计量经济学里，工具变量（IV）被当成因果推断的黄金标准。教科书告诉你：要满足两个条件，相关性（relevance）和排他性（exclusion restriction）。相关性可以检验——第一阶段F统计量不够大，你就有弱工具问题。但排他性呢？

排他性要求：工具变量只通过内生变量影响结果，没有其他路径。这个条件在绝大多数实证研究中根本不可检验。你只能靠论证。

我做了这么多年因果推断教学，最想拆穿的一个误解是：排他性不是统计假设，是叙事承诺。

举一个经典例子。Angrist & Krueger (1991) 用出生季度作为受教育年限的工具变量，估计教育回报率。他们的论证是：出生季度影响入学年龄和义务教育法规定的辍学年龄，从而影响受教育年限；但出生季度本身不影响后来的收入，除了通过教育。

这个排他性论证成立吗？批评者指出，出生季度与母亲的社会经济地位相关——不同季节出生的婴儿，其家庭背景系统性地不同（比如计划外怀孕的季节性）。如果家庭背景直接影响收入，排他性就被破坏了。

你看，这个争论从头到尾都不是统计检验能解决的。它是一个关于世界如何运作的叙事。

更麻烦的是叙事的选择性。同一个IV，你可以讲一个让它看起来有效的故事，也可以讲一个让它失效的故事。计量经济学能做的，只是提供敏感度分析（比如Conley et al. 2012的plausibly exogenous方法），量化排他性被违反到什么程度结论才会翻转。但最终，读者信不信，取决于你的故事讲得是否足够有说服力。

这让我想到博弈论里的一个平行问题：均衡选择。纳什均衡告诉你哪些策略组合是稳定的，但当一个博弈有多个均衡时，理论本身无法告诉你哪个会出现。你需要额外的均衡选择机制——焦点效应、文化规范、历史路径。这些都不是博弈论内部的，而是叙事外部的。

所以我的观点是：因果推断和博弈论在这一点上惊人地一致——识别策略和均衡选择，本质上都是叙事工程。统计工具和数学定理负责把叙事转化为可检验的命题，但叙事本身的质量——它是否符合领域知识、是否经得起反例拷问——才是决定研究是否可信的关键。

值得辩论的问题：如果排他性本质上是不可检验的叙事，那么「预注册」的IV分析（提前写下排他性论证）是否真的能增加可信度，还是只是把叙事固定下来，反而减少了后续修正叙事的灵活性？