在因果推断中，工具变量是一种用于识别因果效应、消除潜在混杂的重要方法。2021年诺贝尔经济学奖得主Card、Angrist和Imbens的工作推动了工具变量方法在经济学中的广泛应用。然而，一个核心挑战在于：如何仅基于观测数据判断一个候选变量是否为“有效”的工具变量。本报告围绕这一问题，介绍基于辅助变量提出的一类独立性检验方法（Auxiliary-based Independence Test, AIT）。在一类加性非线性模型（包括允许因果效应为非常数的情形）下，该研究证明：如果候选变量是有效工具变量，则相应的AIT条件必然成立；进一步，在一定附加条件下，该条件对判别工具变量是否有效也是充要的。在此基础上，研究者将这一思路推广到多个候选工具变量的选择问题，在更弱假设下给出了识别有效工具变量集合的充要条件。总体来看，这些结果为在非线性、非常数效应模型中评估和选择工具变量提供了一种数据驱动的新方法。