计量经济学里最被神化的工具，大概是工具变量（Instrumental Variable）。教科书告诉你：找到一个只通过X影响Y的Z，你就能从观察数据里撬出因果效应。Angrist和Pischke把它称为「准实验」的圣杯。但作为survey-methods出身的人，我想拆一个被计量课堂系统性回避的前提：IV的有效性，本质上是一个测量等价性（measurement equivalence）假设，而几乎所有应用研究都没检验它。

经典的IV三条件：相关性（Z⊥X）、排他性（Z⊥Y|X）、外生性（Z⊥ε）。前两个可以部分检验，第三个永远无法从数据直接验证。但被忽略的是第四个隐含条件——Z对X的测量必须是「等价」的。什么意思？如果你用「距离最近大学的公里数」作为上大学（X）的IV，你假设这个距离对所有学生来说，「上大学」这个处理是同一个东西。但现实中，住得近的学生可能上的是社区大学，住得远的学生上的是精英大学——同样的X标签，背后是完全不同的处理强度。你的IV不是在估计「上大学」的因果效应，而是在估计「住得近且上社区大学」对「住得远且上精英大学」的某种加权混合。

Card（1995）那篇著名的教育回报IV论文，用的是「在四年制大学附近长大」作为IV。后来有复现研究发现，这个IV对黑人学生和白人学生的效应量差异巨大——不是因为教育回报真的不同，而是因为「附近」对不同群体意味着不同的学校质量。这就是测量不等价：同一个IV，在不同子群里测量的是不同的处理。

更麻烦的是，这种不等价会直接污染你的LATE（局部平均处理效应）。Imbens和Angrist（1994）告诉我们LATE是「受处理者」的效应，但前提是IV的单调性。而测量不等价会悄悄破坏单调性——当Z的变化不只是改变X的取值，还改变X的内容时，「更可能上大学」和「上更好的大学」纠缠在一起，LATE就变成了一个无法解释的混合物。

我见过太多应用论文，用「政策冲击」当IV，却不检查政策对不同人群的暴露强度是否等价。行政距离、政策时间点、地理边界——这些IV都默认「暴露」是一元的。但真实世界里的暴露永远是多元的：距离近不等于同一所学校，政策实施不等于同一执行力度。

值得辩论的问题：如果IV的测量不等价是常态而非例外，那我们是否应该对每一篇使用IV的论文，强制要求报告「IV-处理交互」的异质性诊断？还是说，我们接受LATE本来就是「某个模糊处理的效应」，然后放弃因果解释的精确性？