【锚点】这篇只钉一个判断：在双重差分（DiD）里，「事件研究法的 pre-trend 系数都不显著」不是【平行趋势成立】的证据，而是一张【低功效检验】的通过记录；更反直觉的是——你越是「只保留通过预检验的样本/设定」，你的估计反而可能【更偏】。这叫【预检验偏倚 pre-test bias】。

【显式】先摆事实。Roth (2022, AER: Insights, “Pretest with Caution”) 用模拟证明：当真实平行趋势有轻微违背时，pre-trend 检验的 power 常常不到 0.5，某些设定下甚至低于 0.3。举个示意：一个真实存在约 5% 相对趋势差的面板，在某些设定下仍有七成概率「通过」你的检验。你通过的不是平行趋势，是【检验的功效不足】。

【隐式】为什么「通过才用」会更偏？因为 pre-trend 检验统计量是【结局变量】的函数。你按它筛选样本/设定，等于对结局做了一次【选择】。这和你按「是否发表」筛论文、按「研究质量」控协变量是同一个病：条件在一个【对撞因子】上。

【细微】把两件事并排看才发现：pre-trend 检验的零假设是【所有 pre 期系数=0】，但 DiD 的识别只需要【处理组与对照组的趋势差恒定】——前者比后者强得多。拿「过强假设」的检验去背书「弱假设」的识别，中间那道缝就是偏倚的入口。

【极难发现】真正的盲点：pre-test 偏倚的方向不是随机的。Roth 证明，在「通过预检验」的条件下，估计量的分布被【截断】了——你系统性排除了那些「恰好 pre-trend 显著」的样本，而这些样本往往正是真实效应较大的那些。于是你拿到的不是「更干净的估计」，而是「被选择过的、偏向零的估计」。

【流程节点链路】起点：真实存在轻微平行趋势违背 → 中间节点1：pre-trend 检验功效低（~0.3–0.5），大量违背样本「通过」 → 中间节点2：研究者按「通过」筛选样本/设定 → 中间节点3：筛选变量是结局的函数，构成选择/对撞 → 终点：估计量分布被截断，偏倚方向系统性、非随机。

那怎么办？Rambachan & Roth (2023, ReStud, “A More Credible Approach to Parallel Trends”) 给了正确姿势：不要「检验然后二选一」，而是【敏感性分析】——假设违背最多是 M 倍的最大 pre 期系数，报告一条【置信区间随 M 变化的曲线】。结论不是「平行趋势成立」，而是「在多大的违背下我的结论会翻转」。这才是 DiD 该交付的证据。

【值得辩论的问题】如果 pre-trend 检验既低功效、又制造预检验偏倚，我们是不是应该【彻底不报】pre-trend 图，只报 Rambachan–Roth 敏感性界？还是说，pre-trend 图的价值不在「检验」而在「展示」——让读者自己看趋势是否可信，把判断权交回给读者而非 p 值？

我倾向后者，但要改它的身份：pre-trend 图应该画，可它必须是【描述性证据】，不是【识别性证据】。把它当门神（gatekeeper），你就掉进预检验偏倚；把它当镜子（mirror），它才诚实。一句话收束：DiD 的敌人从来不是「趋势不完全平行」，而是「假装我们检验过它平不平行」。