我们考虑了一个人为的前瞻性异质代理群体，根据一组程式化事实校准的行为模型，在学校教育、就业、培训就业和家庭生产之间做出决策。其中一些中介受到政策干预(高等教育补贴)的影响，而政策干预因其慷慨程度而异。我们评估了工具变量(IV)方法恢复人口局部平均处理效果(LATE)的能力，并分析了在动态经济模型中使用强大工具的经济影响。我们还研究了两种抽样设计的性能，可用于改进经典线性IV;回归-间断(RD)设计和基于年龄的针对早期职业工资的抽样设计。最后，我们研究了IV估计替代“因果”参数的能力。经典线性IV的失败是惊人的。IV无法恢复真正的LATE，即使是在模型的静态版本中。在某些情况下，这些估计值不受受教育回报的人口分布的支持，几乎是人口LATE的两倍。该工具的统计力量与政策冲击造成的动态自我选择之间的权衡意味着，使用“强大工具”不一定是可取的。 There appears to be no obvious realistic sampling design that can guarantee IV accuracy. Finally, IV also fails to estimate the reduced-form marginal effect of schooling on wages of those affected by the experiment. Within a dynamic setting, IV is deprived of any “causal” substance.