最一開始，沒有電腦，不論是微分方程式的連續時間s變換，還是差分方程式的離散時間z變換，應該都是是為了求解的方便。
但現在電腦的數值求解如此簡單快速，單從求解方面來說，（或是從發論文的方面來看），頻域方法好像已經沒有存在的必要了，就像什麽Routh準則一樣，完成了歷史任務，可以光榮結束歷史舞台了（可惜的是，現在竟然還在教Routh準則）。而且頻域方法，最終還是要轉化為時域演算法。可是真正做控制系統的工程的，LTI的系統，至今大部份時候還是要看（訊號或系統的）Bode圖的。了解到的很多非常國際頂尖的公司與工程師，有的是在做控制系統設計的時候，至少在系統實際執行之前，至今都會看Bode圖。而且不光是控制系統，在訊號處理（數位訊號處理）等領域，也是如此，甚至更為明顯。這是為什麽呢？
個人認為比較重要的原因是物理直覺。這個詞其實不嚴謹。其實頻域方法很多時候也是不嚴謹，可就是有用。比如截止頻率/頻寬、中頻頻譜峰值、低頻增益、高頻增益，這幾個關鍵點，有經驗的一看，大致（註意是大致）就可以把響應曲線、魯棒程度、高低中頻幹擾抑制、穩定程度、精度等看出來，而且真的是看出來，腦子中簡單的計算就可以。更關鍵的是，想要改變某個特性（響應曲線、魯棒程度、高低中頻幹擾抑制、穩定程度、精度等），也可以很直接的知道，該調哪些參數，改變這個特性大概會給其他特性帶來什麽影響。
相比之下，給你個微分方程式，即使能透過電腦算出某些效能指標，但如果想要改變這個指標滿足某一特定的要求，幾乎就只能試湊了；而且很多時候，湊好了一個效能，另一個效能又不行了，因為是有相互影響的。
---
還有就是系統辨識了。物理建模往往忽略很多因素，給輸入看輸出的系統辨識則相對完整保存了「資訊」。而實用的對控制要求較高的控制系統，從過程控制到飛行器控制，其系統辨識多是用的頻域響應，有用確定訊號的，也有用隨機訊號的。辨識誤差的選取，驗證準則的選取，往往也是基於頻域指標，因為物理意義明確。否則的話，比如時域的最小平方，加個權，那權值代表了什麽明確物理意義麽？也就只能說說什麽遺忘過去啥的。但頻域的指標，就明確地看出中低頻的分布，進而知道更多的性質。
另一個方面，其實回到控制器設計，有最佳化指標的，包括最優、自適應與魯棒H無窮等，其最佳化指標也同樣存在類似的問題。
這諸多問題，很多時候，是靠經驗。乃至最基本的不基於模型的PID調參。但如何將這些經驗量化，是個大問題。這個問題不解決，談不上真正的自學習、自適應控制，也談不上真正的魯棒控制。
另一方面說，靠經驗，而經驗又能調好，說明理論還沒抓到一些東西。很像很多年前的物理學，化學等。
