研究说了什么
工具变量要同时满足三条：与暴露强相关、只通过暴露影响结局、与未测混杂无关。第三条叫排他性限制，数据无法直接检验，只能靠领域知识逐条论证。估计多用两阶段最小二乘：第一阶段用工具预测暴露，第二阶段用预测值估计结局；单工具时可用 Wald 比值，即工具与结局的关联除以工具与暴露的关联。自然实验是工具的常见来源，烟草税、义务教育法改革、医保覆盖扩面、出生季节的流感暴露、荷兰饥荒出生队列，都被当作外生冲击使用。工具强弱看第一阶段 F 统计量，低于十通常算弱工具，弱工具会让估计偏向观察性结果，甚至方向反转。过度识别检验如 Sargan 或 Hansen J 只能说明多个工具是否给出相似答案，不能证明排他性成立。这类设计估计的是局部平均处理效应：只有被工具推动的那部分人贡献信息，全人群的平均效应不能从中直接读出。近年常用的还包括样本分割与弱工具稳健推断，Anderson-Rubin 置信区间在工具接近无效时比常规标准误更可靠，协变量不平衡时还可加入工具与协变量的交互以恢复外生性。
为什么重要
它的价值在于把相关往前推一步。抗衰研究里最难随机的暴露是长期饮食、睡眠时长、运动量与饮酒，政策与地理变动提供了近似外生的来源。用各州烟草税估计吸烟对肺功能的因果效应，用义务教育年限改革估计教育对晚年认知的影响，用居住地到诊所的距离估计随访频率对预后的影响，都是这一类思路。做完这类分析，结论通常比横断面研究更稳，因为它不怕未测混杂，前提是工具本身干净。对读者而言，看到工具变量研究应先找三样东西：工具是什么、第一阶段 F 值多大、作者如何论证排他性，三者缺一，结论的可信度就要打折。另一个实际用途是检验观察性结论的方向：当观察性研究提示维生素 D 低与死亡风险高，而工具变量估计接近零，更合理的解释是反向因果或混杂，而不是补充剂无效。这类研究也常被用来校准临床试验的设计，先估计效应上限，再决定样本量与随访年限。适用条件并不神秘，只要存在一个只通过暴露影响结局的外生变量，就能估计；但没有合格工具时强行使用，比不做更危险，因为区间很宽而点估计看起来很确定。
证据与边界
边界主要在排他性与外推。排他性无法证明，只能被质疑：把地区医疗资源当工具时，医疗资源同时与收入、教育相关，排他性立刻不成立。弱工具下的估计不仅方差大，偏倚方向也难以预测，常见做法是报告第一阶段 F 值与弱工具稳健置信区间。局部平均处理效应意味着结果只适用于被工具影响的人群，用烟草税估计出的效应不能直接推广到从不吸烟者。自然实验还常有同期政策干扰，两项改革同时落地时，效果无法拆分。一个典型失败案例是用义务教育法改革估计教育对健康的效应，但改革同时改变了学校营养午餐与体检覆盖，工具实际上影响了多个通道。另一个常见问题是工具与暴露的关系随时间变化，早期有效的工具在后期可能失效，把二十年数据合并估计会稀释效应。工具还可能通过群体层面的溢出影响对照，比如一个地区禁烟会改变邻近地区的价格与行为，对照因此不再干净。看到工具变量研究，先问它回答的是谁的问题，再看数值大小，顺序不能颠倒。工具变量也不解决外推，它只回答被工具推动的那部分人的效应，关注全人群时需要另找证据。