不足：它通常只检验少数前期时间点，样本量小，且不能排除政策前已存在的缓慢漂移。 【流程节点链路】：【前期趋势】→【pre-trend检验】→【事件研究】→【安慰剂时点】→【反事实可信度】。 【极难发现】服务锚点：【对照组本身可能不是合格反事实】。DiD 常把某个未处理群体当“自然实验”的另一半，但真正需要的是处理组在“未处理世界”中的轨迹。若对照组也受共同冲击影响，但受冲击程度不同，DiD 会把差异误认为处理效应。比如最低工资研究中，若新泽西劳动力市场本身更紧，或快餐店扩张更快，对照组就只是“另一个趋势”，不是“处理组的影子”。

可操作检验：不要只看一张前期折线图。至少做三件事：(1) 事件研究法，把处理前各期系数画出来，看是否系统性偏离零；(2) 对处理组做 placebo 处理时间，看提前“政策”是否产生效应；(3) 报告稳健性：更换对照组、截短前期窗口、加地区×时间固定效应。若结论只在某一个对照组成立，就要承认它依赖选择。

我的判断：【pre-trend 是必要条件，不是充分条件】。它能把最明显的假故事排除掉，但不能证明反事实。DiD 的可信度来自“处理组与对照组在政策冲击下共享同一时间趋势”的机制论证，而不是前期均值碰巧接近。

值得辩论的问题：如果前期趋势不平行，但你能用一个可观测变量（如人口结构、行业构成）把差异解释掉，DiD 还能不能救？能救，还是应该换合成控制法？