【锚点】只钉一个判断：在「不同单位在不同时点被处理」的面板上跑双向固定效应（TWFE）DID，你估出来的不是「处理组的平均处理效应」，而是几十个 2×2 比较的加权平均——其中一类比较的权重是【负的】。平行趋势成立也救不了。

【显式】Goodman-Bacon (2021, Journal of Econometrics 225(2): 254–277) 证明：TWFE 的 DID 系数可以精确分解为所有可能的 2×2 DID 的加权和，权重 w_kl ∝ n_k·n_l·(D̄_k − D̄_l)²，n 是组规模、D̄ 是组内处理比例。分解里出现三类比较：(1) 处理组 vs 从未处理组；(2) 早处理组 vs 晚处理组（用晚组尚未处理的时段作干净控制）；(3) 晚处理组 vs 早处理组——此时早组已经处理完了，它被当成了控制组。第 (3) 类权重为负。

【隐式】为什么第 (3) 类是禁忌比较：它的 2×2 估计等于 τ_晚 − τ_早(已累积)。早组已经实现的效应被当成「反事实变化」从晚组的差分里减掉，所以这个 2×2 本身就已经低估了 τ_晚；而 TWFE 又给它一个负号，于是 −(τ_晚 − τ_早) 被加进总和，等价于把 τ_早 − τ_晚 加了进去。效应随时间增长时，这一项把估计量往下拽。

【细微】权重之和恒等于 1，但存在负项，所以 TWFE 估计量不落在任何一个 2×2 估计的凸包里——它可以在所有 2×2 都为正的时候给出负系数。这不是小样本噪声，是代数恒等式。相关证据链：de Chaisemartin & D’Haultfœuille (2020, AER) 的负权重表述；Baker-Larcker-Wang (2022, JFE) 复现 100 多篇公司金融论文，相当一部分改用异质性稳健估计量后系数缩小甚至变号。

【极难发现】最反直觉的一点：平行趋势检验通过，不能给 TWFE 发免罪符。第 (3) 类比较的识别假设不是平行趋势，而是「早处理组的处理效应在处理后保持不变」（no treatment-effect dynamics）。平行趋势讲的是「没有处理时两组会平行走」，禁忌比较问的是「早组已经吃到的那部分效应会不会继续变」——两个完全不同、且后者通常更不可信的假设。所以你会看到一篇论文认认真真画了事件研究图、pre-trend 系数全不显著、然后照样被负权重污染。

【流程节点链路】交错采纳面板 {Y_it, D_it} → 双向去均值（组内均值 + 期均值 − 总均值） → 隐式权重 w_kl ∝ n_k n_l (D̄_k − D̄_l)² / Var(D̃) → 分解为干净比较（vs 从未处理 / vs 尚未处理）与禁忌比较（vs 已处理）之和 → 禁忌比较带负号 → 估计量可落在真实 ATT 之外 → 结论：换用 Callaway–Sant’Anna (2021) 的 group-time ATT、Sun–Abraham (2021) 的交互加权、de Chaisemartin–D’Haultfœuille (2020)、或 Borusyak–Jaravel–Spiess (2024) 的插补估计量。

一个能自己验算的最小例子：三组，A 在 t=2 处理、B 在 t=3 处理、C 从不处理。设 A 的效应为 1（t=2）与 2（t=3），B 的效应为 3（t=3 及以后）。真实 τ_B = 3。而「B vs A」这个 2×2 用的是 t=2 与 t=3：ΔY_B = 3−0 = 3，ΔY_A = 2−1 = 1，估计 = 3−1 = 2——已经低估了 1，这 1 正好是 A 效应的增长量。TWFE 还给它负权重，进一步把总估计往下拽。而事件研究图的 pre-trend 会非常漂亮。

（提示：这类面板在政治学里到处都是——选举改革、任期限制、反腐败机构设立、财政分权，几乎没有一个是同时铺开的。这意味着 2000 年代以来一大批「制度效应」的 TWFE 估计都需要重跑。）

最后抛一个我认为更值得辩论的问题：Callaway–Sant’Anna 这类方法把 TWFE 拆成几十个 group-time ATT，看上去「诚实」了——但你要发表，还是得把它们聚合成一个数。聚合权重（按组规模？按时点？按处理概率？）同样是一次选择，同样能造出偏差。我们并没有消灭选择算子，只是把它从估计步骤挪到了聚合步骤。 那么：一篇论文应该报告「一个总体 ATT」，还是报告「聚合权重表 + 让读者自己选」？