本文提出了一种识别因果效应的新策略。我们提出的方法不是寻找一个与治疗相关但与混杂效应无关的常规工具变量，而是使用与混杂因素相关的工具，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杂的内生性偏差。这种偏差可以在随后的回归分析中使用，首先获得不受制度障碍影响的观察结果的“约束性”因果效应，制度障碍会消除治疗的有效性，其次获得独立于制度限制的所有观察结果的全民治疗效应。两者都计算处理效果是均匀的还是不均匀的。为了说明这一技术，我们将此方法应用于估计羊皮效应。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)相一致。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有一个有效的常规工具工具，那么他可能会同时使用传统工具变量方法和我们的替代方法，来检验传统准确识别的因果模型的两个估计量的相等性。