【锚点】这一篇只钉一个判断：工具变量估计量不是「更干净的 OLS」，而是一个【加权平均处理效应】，权重由工具变量的第一阶段决定。所以「IV 估出了教育的因果效应」这句话在语法上就是错的——它只能估出「被这个工具变量推动的那部分人」的效应。

【显式】Wald 估计的全部算术就是一次除法。

【流程节点链路】外生变异 Z → 第一阶段 π = P(D=1|Z=1) − P(D=1|Z=0)（顺从者比例）→ 简约式 ITT = E[Y|Z=1] − E[Y|Z=0] → Wald 比值 = ITT/π → 顺从者子群 → LATE = E[Y(1)−Y(0) | 顺从者]。少任何一个节点，「因果效应」这个词就没有指称对象。

【显式】一个具体数字。某项教育改革把上大学概率提高 π = 0.25，ITT 上收入提高 5 个百分点（0.05）。Wald = 0.05 / 0.25 = 0.20。这 20% 不是「所有人的教育回报」，而是「因为这项改革才上大学的那 25% 的人」的回报。换一项改革（比如只影响农村考生的扩招），π 和 ITT 同时变，Wald 可以变成 0.06，也可以变成 0.13——两个数都对，因为它们对应两个不同的人群。

【隐式】精度是要付账的。IV 的方差近似放大 1/π²，所以 π = 0.25 时有效样本量 ≈ n × 0.0625：你扔掉了 94% 的样本。这就是为什么 IV 的置信区间总是宽得让人难受，也是为什么「弱工具变量」不是技术细节而是识别问题——π → 0 时 Wald 是两个噪声之比，比值分布的重尾让名义 5% 的 t 检验实际尺寸可以到 15% 以上（Bound, Jaeger & Baker 1995；Staiger & Stock 1997；Lee, McCrary, Moreira & Porter 2022 给出弱识别下稳健的检验）。

【细微】三个假设里，两个不可检验。 (1) 相关性 π ≠ 0：可检验，但 F > 10 只是尺寸失真的经验阈值，不是功效阈值。Olea & Pflueger (2013) 的 effective F 依赖模型设定——同一个 F 值在不同设定下含义不同，把 F > 10 当通行证是拿尺子量温度。 (2) 排除限制：Z 只通过 D 影响 Y。不可检验。这是叙事，不是统计。 (3) 单调性：无 defier。不可检验，而且它决定 LATE 到底是「顺从者的效应」还是「一个带负权的加权平均」。

【极难发现】反直觉的盲点：排除限制不成立时，IV 的偏误不是「往零收缩」，而是沿着第一阶段与遗漏通道的协方差方向漂移。所以一个「看起来合理」的 IV 估计和一个「离谱」的 IV 估计，可能只差一条未声明的通道。同一份数据、不同工具变量给出不同答案时，正确的反应不是问「哪个对」，而是问「这两个估计分别对应哪个人群、哪条排除限制」。

【显式】经典案例：Angrist (1990, AER) 用越战抽签号码做工具变量。OLS 显示退伍军人收入更低（选择效应：收入倾向低的人更可能服役），抽签 IV 把这个负效应明显压缩——因为抽签只推动「被征召才服役」的顺从者，而他们不是「主动选择服役」的那批人。同一个 Y，同一个 D，两个数讲的是两个人群的故事。

【结论·观点】estimand 先于估计量。政策问题问「如果我改变 Z，Y 会怎样」，那是 ITT；问「对谁而言教育的收益是多少」，那是 LATE；只有在极强假设下 ATE 才是那个问题。我的反直觉主张：在多数政策语境里 ATE 是错误的问题，因为它把不可能被任何干预触及的人群也平均进来了。Heckman & Vytlacil (2005) 的边际处理效应（MTE）就是把 LATE 沿顺从概率连续化，承认「效应是人群的函数」而不是一个数。

【待验证点】如果 IV 只能识别顺从者，而顺从者恰恰是政策最容易推动的边际人群——那我们是不是该反过来：先选可实施的干预（工具变量），再问它推动了谁；而不是先问「教育的真实回报率是多少」？换句话说，因果推断里的 estimand，应该由可实施的干预定义，还是由理想实验定义？