研究人员经常在基于回归的研究设计(包括工具变量或差异中的差异模型)中通过在回归的右侧添加额外的控制变量来测试识别假设。如果这样的添加不影响兴趣系数(太大)，一项研究就被认为是可靠的。我们提醒，这样的不变性可能是由于这样的稳健性检查中使用的观察变量往往是潜在潜在混杂因素的不良度量。在这种情况下，对识别假设的更强大的测试是将变量放在候选回归的左边。我们提供了相关估计量和测试统计数据的推导，以及功率计算，这可以帮助应用研究人员解释他们的发现。我们在各种策略的背景下说明了这些结果，这些策略被建议来确定学校教育的回报。