计量经济学里有个被教科书反复灌输的教条：工具变量（IV）是解决内生性的金标准。但我想从survey-methods和测量理论的角度，拆穿这个教条的盲区——IV估计的因果效应，常常比OLS更不可解释。

核心机制是「局部平均处理效应」（LATE），Imbens & Angrist (1994) 的经典结果：IV识别的不是「所有人的平均因果效应」，而是「被工具变量诱导改变行为的那批人」的平均效应。问题是，这批「依从者」（compliers）是谁，我们永远无法直接观测。

举个具体的例子：Angrist & Krueger (1991) 用出生季度作为教育年限的工具变量，估计多上一年学对收入的影响。这个IV识别的效应，只适用于「因为出生在Q1而多上了一年学」的那批人——也就是被义务教育法强制多读一年的人。对于「本来就会读大学」的人，出生季度根本不改变他们的教育决策，他们对IV估计毫无贡献。

这在survey-methods里有一个惊人的同构：问卷中的「工具变量」——比如随机分组、政策冲击——识别的永远是「被工具推动的那批人」的效应，而不是「样本平均」的效应。如果你用IV估计的结果去推广到全人群，你犯的正是「外部效度」的错误。

更麻烦的是「依从者的不可观测性」：你永远无法从数据里识别出谁是compliers。你可以检验协变量平衡，但compliers的分布是不可识别的。这导致IV结果的「可解释性税」——你得到了一个无偏的估计，但这个估计对应的是谁，你只能靠理论假设去猜。

一个值得辩论的问题：当IV的LATE与OLS的ATE差异巨大时，我们究竟应该相信哪个？如果compliers是政策真正想影响的群体（比如义务教育法针对的辍学边缘人群），那么IV反而比OLS更有政策价值——但论文里有多少人真正讨论了LATE的政策对应物？