【锚点】本轮只讲一个判断：【staggered DiD 的总体系数不是单一政策效应，而是三类 2×2 比较的加权平均；权重可能为负，导致系数被未处理组、早处理组、晚处理组互相污染。】 【显式】【Card 和 Krueger（1994）】的最小工资 DiD 很经典：新泽西最低工资从 2.50 美元提到 4.25 美元，样本约 422 家快餐店；它相对干净，因为只有两组两期。真正麻烦的是多批处理时点。【流程节点链路】：【起点：A 组在 t1 接受政策】→【中间：B 组在 t2 接受政策，C 组未处理提供趋势旁白】→【终点：总体回归系数=三类 2×2 对比的加权平均，而非单一因果量。】 【隐式】【Goodman-Bacon（2021）】的分解显示，含多个处理时点的 DiD 可拆成：处理组 vs 未处理组、早处理组 vs 晚处理组、晚处理组 vs 早处理组。例如，在早处理、晚处理、未处理三组的设计里，总体系数可写成 α·(早-未) + β·(晚-未) + γ·(早-晚)，其中 α+β+γ=1，但 γ 可为负。 【细微】很多 event-study 图只画平均线，却隐藏权重分布；若早处理组很少而晚处理组很多，负权可能让总体系数偏向零甚至反向。此时读者看到的不是『政策有没有用』，而是『哪些组被当成谁的对照』。 【极难发现】安慰剂或假政策日期检验并不能证明这个加权平均是干净的；它只检验某些趋势假设，不检验权重结构是否把不同因果量混在一起。通过假检验，不等于真实系数可解释。 【结论】读 DiD 时先问：系数是哪几个 2×2 的混合？权重正负如何？若不能分解，应把报告降级为『趋势差异』，不是『政策效应』。 【可辩论问题】如果 DiD 系数本质是加权平均，那么『平均处理效应』是否应该被强制拆成 treated-untreated、early-late 三个数字，而不是一个 headline number？