我1997年被密西根州立大学（MSU）聘用为助理教授，是统计与概率系（DSAP）副教授以上人员全票定为第一人选。在这样一个极端理论化theoretical，强调概率论，测度论和实分析的系里，我当时是被看作一个applied“应用类”的新手接纳的。只是由于我毕业于同样十分重视理论的北卡罗来纳大学教堂山分校（UNC-CH），而MSUDSAP的好几个资深教授都是UNC-CH教授的学生，MSUDSAP过去毕业的几个优秀博士生也曾任教于或者经常访问UNC-CH，所以对我的统计理论功底比较放心，相信我是在德国做计量经济博士后的两年，才跟同样有UNC-CH背景的德国导师，学了些“正确的”应用。

历史上MSUDSAP是非常强的统计系，1969年的博士毕业生Michael Waterman是南加州大学的讲座教授，美国科学院院士，美国科学与艺术学院院士，美国工程学院院士，法国科学院院士。1977年毕业的David Ruppert先任职于UNC-CH，后任康奈尔大学讲座教授至今，等等。在计算机被广泛应用于统计计算之前，绝大多数的统计学论文确实很类似数学：假设，定理，证明，没有模拟实验，没有实际数据分析。在那个历史时期，MSUDSAP注重培养学生在拓扑，测度论，概率论与统计理论方面扎实的基本功，是十分难能可贵的优良传统，使学生竞争大学教职具有很大优势, 在美国的统计学界也有很好的口碑。这个时期该系的路线是正确的“左”，不是“极左”。

但是进入80年代，各种统计软件出现了，像我90年开始读博士时，就是用Mainframe SAS做线性回归的作业，用PEST做时间序列分析的作业。这时候MSUDSAP没有与时俱进，不但拒绝了这些应用软件，甚至在一批博士生要求开课学习芝加哥大学统计系的讲座教授，统计最高奖COPSS Award的得主,美国科学院院士 Peter McCullagh提出的广义线性模型理论时，也没有认识到这个新理论的重要性。与此对照，我在92年就有幸从当时UNC-CH的助理教授范剑青学到了这些内容（窃以为范剑青日后成为第一个来自中国大陆的COPSS得主，台湾中央研究院院士，普林斯顿大学的讲座教授和系主任，与他很年轻时就已经具有敏锐的科学眼光有关）。

也就是从90年代起，MSUDSAP的名声开始走下坡路，毕业生找大学教职越来越难，到了2000年之后，基本上能有一个面试，拿到一个offer就谢天谢地了。“极左”路线最大的受害者，我认为是这些博士毕业生，他们辛辛苦苦5年，学了一大堆别的学校不开的概率论和数理统计课，通过了多少比别的学校难得多的考试，满心想当个教授，好继续从事自己喜爱的科研，结果在职场上看到那些“更应用”的系毕业的学生到处面试，到处拿offer，自己却只能苦等，这是何等不公平啊。

（待续）