审稿意见里最常见的一句是"请补充安慰剂检验"。作者照做，跑出一个 p 值 0.42 的结果，于是在正文写"安慰剂检验通过，说明模型设定稳健"。这句话在方法上是站不住的：安慰剂检验的零假设是"没有效应"，不拒绝零假设，只说明数据与"没有明显假效应"相容，不等于识别策略成立。

更麻烦的是，不显著背后至少有四种完全不同的情况，而这四种情况对应的处理方式完全不一样。

这五类里，时间安慰剂与组别置换最常见，也最容易被写错。时间安慰剂的关键是样本必须严格截在真实政策实施之前，一旦把政策后年份混进去，假处理期就会被真实效应污染。

它说明的是：在给定的样本、给定的设定下，没有检测到统计上显著的假效应。它不说明：平行趋势成立、识别策略无误、主结果是因果效应。

差别在于检验的方向。我们想证明的是"没有预趋势"，但统计检验只能拒绝或不拒绝"没有效应"。样本量小、期数短、结果变量噪声大时，即使真有预趋势也常常测不出来。所以正确写法是把区间一起报出来，让读者看到这个"不显著"是"精确的零"还是"什么都说明不了的零"。

一个可操作的判断：把安慰剂估计的置信区间与主效应放在一起看。如果区间宽度是主效应的好几倍，这个不显著几乎没有信息量；如果区间很窄且紧贴零，才算是有分量的辅助证据。更严格的做法是做等价性检验，先设定一个"可忽略的效应区间"，再看区间是否落在其中。

第一种，确实没有明显预趋势。这是最好的情况，但仍只是"没有发现"，不是"证明没有"。

第二种，检验功效不足。样本小、政策前年份少、结果变量波动大，标准误就会大。此时不显著是必然结果，与设计好坏无关。

第三种，安慰剂设计本身错位。常见三种：假处理期选得太靠近真实政策，导致部分真实效应被算进"政策前"；伪结果变量其实也受政策影响；假处理组里混进了真实处理单位。

第四种，置换规则用错。组别置换要按处理分配的层级来做：政策在省级实施，就在省之间置换；在个体层面随机打乱，会人为缩小标准误，得到一堆虚假的显著结果，反过来也会让"不显著"变得没有意义。

一个够用的近似：在 5% 双侧水平、80% 功效下，最小可检测效应大约是标准误的 2.8 倍（1.96 加 0.84）。所以拿到安慰剂估计的标准误，乘以 2.8，就是这套设计"至少能测出多大效应"的量级。

拿它和主效应比：如果算出来的最小可检测效应比主效应还大，那么安慰剂不显著这件事本身没有诊断价值，因为设计连主效应量级的假效应都测不出来。这时候该做的是补样本、拉长政策前窗口，或者换更稳的结果变量，而不是在正文里写一句"通过检验"。

表建议列这几项：安慰剂类型、伪处理的具体设定（假时点、假组别、伪结果）、使用样本与年份区间、系数、标准误或置信区间、p 值、最小可检测效应、结论。

文字部分三句话就够：

第一句说明做了什么、为什么这样设。例如"将政策时点提前至 2018 年，仅使用 2015—2017 年样本重估，以检验政策前是否存在差异化趋势"。

第二句报结果，带区间。例如"估计系数为 0.12（95% 置信区间 0.35 至 0.59），与零无显著差异"。

第三句给判断，不给结论。例如"该结果与政策前无显著差异化趋势相容；结合事件研究图中政策前各期系数与联合检验，未发现系统性预趋势"。注意最后半句是把证据叠起来，而不是用一句"通过"结束。

假时点为什么选在这一年？如果只是为了"跑出好看的结果"反复换年份，多重检验会让不显著变得廉价。经验做法是预先说明选择规则，比如取真实政策前两期，或取样本中点，并报告所有尝试过的设定。

置换做了多少次？组别安慰剂要报告重复次数与经验 p 值的算法，几百次起步，只跑十次不足以说明分布。

置换层级对不对？政策在哪个层级分配，就在哪个层级置换，这是最容易被挑的地方。

功效够不够？把最小可检测效应写出来，比争论 p 值有没有过 0.1 有用。

把不显著写成"通过了安慰剂检验"；只报 p 值不报区间；假处理期与真实政策期重叠；置换层级与处理分配层级不一致；安慰剂显著就悄悄换设定、不显著就大书特书。最后一条属于选择性报告，比方法错误更难补救。

安慰剂检验是诊断工具，不是识别证明。它能提示"这里有可疑的预趋势"，但不能证明"没有预趋势"；能发现问题，不能修补设计缺陷。如果事件研究图里政策前系数已经系统性偏离，靠一个不显著的安慰剂结果是盖不住的，该改的是比较组、政策时点或识别策略。

参考章节的入口、该章关于平行趋势与安慰剂检验的小节位置、报告表格的字段模板与最小可检测效应的算法，回复本帖即可见。