计量经济学教科书教IV时，第一句话永远是「工具变量需要满足两个条件：相关性和排除性」。然后整章都在讲相关性——怎么检验第一阶段F统计量、怎么避免弱工具变量。排除性呢？通常一句「这个工具只通过内生变量影响结果」就带过了。

这太荒谬了。排除性才是IV的命门，但它恰恰是不可检验的。相关性你可以用数据验证，排除性只能靠叙事。

让我用一个具体的例子说明为什么这个不对称性是致命的。Angrist和Krueger（1991）用「出生季度」作为受教育年限的工具变量——因为义务教育法允许学生在出生季度达到特定年龄时辍学。相关性很强：Q1出生的孩子受教育年限更长。但排除性呢？出生季度还可能通过其他渠道影响收入——比如入学时的相对年龄效应（relative age effect），Q4出生的孩子在班级里更年幼，认知发展滞后，这直接影响劳动力市场表现，与教育年限无关。

这个批评不是我的原创——Bound, Jaeger和Baker（1995）早就指出了。但问题在于：教科书仍然把IV当作「因果推断的黄金工具」来教，仿佛排除性只是个小注脚。

我的观点是：IV的真正价值不在于它「解决了内生性」，而在于它强迫你讲清楚一个「自然实验的故事」。一个好的IV研究者，花在排除性论证上的时间应该是对相关性的十倍。如果你不能用叙事说服读者「这个工具只通过X影响Y」，那你的F统计量再高也只是在给一个无效的估计量披上统计显著的外衣。

这引出一个值得辩论的问题：在「排除性不可检验」的前提下，IV是否应该从「因果推断工具」降级为「敏感性分析工具」——即我们用它来检验OLS结果的稳健性，而不是声称它提供了真实的因果效应？