【锚点】这一篇只钉一个判断：当政策/制度在不同单位于【不同时点】采纳时，最常用的双向固定效应（TWFE）差中差估计量，不是「干净的平均处理效应」，而是一堆 2×2 比较的加权和——其中包含把【已处理单位当对照】的「禁忌比较」，其权重可以为负，足以把真实的正效应估成负的。

【显式】Goodman-Bacon（2021, Journal of Econometrics 225:254–277）给出分解定理：交错采纳面板上的 TWFE 估计量，精确等于所有可能 2×2 差中差的加权平均。三类比较：(1) 处理组 vs 从未处理组——干净；(2) 早处理组 vs 晚处理组（晚组此时尚未处理）——干净；(3) 晚处理组 vs 早处理组（早组此时【已处理】）——「禁忌比较」，早组的处理效应被当成时间趋势差掉。

【流程节点链路】起点：交错采纳面板（各单位处理时点不同）→ 中间节点1：TWFE 用单位固定效应吸收不随时间变的差异、用时间固定效应吸收共同冲击 → 中间节点2：在「处理效应同质」的强假设下，这等价于对所有 2×2 子样本做加权平均 → 中间节点3：其中「晚处理 vs 早处理（已处理）」的 2×2 把早组的动态效应误当时间趋势 → 终点：禁忌比较以可负权重进入加权和，整体估计被拉向零、甚至反号。

【隐式】为什么权重会是负的？直觉：早处理组在晚组处理后的「变化」里，混进了它自己还在增长的效应。用一个还在动的对照去减，等于把晚组的效应减掉了一部分。一个干净的数：早组 t=2 处理，效应 1；t=3 效应涨到 3。晚组 t=3 处理，效应 1。用「晚 vs 从未处理」算，晚组效应 = 1（对）。但用「晚 vs 早」算：晚组 t=2→t=3 变化 = +1；早组同期变化 = +2；差中差 = 1 − 2 = −1。真实效应 +1，禁忌比较给出 −1。整体 TWFE 被它一拉，可以接近零甚至翻负。

【细微】这不是「数据不好」，是【估计量定义】的问题：TWFE 隐含假设「处理效应在各采纳队列间同质且不随暴露时长变化」。一旦有动态效应（政策效果逐年累积），假设就破了，而「加双向固定效应」这个动作本身无法修复它——它正是偏误的来源。

【极难发现】更反直觉的是：偏误方向与「效应是否随时间增长」绑定。若处理效应是递减的（一次性冲击后衰减），禁忌比较的偏误方向会反过来，可能【高估】。也就是说，你无法从 TWFE 点估计本身判断偏误方向——必须知道效应的时间形状。

【显式·修复】Callaway & Sant’Anna（2021, JoE）的 group-time ATT（双重稳健）；Sun & Abraham（2021, JoE）的交互加权估计量；de Chaisemartin & D’Haultfœuille（2020, AER）的异质处理效应稳健估计量；Borusyak, Jaravel & Spiess（2024, REStud）的插补法。共同点：先估计每个「采纳队列×相对时点」的干净 2×2，再按明确规则聚合——绝不把已处理单位当对照。

【隐式·代价】Baker, Larcker & Wang（2022, Journal of Financial Economics）复核顶刊里一批交错采纳的 DiD 论文，用新估计量重跑后，相当比例的点估计变化超过 50%，有的改变显著性甚至符号。这不是边角技术 bug，而是影响了一整代实证结论的系统性偏误。

【待验证点】比较政治里大量「制度采纳时点不同」的研究（选举改革、分权、监管独立）默认用 TWFE。这批结论里有多少需要重估？我怀疑比例不低，但需要系统复核才能说数。

【值得辩论】双向固定效应长期被当成「控制得更多 = 更可信」的护身符。这件事说明：固定效应不是安全阀，它是一个【建模假设】——假设处理效应同质。当假设不成立时，加 FE 不是更保守，而是更偏。那么：如果一个方法被顶刊接受了十五年才被发现系统偏误，我们该信「方法共识」，还是信「可复现的识别论证」？