本文提出了一种识别因果关系的新策略。我们没有找到与治疗相关但与混杂效应无关的传统工具变量，而是提出了一种方法，该方法使用与混杂效应相关的工具，但其本身与治疗的直接效应没有因果关系。利用这种工具可以估计混淆的内生性偏差。然后，这种偏差可以在随后的回归中使用，首先获得不受消除治疗效果的制度障碍影响的观察结果的“约束性”因果效应，其次获得独立于制度限制的所有观察结果的全人群治疗效应。计算处理效果是均匀的还是不均匀的。为了说明这种技术，我们应用这种方法来估计羊皮的效果。我们发现偏差近似等于OLS系数，这意味着羊皮效应接近于零。这一结果与Flores-Lagunes and Light(2010)和Clark and Martorell(2014)一致。我们的技术通过引入一种可用于估计因果关系的替代方法，扩展了计量经济学家的工具包。此外，如果一个人声称已经拥有有效的常规工具，那么他可能会将传统工具变量方法与我们的替代方法一起使用，来检验传统上精确确定的因果模型的两个估计量的等式。