เปรียบเทียบวิธี

	การประเมินนโยบายด้วยตัวแปรเครื่องมือ	วิธีการตัวแปรเครื่องมือ (IV) สำหรับการอนุมานเชิงสาเหตุ
สาขาวิชา	การอนุมานเชิงสาเหตุ	เศรษฐศาสตร์สุขภาพ
ตระกูล	Regression model	Process / pipeline
ปีกำเนิด	1996 (modern policy-evaluation framing); IV roots 1920s	1990s (modern applications)
ผู้ริเริ่ม	Angrist, Imbens & Rubin (canonical 1996 JASA framework); foundational IV roots in Wright (1928) and Theil (1953)	Angrist & Pischke (applied econometrics); rooted in econometric theory
ประเภท	Quasi-experimental causal inference / IV regression	Method
แหล่งต้นตำรับ	Angrist, J. D., Imbens, G. W., & Rubin, D. B. (1996). Identification of Causal Effects Using Instrumental Variables. Journal of the American Statistical Association, 91(434), 444-455.	Angrist, J. D., & Pischke, J. S. (2009). Mostly Harmless Econometrics: An Empiricist's Companion. Princeton: Princeton University Press.
ชื่อเรียกอื่น	IV policy evaluation, 2SLS policy analysis, natural-experiment IV, policy IV estimation	IV, two-stage least squares, TSLS, causal estimation
ที่เกี่ยวข้อง	5	3
สรุป	Instrumental Variables (IV) estimation for policy evaluation is a quasi-experimental technique that uses an exogenous instrument — a variable that shifts exposure to a policy but is otherwise unrelated to the outcome — to recover the causal effect of a program or intervention from non-experimental data. Popularised in policy research by Angrist, Imbens, and Rubin (1996), it identifies the Local Average Treatment Effect (LATE) among units whose treatment status is changed by the instrument.	Instrumental variables (IV) is an econometric method to estimate causal effects when treatment or exposure is not randomly assigned and confounding is severe or unmeasured. IV relies on a third variable (instrument) that influences treatment but does not directly affect the outcome, allowing researchers to isolate the causal effect from the noise of confounding. Developed extensively in econometrics (Angrist & Pischke, 1990s–2000s), IV methods are increasingly used in health economics and health services research to leverage natural experiments and policy changes.