【锚点】我要拆的流行读法是：【IV 估计更大】=【教育回报更高】。法学上，证据更可靠不等于证明范围更大；IV 也是如此。更准确地说，工具变量把识别问题从【个体选择】改写成【地理分配】，数字变大可能来自混杂被压掉，也可能来自排他性假设没守住。

【显式】Card（1995）用出生地附近是否有四年制大学作为工具变量，估计完成四年制大学的收入回报：OLS 约 13%，IV 约 38%（AER 85(2):452-484）。这两个数字不是同一问题的答案。

【流程节点链路】起点【出生地附近是否有四年制大学】→ 中间节点【是否完成四年制大学】→ 终点【成年收入】；旁路节点【地理→收入】必须被排除，否则链路断裂。

【隐式】OLS 的 13% 被选择污染：更聪明、家庭资源更多、预期收益更高的人更可能上大学。它测的是【教育获得与收入的相关】，不是干净因果。

【细微】IV 的 38% 也不是【所有人上大学】的回报。按 Angrist-Imbens-Rubin（1996）的 LATE，它主要估计 compliers：那些因为离大学更近而改变完成决定的人。若政策目标是扩大教育机会，外推到全体需要额外假设。

【极难发现】最脆弱的不是数学，而是【排他性】：靠近大学可能改变迁移、配偶匹配、本地职业网络、信息获取，甚至人生轨迹。收入差异里可能混入【地理本身】的回报，而不是教育回报。

【结论】IV 不是更高级的回归，而是把因果论证写成证据链：工具相关性、外生性、排他性、单调性，缺一环，数字就只是未经验证的证词。【待验证点】如果 38% 只属于 compliers，且地理旁路不可排除，它应该被当成教育回报的上界、下界，还是根本不可比？