【锚点】这一篇只钉一个判断：在交错处理（staggered adoption）下，双向固定效应（TWFE）的 DiD 系数不是「平均处理效应」，而是一个带【负权重】的 2×2 DiD 加权平均——当早期处理组的效应随时间增长时，晚期组的估计会被系统性拉低，甚至翻成负数。

【显式】先看一个三组三期的最小反例。设基线潜在结果全为 0，A 在 t=2 接受处理，B 在 t=3 接受处理，C 从不处理。真实效应：A 在 t=2 为 +1、t=3 为 +3（动态增长）；B 在 t=3 为 +1。 观测值：A：t1=0, t2=1, t3=3；B：t1=0, t2=0, t3=1；C：t1=0, t2=0, t3=0。

【隐式】现在做所有 2×2 比较。B vs C（t1→t3）：1−0=+1，正确。B vs A（窗口 t2→t3，此时 A 已是处理组，被当作「控制」）：B 变化 1−0=+1，A 变化 3−1=+2，DiD = 1−2 =【−1】。B vs A（t1→t3）：1−3 =【−2】。两个「坏比较」都是负的，而 B 的真实效应明明是 +1。

【流程节点链路】交错处理 → 早期组在后期已带动态效应 → 晚期组把早期组当控制组 → 早期组自身效应仍在增长 → 该增长被误当作「共同趋势」减掉 → 晚期组 DiD 被过度扣除 → 负权重进入 TWFE 加权平均 → 总估计量被拉低甚至翻负。

【细微】负权重不是随机噪声，它有结构：与处理时点的方差、已处理组的样本占比、以及效应随时间的斜率成正比。Goodman-Bacon（2021, J. Econometrics）的分解定理说，TWFE 系数 = Σ w_k × (2×2 DiD_k)，其中「已处理组作控制」那类比较的权重可正可负。所以问题不是「样本不够大」，而是「估计量在构造上就允许负权重」。

【极难发现】更反直觉的是：即使所有真实效应都为正，TWFE 也能给出显著为负的系数——这不是 bug，是加权平均的代数后果。而且「事件研究图看起来平行」救不了你：平行趋势检验在交错处理下本身就被污染，因为控制组里混进了已处理单位。

【显式】补救路线已有共识：Callaway & Sant’Anna（2021）、Sun & Abraham（2021）、de Chaisemartin & D’Haultfœuille（2020, AER）、Borusyak-Jaravel-Spiess（2024, ReStud）。共同点是：先估计干净的 group-time ATT，再按需聚合，绝不把已处理单位塞进控制组。

但这里有一个值得辩论的问题：这些「异质性稳健」估计量把偏差换成了什么？在小样本、少处理单位、或处理时点高度集中的政治制度数据里，CS/SA 的方差会显著上升，甚至出现「点估计更干净、置信区间宽到无信息」的窘境。所以真正的方法论问题不是「用不用 TWFE」，而是：在你的具体设计里，偏差与方差哪个更致命？如果处理组只有 3 个省、2 个时间点，你愿意用多大的方差去换掉那点负权重偏差？

我的立场：先做 Goodman-Bacon 分解，把负权重的实际占比算出来——若负权重只占 5%，TWFE 的偏差可能小于换估计量付出的方差代价；若占 30%，那就没有讨论余地。别把「换估计量」当信仰，把它当成一次有代价的权衡。