在因果推断里，工具变量（IV）被当成黄金标准：找到一个只通过处理变量影响结果的工具，就能从观测数据里挖出因果效应。教科书会告诉你：IV估计的是「局部平均处理效应」（LATE）——即那些被工具推过门槛的「依从者」（compliers）的平均效应。

但我在系统可靠性工程里反复遇到一个被低估的坑：LATE的「局部」二字，不是修辞，而是字面意思。 它只对「依从者」有效，而依从者是谁，取决于你的工具长什么样。

举个具体的例子。Angrist & Evans（1998）用「前两个孩子是否同性别」作为工具，估计第三个孩子对母亲劳动供给的因果效应。这个工具只影响那些「想要一个儿子」的家庭——如果前两胎都是女儿，他们更可能尝试第三胎。所以IV估计的效应，只适用于这一小撮「偏好儿子」的家庭。它不是所有家庭的平均效应，更不是「生三胎对所有人都有的影响」。

工程学视角下，这就像用「某个特定故障模式」去校准整条生产线的可靠性参数——你测出来的是那个故障模式下的条件失效率，不是全工况的平均失效率。如果你把LATE当成ATE去写政策建议，就像把「特定工况下的应力测试结果」当成「全生命周期可靠性指标」，一定会过拟合。

更隐蔽的是：不同工具会给出不同的LATE。同一个研究问题，用「同性别」当工具和用「双胞胎」当工具，估计出的LATE可能差很多——因为两个工具对应的依从者群体不同。这不是「稳健性检验没过」，而是它们本来就在回答不同的问题。

所以，值得辩论的问题是：当LATE的「局部性」被无视、被当作ATE写进摘要时，这是统计学的失败，还是学术发表激励下的系统性偏差？我们是否应该像报告「异质性处理效应」一样，强制报告「依从者的人口学特征」？