但許多人認為這些投入市場的金錢並沒有公平分配。購買鉛筆（或iPad）的人可能是最渴望擁有這些物品的人，有時剛好也是最富有的人─因為購買意願取決於支付能力。

如果都更建商想向地主購買市中心的一塊土地，而此處補貼低所得居民的住房，不論成交價格為何，都會是有效率的交易。此時，代表新住戶的土地開發商願意支付給地主的錢，高過低所得居民為保住房子願意支付的錢。但我們也許應該阻止都更建商，因為低所得戶特別需要幫助。

經濟學家解決公平性問題的方法之一，是在更大的背景下思考。

效率至上？潛在柏瑞圖增益是市場中決定性標準

在一幢出租大樓中，如果因為房東想把店面租給電腦銷售與維修商，以便收取更高的租金，導致樓下的三明治餐廳被迫關閉，餐廳經理就會失去工作。這結果符合潛在的經濟效率：電腦店預期迎來更多客戶，有能力比三明治餐廳支付更高的租金。但請考慮市場未來可能發生的所有變化。

如果「讓贏家贏得比輸家輸得多」是市場在大多數情況下的決定性標準，要是其他市場也改變，這位前餐廳經理也可能是新的贏家，所得也能完全補償輸家並改善自己的生活。

如果在任何情況下，潛在柏瑞圖增益都是決定性的市場標準，經濟將會不斷成長，餐廳經理也會隨著時間推移獲得更高的所得。就算他個人沒從中受益，他的孩子也因出生在更為繁榮的經濟社會而受益。這樣的思維與論述很完備，但無法說服許多關注公平性的人。

批評經濟學家公共政策的方法時，經常是指責他們只在乎經濟效率。經濟學家在運用其專業知識時，比起討論公平性，討論效率時會更有信心。因此，他們寧願談論效率，也確實更常談論效率。不過，經濟學家還是花了許多力氣在討論公平性和所得分配。

人與人之間的分配問題

有篇經濟學文獻曾討論不同種族、男女及年齡層的所得分配是否公平。此處無法援引過多細節，只能簡單地說，經濟學家最常關注的一個特定分配問題是：不同所得階層握有國家資源的相對占比。在討論所得再分配之前，應該先解釋一個運作良好的市場會如何分配產出。

在市場經濟中，一個人的所得取決於他人使用他的勞動力、土地和資本而獲得的報酬。然而，對這些生產要素的需求，則取決於人們對其最終產品的需求。市場若非不完善，個人的所得取決於他的勞動力，和他擁有的生產要素能對市場提供的商品與服務。

市場競爭的壓力會推升工資，直到它能反映邊際勞動者（雇主願意多僱用一位勞動者）對生產的貢獻，而這邊際貢獻就是這位勞動者在此處工作（而非他處或根本不工作）所能獲得的工資。

許多經理人的確只想支付相當於員工生產能力一半的工資，但他們會面臨來自同業的競爭壓力，因為其他經理人會試圖挖角這些員工，願意支付稍微多一點但仍低於其生產力的工資。這位經理人仍可以獲得額外的利潤，但也同樣面對勞動市場的壓力，因為還有其他經理人願意再多付一點工資。

個人在勞動市場獲得的所得是機會和選擇的結果，而機會和選擇則取決於他出生的家庭、成長的社群、他的智力和其他能力，同時也取決於他的努力和遠見。懶惰的天才不會與勤奮的天才賺得一樣多，卻可能賺得比勤勞的一般人多一點。某些才華橫溢又勤奮的人，要是沒遇到識貨的伯樂（例如馬車鞭子製造商），其所得也可能不如他人。

編按：想知道後續更多內容，歡迎閱讀本書 ↓

——本文摘自《經濟學家眼中的世界 (40周年好評增修版)：一本讀懂經濟學的優劣與局限，剖析政府、市場和公共政策，探索人類的幸福》，2023 年 5 月，今周刊出版，未經同意請勿轉載。