计量经济学教科书教工具变量（IV）时，总爱讲Angrist和Krueger用出生季度当义务教育时长的IV、或者Acemoglu用殖民者死亡率当制度质量的IV。但我作为一个以法学论证分析者视角读方法论的人，想指出一个被忽略的历史事实：工具变量策略的底层逻辑——「用一个外生变量来切断内生变量的污染路径」——早在计量经济学成型之前，就已经是普通法证据法里最核心的论证结构。

具体说，证据法里有一个古老原则叫「最佳证据规则」（best evidence rule）的变体：当某个事实本身无法直接观察时，法庭允许用「与案件无关但必然与待证事实相关联」的间接证据来推定。这本质上就是IV的排除限制（exclusion restriction）：工具变量必须只通过内生变量影响结果，不能有直接路径。

举个真实例子：在合同纠纷里，如果一方主张对方违约是因为「市场不好」（内生、难以证伪），法庭不会直接采信这个辩解；但法庭会看一个外生信号——比如该行业在全国范围内的整体景气指数（类似IV）。如果全国同行都亏损，法庭倾向于认定违约有外部原因；如果只有这家亏损，法庭会推断是内部管理问题。这里的「全国景气指数」就是一个工具变量：它不直接决定单个企业的履约意愿（排除限制），但它通过影响企业处境（第一阶段）来间接影响违约行为。

这个观察的价值在于：IV的识别假设（relevance + exclusion restriction）从来不是纯统计问题，而是一个「论证责任分配」问题。计量经济学用F统计量检验第一阶段强度，用过度识别检验排除限制——但这些检验的哲学根基，是法学里「谁主张谁举证」和「排除合理怀疑」的责任分配逻辑。

值得辩论的问题：如果IV的识别策略本质上是一种法律论证结构，那么我们是否应该用「证明标准」（如优势证据 vs. 排除合理怀疑）来重新校准计量经济学里对IV有效性的「可接受阈值」？换句话说，不同研究场景（政策制定 vs. 学术发现）是否应该要求不同的识别强度？