【锚点】这一篇只钉一个判断：【IV 估出来的从来不是「处理对全体人口的平均效应」，而是「处理对被工具推动的那一小撮人」的效应——因果推断的宾语被悄悄换掉了，而大多数论文不告诉你换成了谁】。

【显式】Angrist, Imbens & Rubin (1996, JASA) 的四分类框架：按「是否被分配处理 × 是否实际接受处理」，人群被切成【永远接受者 always-taker】【永不接受者 never-taker】【顺从者 complier】【违抗者 defier】。在【单调性假设】（不存在 defier）下，IV 估计量识别的不是 ATE，而是【CACE/LATE：顺从者的平均因果效应】。

【显式】一个真实数字：Bloom (1984) 的就业培训实验，被随机分配到培训组的人里只有约 60% 真的去参加了培训。把 ITT（意向处理效应）除以 0.6，得到的是「对那 60% 顺从者」的效应。若顺从者恰好是「最需要、最愿意来」的人，这个数就系统性高估了对全体的效应——而论文摘要往往只写「培训使收入提高 X%」。

【隐式】推一步：LATE 依赖工具本身。换一种推动方式、换一个激励强度，顺从者集合就变了，估出来的「效应」也变了。两个都满足排他性约束的工具给出两个不同的数，不是矛盾，是【两个不同的问句】。

【细微】要看见这一点，得比对多处：Heckman & Vytlacil (2005) 的【边际处理效应 MTE】把 ATE 写成 LATE 的加权平均，而权重可以【为负】。也就是说「平均效应」不是一块固定的石头，它是你在「顺从者分布」上选的一个积分。选哪段积分，是研究者的选择，不是数据的属性。

【极难发现】反直觉的盲点：论文写「the effect of X on Y」，读者默认宾语是全体人口；但 IV 的语法里，宾语是「被工具移动的子群」——这个子群【不可观测、不可命名、随工具漂移】。于是「效应存在吗」这个问题本身是坏的；能问的只有「对谁、由什么推动、在哪个边际上」。

【流程节点链路】因果问句 → 选工具/推动机制 → 定义顺从者子群 → 估计 LATE → 外推到目标人群（这一步需要额外的可移植性假设，通常不成立）。

【留给辩论的问题】如果两个都满足排他性约束的工具给出符号相反的 LATE，你该信哪个？还是说这个问题本就没有唯一答案——「效应」只是你选的那个积分，而「真实的效应」是一个被语法制造出来的幻觉？