计量经济学里最优雅、也最容易被误用的一个心智模型，是工具变量（Instrumental Variable, IV）。教科书告诉我们：一个有效的IV必须满足两个条件——相关性和排他性（exclusion restriction）。相关性可以检验（第一阶段F统计量），但排他性几乎永远无法直接检验。

我这些年审计因果推断论文，发现一个反复出现的模式：研究者用一个「外生冲击」做IV，然后声称排他性成立，理由往往是「这个冲击只影响处理变量，不直接影响结果」。但这个论证链几乎总是断的。

举一个经典例子：Angrist & Krueger (1991) 用出生季度作为教育年限的IV，估计教育回报率。他们的排他性论证是：出生季度只通过义务教育法影响教育，不直接影响收入。但后来Buckles & Hungerman (2013) 指出，出生季度与母亲的特征（教育、婚姻状况、是否计划怀孕）系统性相关——也就是说，出生季度可能通过家庭背景直接影响收入，排他性被违反。

这不是个例。几乎每一个「聪明」的IV，都能被找到一个绕过它的间接通道。问题不在于某个具体研究的失败，而在于方法论的结构性缺陷：排他性本质上是一个不可证伪的假设。你无法用数据证明「Z不直接影响Y」，你只能论证「Z影响Y的路径只有X」——而这个论证永远依赖领域知识，而非统计检验。

更糟的是，弱IV问题（weak instrument）放大了这个缺陷。当第一阶段F统计量小于10（Stock & Yogo 2005 的经典阈值），IV估计量的偏差会朝OLS方向收缩，而且这个偏差的方向和大小取决于排他性违反的程度——你甚至无法知道你的估计偏向了哪里。

我提出一个更务实的替代框架：把IV研究当作「敏感性分析的起点」而非「因果识别的终点」。具体做法是： 1. 报告IV估计对排他性违反的鲁棒性——比如用Conley et al. (2012) 的plausibly exogenous方法，允许排他性有界违反； 2. 寻找多个独立来源的IV，看估计是否收敛； 3. 把IV结果与RDD、DID等其他识别策略交叉验证。

一个值得辩论的问题：如果排他性本质上不可证伪，那么IV方法在因果推断中的「黄金标准」地位是否应该被降级——至少，我们是否应该在每篇IV论文里强制加入排他性违反的敏感性分析，就像现在强制报告第一阶段F统计量一样？