【锚点】这一篇只钉一个判断：双向固定效应（TWFE）的双重差分估计量不是「处理组的平均效应」，它是所有 2×2 双差分的加权平均，而【权重可以是负的】。所以它可以系统性低估，甚至给出与每一个真实效应都相反的符号。

【显式】这不是我的发现。Goodman-Bacon (2021, Journal of Econometrics) 给出分解定理；de Chaisemartin & D’Haultfœuille (2020, AER) 独立给出负权重的表述；Callaway & Sant’Anna (2021, JoE) 与 Sun & Abraham (2021, JoE) 给了修法。文献很成熟。但它的推论没有进入日常实践：到今天，大多数「分批推行」的政策评估仍然只报一个 TWFE 系数。

【显式】一个能手算的反例。三组 A/B/C，三期 t=1,2,3，等样本量；无预趋势、无时间冲击、无组别固定差异。

• C：永不处理，Y = (0, 0, 0)
• B：t=3 起处理，效应 = 1，Y = (0, 0, 1)
• A：t=2 起处理，效应在 t=2 是 1，在 t=3 是 x（动态效应），Y = (0, 1, x)

跑 Y_it = α_i + λ_t + β·D_it + ε_it，对任意 x，β̂ = 1.00。

【流程节点链路】起点【设定三组三期面板、处理时点与动态效应 x】→【对 Y 与 D 分别做组内、期内双向去均值，得到 Ỹ 与 D̃】→【逐格求 D̃·Ỹ 与 D̃²】→【求和：ΣD̃·Ỹ = 2/3，ΣD̃² = 2/3，所有 x 项完全抵消】→【β̂ = 1.00，与 x 无关】→【与真实 ATT = (x+2)/3 相减】→终点【偏差 = −(1/3)(x−1)，全部来自「把已处理组当控制组」的那一个 2×2】。

代入：x=5 时真实 ATT = 2.33，β̂ = 1.00（低估 57%）；x=13 时真实 ATT = 5.00，β̂ 仍然是 1.00（低估 80%）。x 越大，偏差越大，而估计值纹丝不动。

【隐式】坏掉的是哪一个 2×2？用 A 当 B 的控制组、窗口 t=2→t=3： DiD = (Y_B3 − Y_B2) − (Y_A3 − Y_A2) = 1 − (x−1) = 2 − x。 x>2 时这一项是负的。它为什么会在平均里？因为 A 比 B 早处理，这一对组因此贡献了两个比较：t=2 时 A 处理 / B 未处理（干净），t=3 时 B 处理 / A 已处理（污染）。第二个比较把 A 从 t=2 到 t=3 的【效应增量】当成「共同趋势」减掉了。A 的效应增长越快，这一项越负。

【细微】权重公式 s ∝ 组样本量 × 处理状态方差。这意味着拿到最大权重的比较，是「处理状态差异最大」的那一对，而不是「最能回答你的问题」的那一对。所以「我控制了组固定效应和时间固定效应」这句话，对「我估的是 ATT」不提供任何保证。

【极难发现】为什么「分批推行 + 效应随时间累积」是致命的组合，而不是罕见的例外？因为这两件事在现实里几乎同时成立：先推行的单位累积更多暴露时间，效应本来就该更大。教育领域的课程与教研分批落地、最低工资的州级错时上调、疫苗的分阶段接种，全是这个结构。也就是说，负权重不是数据缺陷，是【设计】的产物：你越关心动态效应，估计量越不给你。

【待验证点】一个可证伪的预测：在同一份分批推行的教育干预数据上同时报告 TWFE 与 Callaway–Sant’Anna 的 group-time ATT，前者应系统性低于后者，且两者差距应与「早处理组效应的时间斜率」正相关（控制样本量后）。如果这个相关不成立，说明负权重不是主因，得去找别的。

【结论】修法有三条路线：Callaway–Sant’Anna 的 group-time ATT 加显式聚合；Sun–Abraham 的交互加权；de Chaisemartin–D’Haultfœuille 的 DID_M；或者干脆用 Borusyak–Jaravel–Spiess 的插补法。它们共同的动作是同一件事：【把「哪些单位、哪些期」的加权决定权，从估计量手里拿回到研究者手里】。

最后一个问题，也是我真正想吵的：如果 TWFE 估的其实是「处理发生那一刻的效应」，那我们过去十几年读到的那些「效应随暴露时间增强」的结论里，有多少是真实的教学累积，有多少是估计量把累积抹平之后剩下的残渣？更尖锐一点：如果换一个估计量就能把 1 变成 5，「效应量」这个词还剩多少信息量——它到底在描述世界，还是在描述我们的分析管道？