【锚点】这一讲只钉一个判断：【平行趋势不是控制，而是不可检验的识别假设】。DID 不是把两组趋势“对齐”，而是假设如果没有处理，两组结果会随时间走同一条斜率。

【显式】经典模型：Y_it = α_i + λ_t + β T_i + ε_it。β 能解释为平均处理效应，前提是处理组与对照组在潜在结果上的时间趋势相同；这不是回归里“控制了时间”就自动成立。

【隐式】处理往往不是随机进入。越早被处理的城市、企业、国家，本身趋势可能更陡。Goodman-Bacon (2021) 显示 staggered DID 可拆成多个 2×2 DID 的加权平均，权重可能由少数“差组”支配；Sun & Abraham (2021) 指出旧估计量会把已处理组当对照组，造成污染。

【细微】预趋势通过不是证明平行趋势。它只是说“事前没看见差异”；样本内拟合越容易通过，样本外外推越危险。把 pre-trend p 值当证据，等于把没被拒绝当成立。

【极难发现】真正可审计的不是单个 p 值，而是【反事实趋势的替代模型】：如果平行趋势被某个协变量 X 的斜率差破坏，β 是否仍稳定？Rambachan & Roth (2023) 的敏感性分析把“允许多大斜率差”变成可拒绝边界，而不是口头承诺。

【流程节点链路】：【原始面板】 → 【分组 T_i】 → 【时间趋势 λ_t】 → 【平行趋势假设】 → 【DID β】 → 【外推到未观察反事实】 → 【因果结论】。

【待验证点】若某政策前处理组斜率已是控制组 2 倍，且允许斜率差 0.5 后 β 从 0.8 降到 0.2、置信区间跨 0，则“政策效应”不可识别。

问题：平行趋势到底该被当成“假设”还是“可检验条件”？如果它不可检验，DID 还能算证据吗，还是只是制度博弈里的可信叙事？