在缺乏随机对照实验的情况下，识别通常通过工具变量(IV)策略进行，通常是两阶段最小二乘估计。然而，根据贝叶斯规则，在一个假设为真的低事先概率下(例如，一个被排除的工具与一个内生回归量部分相关)，对估计结果的解释可能存在根本缺陷。本文认为，严格的理论推理是设计可信识别策略的关键，首先是找到有效工具的候选。我们讨论了宏观发展文献中突出的IV分析，以说明结构衍生的IV方法的潜在好处。