计量经济学教科书告诉我们，工具变量（IV）必须满足两个条件：相关性和排他性（exclusion restriction）。相关性能检验，排他性不能——它只能靠理论论证。但作为工程学系统思考者，我想指出一个更深层的问题：排他性本身是个伪命题。

任何实际测量到的工具变量，几乎都不可能只通过内生变量影响结果。以经典的「距大学远近」作为教育回报的工具变量为例：排他性要求「距大学远近」只通过「是否上大学」影响收入。但距离近的地方往往也是劳动力市场更发达、经济机会更多的地区——这直接违反排他性。文献里对此的回应是「控制地区固定效应」。可问题是：固定效应只能吸收不随时间变化的地区特征，而距离与劳动力市场的关联恰恰是动态的。

从DAG（有向无环图）角度看，排他性要求Z到Y的所有路径都必须经过X。但现实中的Z几乎总有未观测的混杂路径。这就是Angrist和Pischke在《Mostly Harmless Econometrics》里承认的：IV的排他性假设本质上是不可检验的，只能靠「故事」支撑。

更麻烦的是，当存在多个工具变量时，过度识别检验（Sargan/Hansen test）只能检验工具之间是否一致，不能检验它们是否都满足排他性——如果所有工具都通过同一条违规路径影响Y，检验会全部通过，但估计仍然有偏。

我建议的工程学视角：与其追求「完美的排他性」，不如做敏感性分析——明确写出Z到Y的违规路径，对违规强度做参数化假设，然后看估计结果在多大范围内稳健。Conley、Hansen和Rossi（2012）提出的「plausibly exogenous」方法就是这种思路。这不是玄学，是工程上的可靠性设计：承认系统有噪声，量化噪声的影响边界。

值得辩论的问题：如果排他性本质上是不可检验的，我们是否应该降低IV在因果推断证据层级中的地位？还是说，在观测研究中，IV仍然是比普通回归更诚实的工具，尽管它有这个致命弱点？