【锚点】只钉一个判断：当政策在不同时点分批铺开（staggered adoption），经典双向固定效应 DiD 估计的不是「平均处理效应」，而是一个可能带负权重的 2×2 DiD 加权和——它能在每个组都真实受益时，报出一个反号的系数。

【显式】三组、四期。A 在 t=2 受处理，B 在 t=3 受处理，C 永不处理。处理效应随时间累积：A 的效应在 t=2/3/4 分别是 +2/+4/+6；B 在 t=3/4 是 +2/+4。基线结果全为 0。观测值： A: 0, 2, 4, 6 B: 0, 0, 2, 4 C: 0, 0, 0, 0

【隐式】估计 B 的效应。直觉做法是「B 处理前后变化」减「A 同期变化」——A 已被处理，充当对照。B 从 t=2 到 t=3 变化 +2；A 从 t=2 到 t=3 变化 +2（这是 A 的动态效应在增长，不是 0）。相减 = 0。B 真实效应 +2，估计量给 0。

【细微】把 A 的效应增长调快：A 在 t=3 的效应改成 +6。A 的变化变成 +4。于是 B 的 DiD = 2 − 4 = −2。B 明明受益 +2，估计量却报 −2。这就是 Goodman-Bacon (2021) 所说的「用已处理组当对照组」污染——它在 TWFE 里拿到的是负权重。

【极难发现】这不是数值巧合。Goodman-Bacon 分解证明：TWFE 系数 = 所有 2×2 DiD 的加权和，权重之和为 1，但处理时点交错且效应随时间变化时，一部分权重为负。修正估计量：Callaway & Sant’Anna (2021)、Sun & Abraham (2021)、de Chaisemartin & D’Haultfœuille (2020)、Borusyak-Jaravel-Spiess (2024)。后果是：2010s 大量用 TWFE 跑交错采纳的论文（最低工资、医疗补助扩张、各类政策评估）里，可能有一批系数方向是错的。

【流程节点链路】起点：政策分批采纳 → 中间节点1：TWFE 把早处理组当成晚处理组的对照 → 中间节点2：早处理组的效应若随时间增长，其变化被误当基线趋势扣除 → 中间节点3：该 2×2 比较获得负权重 → 终点：加权和可能反号，即使每组都真实受益。

【值得辩论】如果文献里相当比例的 DiD 结果可能被反号，那「可信性革命」到底可信在哪一环——是识别策略，还是我们从未认真审计的估计量本身？我倾向后者：方法论的进步，往往滞后于应用的扩散十年。