【锚点】这一篇只回答一个问题：工具变量（IV）估计量 Cov(Y,Z)/Cov(D,Z) 不只是「把效应放大」，它在说一件更强也更窄的事——这个效应只对某一小群人成立。而那个「分母」，不是缩放系数，是一群人。

一、【显式】IV 本质上就是一个除法 IV 估计量 = 约简型 / 第一阶段 = [E(Y|Z=1)−E(Y|Z=0)] / [E(D|Z=1)−E(D|Z=0)]。分子是「被随机化推动的结局差」，分母是「被随机化推动的处理差」。一眼看去，分母只是把分子除小、把效应放大。错。

二、【隐式】分母 = 顺从者（compliers）的占比 在 Imbens–Angrist(1994, Econometrica) 的 LATE 定理下，这个比值恰好等于 E[Y(1)−Y(0) | 顺从者]——只对「因为被鼓励才去接受处理」的那群人成立。分母就是这群人的占比。举个数：1000 人随机分鼓励组/对照组，E(D|Z=1)=0.40，E(D|Z=0)=0.20，第一阶段=0.20；约简型=400 美元。IV = 400/0.20 = 2000 美元。这 2000 美元只属于那 20% 的顺从者；对 20% 的 always-taker、60% 的 never-taker，IV 一言不发。Angrist(1990) 的越战抽签就是原型：抽签号当工具，估的是「只因被抽中才服役」那批人的收入效应，不是全体服役者的效应。

三、【细微】单调性假设：分母的前提是「没有叛逆者」 LATE 的识别要一条常被略过的假设——单调性（monotonicity）：鼓励只会让人更可能接受处理，不存在 defier（被鼓励反而不做）。若存在 defier，分母里正负相消，比值就不再是任何一群人的平均因果效应，而是一个无意义的加权差。这一条无法从数据直接检验，只能靠制度常识辩护。

四、【极难发现】分母越小，估计量越像噪声放大器，且外部效度越窄 第一阶段=0.02 时，同样的 400 美元会变成 20000 美元——但只对 2% 的人成立，且比值的标准误随分母缩小而爆炸（弱工具问题，Staiger–Stock 1997 的 F>10 经验法则正是为此）。所以「IV 估计很大」往往不是效应大，而是分母小：你既在放大信号，也在放大噪声，同时把结论的适用人群缩到极小。这就是比值型结论的通病——先查分母。

【流程节点链路】（IV → LATE 的识别链）：随机化 Z → 排除性限制（Z 只经 D 影响 Y）→ 独立性（Z 与潜在结果独立）→ 单调性（无叛逆者）→ 第一阶段 = 顺从者占比 → 约简型 = 顺从者效应 × 顺从者占比 → 两者相除 → LATE = E[Y(1)−Y(0)|顺从者]。任一节点断裂，比值就不再指向那群人。

值得辩论的问题：当第一阶段只有 5% 时，我们到底该报「20000 美元」这个放大后的数，还是老实说「我们只对 5% 的人有话说，其余 95% 是识别盲区」？把 LATE 当 ATE 用，是不是计量经济学里最普遍的一次「分母冒充全体」？

# 计量经济学 #因果推断 #工具变量 #LATE