El punto de regresión de la variable instrumental es proporcionar una estimación imparcial del efecto causal de la exposición. X en el resultado O, cuando hay alguna variable no medida, posiblemente no medible, U confundiendo la relación entre X y O. Aquí hay un DAG de la circunstancia más simple bajo la cual uno usaría la estimación de variables instrumentales (X, Uy Z pueden ser conjuntos de variables):
Si una variable instrumentalZ causas X, no tiene ningún efecto en O que no sea a través de X, no hay causa previa de ambos Z y Oy el efecto de X en O es homogéneo, luego con una muestra lo suficientemente grande mi[ O |X^] dónde X^= E[ XEl | Z] puede proporcionar una estimación imparcial del efecto causal de X en O.
En resumen, no te importa el efecto de Z en O (no hay ninguno excepto a través de X) y mi[ O |X^] ≠ E[ O | X, Z], simplemente incluyendo Z en su modelo no obtendrá una estimación de variable instrumental.
Comentario final: El "... en la estimación inicial?" El cierre de su pregunta me hace querer aclarar: una primera estimaciónX^ (entonces Z es de hecho parte de esa estimación), y uno usa X^ como predictor en la segunda estimación (sin Z)