这其实是一个非常难以回答的问题，因为题主对这个问题的描述太过于简单。
这个问题可以回答有，可以回答没有，无非是在扣字眼。如果你说的“工具变量”仅仅指的是2SLS的话，那肯定是有其他方法的，比如LIML，或者control function的方法（然而在线性模型下control function 与2SLS等价）。但是如果你仔细思考一下的话，你会发现，仍然很难逃开“工具变量”的阴影。
在不同的模型中，可能会有一些看起来不用工具变量的方法。比如当我们处理sample selection模型的时候，标准的Heckman的模型会设定两个方程，一个outcome equation, 一个selection equation，在outcome equation里面，由于自选择问题导致了内生性（相当于遗漏变量），但是不用“工具变量”也可以解决。但是如果你仔细思考一下的话，Heckman的selection equation最好要包含一个只影响selection而不影响outcome的变量，这跟工具变量的要求已经很像了。
此外，如果你看很多structural model的估计的话，很多东西的思路仍然是找工具，比如BLP等模型，最终的识别和估计仍然是工具变量的思路。
但是有意思的问题是，如果我们放在更大的视角来看这个问题，在线性模型中，工具变量法实际上同时解决了两个问题：识别和估计。如果我们能够找到一个符合条件的工具变量，那么识别就解决了，同时2SLS也解决了估计。但是如果结构更复杂的模型，识别真的需要工具变量么？
不一定的。比如在一些SVAR中，识别是通过对参数添加限制达到的，或者对误差的分布添加限制而达到的。换句话说，在一些有足够structural information的模型中，识别并不需要工具变量。
我不知道这个回答是不是令你满意。简单的总结一下，模型的识别不一定需要工具，但是绝大多数模型里面，工具或者类似工具的思想应该是不可或缺的。
来源：知乎 www.zhihu.com
作者：慧航
【知乎日报】千万用户的选择，做朋友圈里的新鲜事分享大牛。
点击下载
此问题还有 1 个回答，查看全部。
延伸阅读：
scrum工具大家有什么推荐？
有哪些好用的手动工具？
