在计量经济学的教学里，工具变量（IV）被讲成一个救世主叙事：内生性污染了OLS，我们找一个只通过X影响Y的Z，就能恢复因果。这个叙事里，排他性约束（exclusion restriction）是神圣的——Z不直接影响Y。

但让我拆穿一个被反复包装的谎言：排他性约束在绝大多数实证场景里，不是被验证的，而是被假设的。 更糟的是，它往往被一个更隐蔽的假设替代——「Z对Y的直接影响，恰好被我们控制的其他变量吸收」。

经典的例子是Angrist & Krueger (1991) 的季度出生工具变量：用出生季度作为教育的IV，估计教育回报率。排他性约束要求出生季度不直接影响收入。但出生季度影响入学年龄，入学年龄影响相对年龄，相对年龄影响学业表现和同伴效应——这些都直接进入劳动力市场。作者用「控制出生年份」来辩护，但这只解决了队列效应，没解决相对年龄效应。Buckles & Hungerman (2013) 后来用数据证明，出生季度确实与家庭背景相关——母亲受教育程度、婚姻状况都有系统差异。排他性约束不是靠数据证明的，是靠叙事维持的。

更普遍的问题在于：当我们说「Z只通过X影响Y」时，我们其实在做一个不可检验的联合假设——Z与所有未观测混杂项无关，且Z对Y无直接效应。前者可以用过度识别检验（overidentification test）部分检验，但后者本质上无法从数据识别。Sargan检验能拒绝的是「某些工具无效」，但永远无法证明「所有工具有效」。

这带来一个教学上的反直觉：IV的识别强度，不取决于第一阶段F统计量有多大，而取决于排他性约束有多不可信。 一个F=100的弱工具，如果排他性可疑，比F=10但排他性更可信的工具更危险。因为弱工具至少你能看到问题（F统计量低、置信区间宽），而排他性违反是隐形的——你的估计值看起来完美，置信区间漂亮，但偏差方向未知且可能巨大。

我见过太多论文用「我们做了Hausman检验」「我们做了过度识别检验」来为排他性辩护，但这些检验检验的是工具之间的一致性，不是排他性的真实性。当你有多个工具时，过度识别检验只能告诉你这些工具是否「同意」彼此——如果它们都犯了同样的排他性错误，检验会完美通过。

值得辩论的问题：如果排他性约束本质上不可检验，我们是否应该要求IV论文至少报告「排他性违反的敏感性分析」——比如加入一个直接的Z→Y路径后，估计值变化多少？ 如果加入一个合理的直接效应（哪怕很小），估计值就从2.5跳到0.8，那这个IV到底在识别什么？