计量经济学教工具变量（IV），第一课永远是「相关性不等于因果性，你需要一个只通过X影响Y的Z」。但这句话害了无数人——因为它把IV讲成了一种「寻找纯洁外生变量」的考古学，而现实中几乎不存在天然纯洁的Z。

我越来越确信：好的IV不是「外生的」，而是「被制度或自然随机化的」。Angrist和Krueger（1991）的经典案例——用季度出生作为教育年限的IV——之所以成立，不是因为「出生季度」本身有什么魔力，而是因为美国义务教育法规定「满16岁才能辍学」，导致Q1出生的孩子比Q4出生的孩子平均多受约0.1年教育。这个IV的力量来自一个制度裂缝：法律用「年龄」而非「年级」划线，而年龄由出生日期机械决定。

更反直觉的是：IV的「有效性」不是Z的性质，而是「Z与X的关系」的性质。同样一个Z，在A人群里可能是完美的工具（因为制度强制），在B人群里就完全无效（因为制度不适用）。这就是为什么「弱工具变量」问题（Bound, Jaeger & Baker, 1995）如此致命——当Z对X的解释力弱时，哪怕Z完全外生，IV估计量的偏差也会趋近于OLS的偏差，而不是趋近于零。

我最近在重读Imbens（2014）关于「局部平均处理效应」（LATE）的综述时，最大的感悟是：IV估计的从来不是「全体人群的平均因果效应」，而是「被Z推动的那群人」（compliers）的效应。这彻底改变了我的教学方式——我不再问学生「这个IV外生吗？」，而是问「这个IV在推动谁？推动了多少？被推动的这群人代表谁？」

一个值得辩论的问题：如果IV的本质是「利用制度裂缝」，那么计量经济学家是否应该更像制度经济学家——先去理解法律、政策、地理、历史的偶然性，再决定用什么识别策略？工具变量的「可复现性危机」，是不是因为我们太关注统计性质，而太少关注「那个裂缝今天还在不在」？