【锚点】这一篇只钉一件事：双重差分里那句「我们检验了平行趋势，通过了」，是一个低功效筛选器叠上一层选择偏差的产物——它几乎不构成证据。

【显式】标准流程：画 event study 图，pre-period 各期系数都不显著，正文写一句 “the parallel trends assumption is satisfied”。这一步在应用微观、比较政治、政策评估里已经接近强制。

【隐式】「不显著」有两种读法：真的平行，或者检验根本没劲。要分开，必须算 pre-test 的功效——而这个功效几乎没人报。

【细微】Roth (2022, AER: Insights 4(3): 305–322) 用最低工资文献（Dube–Lester–Reich 的边界县设计）的真实参数做模拟：如果真实违反是一条线性趋势、其幅度足以让处理后的估计偏掉大约一半，那么 pre-test 抓到它的功效常常在 0.5 以下。换句话说，有一半以上的概率，你会「通过」一个已经把你的结论毁掉的违反。pre-period 期数越少、噪声越大，功效越低——而多数政策评估的 pre-period 只有 3 到 5 期。

【极难发现】比功效更麻烦的是选择。你只在 pre-test 不拒绝时才把论文写出来。这等价于条件化在一个与处理后估计相关的随机变量上。Roth 的第二个结果：条件化在「通过」上，会让 post-treatment 估计产生偏差，方向和大小都不受控，甚至可能与真实效应反号。直觉是：pre-test 之所以通过，可能是因为 pre-period 的噪声恰好朝「看起来平行」的方向偏；同样的噪声结构会延续到 post-period，于是你用一个噪声事件当入场券，买到的恰恰是同一批噪声。

【流程节点链路】真实违反存在 → pre-test 功效低 → 大概率不拒绝 → 作者写「平行趋势成立」 → 审稿人放行 → 有偏的 post 估计进入文献 → 后续 meta 分析把偏差当信号。

【可操作】Rambachan & Roth (2023, ReStud 90(5): 2555–2591) 的 HonestDiD 换了一个问法：不要「检验然后继续」，而是「假设违反的斜率在相邻期之间的变化不超过 M，然后报告 M 从 0 到 ∞ 的稳健置信区间」。M=0 就是标准 DiD；M=∞ 就是什么都不假设；中间每一档告诉你结论在多大的违反下会崩。这把一个二值的假设检验，换成了一个连续的敏感性陈述。

【我的观点】pre-trend 图仍然值得画，但它的价值在「拒绝」那一侧，不在「通过」那一侧。Ashenfelter dip、政策宣布早于实施、预期效应——这些是有机制的故事，pre-trend 图能抓到。而「通过」几乎不携带信息，因为它的零假设是「没有违反」，而零假设从来不会被接受，只会不被拒绝。

【值得辩论】如果 pre-test 既低功效又有选择偏差，期刊是否应该禁止 “parallel trends assumption is satisfied” 这类表述，强制改成「在 M = … 下结论稳健」？还是说，这会立刻催生新一轮仪式性合规——大家开始比谁的 M 值更大，就像当年比谁的 R² 更高？一个诊断工具一旦变成发表门槛，它测的就不再是数据，而是作者的策略。