双重差分可视化
看看平行趋势被破坏时，朴素估计如何失真，以及 DiD 如何还原真相。
朴素事后比较 +0.0 期末的处理 − 对照
DiD 估计 +0.0 剔除共同趋势
偏差（朴素 − 真实） +0.0 你会多报多少
工作原理
它在算什么
十个周期上的两条直线，处理发生在 t = 5。对照组走 40 + 2.5t；处理组走 42 + (2.5 + v/10)t，v 是趋势分叉滑杆；t = 5 之后沿原直线继续，再加上你设定的常数效应。
朴素估计：t = 10 时处理组减对照组。DiD 估计：处理组从 t = 5 到 10 的变化，减去对照组同窗口的变化。虚线把处理组的前期趋势外推为反事实。
假设
- 一个刻意干净的玩具模型：线性趋势、常数可加效应、无噪声、无预期效应。
边界与失效场景
- 朴素差值被 2 个点的起始水平差和任何趋势分叉污染；DiD 消掉了水平差和共同趋势。
- 当前期趋势真的分叉（v ≠ 0）时，DiD 在这里仍残留 v/2 的偏差，因为分叉在五个后期周期里持续累积。DiD 救不了被破坏的平行趋势假设，先画你的前期趋势。
- 没有标准误、没有交错上线、没有动态效应。交错推全要用现代 DiD 估计量。