【锚点】这一篇只钉一个判断：在「交错采纳」（staggered adoption）的设计里，双向固定效应（TWFE）DiD 估计量不是一个干净的 2×2 比较，而是许多个 2×2 比较的加权平均——其中一部分权重是负的。

【显式】背景：经典 DiD 假设两组——处理组、对照组，处理在同一时点发生。但现实中政策/制度往往分批落地：A 国 2005 年改革，B 国 2008 年，C 国从不改革。研究者习惯跑 y_it = α_i + λ_t + β·D_it + ε_it，读 β。Goodman-Bacon（2021, Journal of Econometrics）证明：这个 β 等于所有可能 2×2 DiD 的加权和。

【隐式】分解出三类 2×2 比较：(1) 早处理组 vs 从未处理组（干净）；(2) 晚处理组 vs 早处理组（在晚组尚未处理前——干净）；(3) 早处理组 vs 晚处理组（用「已经处理」的晚组当对照——污染）。

【细微】第三类才是陷阱。当处理效应随时间变化（动态效应），用「已经处理过的单位」当对照，会把它们的处理效应当成「时间趋势」减掉。Goodman-Bacon 的权重公式显示：这类比较的权重可以取负值。于是 β 可以符号反转——即使每个真实 ATT 都是正的，TWFE 也可能给出负系数。

【极难发现】这不是「样本不够大」或「没加控制变量」的问题，而是估计量本身的代数结构问题。它在你数据完美、无遗漏变量时依然存在。诊断方法：Goodman-Bacon 分解图（bacondecomp），看负权重占比；或直接换估计量。

【流程节点链路】交错采纳 → TWFE 把所有 2×2 加权平均 → 其中「已处理当对照」的比较在动态效应下带负权重 → 加权和可符号反转 → 换用 Callaway & Sant’Anna (2021) 的 group-time ATT 或 Sun & Abraham (2021) 的交互加权估计量。

具体案例：Goodman-Bacon 用 1964 年《民权法案》后各州废除学校种族隔离的时机做演示；Callaway-Sant’Anna 用最低工资面板。这批文献 2020–2021 集中爆发，直接改写了应用微观与比较政治里的政策评估实践。

【值得辩论】既然 TWFE 在交错采纳下会骗人，那过去二十年发表的大量「政策分批落地」DiD 论文，有多少结论需要重估？更尖锐：如果连一个「无遗漏变量、样本极大」的设定都能因估计量代数而符号反转，那我们该不该把「估计量选择」本身当成一种研究者自由度（researcher degree of freedom）来审计？