本文提出了一种识别因果效应的新策略。我们没有寻找一个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，该方法使用与混杂因素相关的工具，但其本身与治疗的直接效果没有因果关系。利用这种工具可以估计混杂的内生性偏差。然后，可以在随后的回归中利用这种偏差，首先获得不受消除治疗有效性的制度障碍影响的观察结果的“绑定”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果。两者都计算是否处理效果是均匀的或异质的。为了说明该技术，我们应用该方法来估计羊皮效应。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)的结果一致。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，人们可能同时使用传统工具变量方法和我们的替代方法来测试一个传统上精确识别的因果模型的两个估计量的相等性，如果一个人声称已经有一个有效的传统工具。