老师回答的太好了。稍微谈谈我的看法。
这里的“伪科学”一词其实有不同的含义。它的确切含义是：本身并非科学但是假装自己是科学。
但是“科学”这个词在中国本身就是含义不清的，按照库恩等专门研究科学史的人，它有确切的含义，本身就是科学共同体所相信并采用的那些“范式”，但是在中国的语境下，科学这个词是有价值判断的，它指那些正确的、合理的、有用的东西，如“这不科学”。
如果这个更宽泛的语境，那么“伪科学”其实是看起来有用，实际并没有什么卵用的东西。这个星日马等各个大牛已经回答的很好了。
然而从第一个含义上看，就比较有趣。
拿微观计量里的“双重差分”而言，这个就是用科学术语包装起来的方法。因为从计量的角度，这个本质上就是一个交互项的回归，无所谓科学不科学。但是它的术语显得很科学，例如它有treatment group和control group，要估计一个treatment effect，还需要进行placebo test（安慰剂检验），这显然是医学上所谓的随机双盲对照实验的术语。
换句话说，这里完全符合“假装自己是科学”这一条。
而至于它本身是不是科学呢？实际上不一定。
例如应该是《世界经济》以前有过一篇论文，就对现在双重差分的使用提出了一些批判，如他们认为如果双重差分不满足分组的随机性和外生性，那么只能叫做“交互效应回归”，而不能叫做双重差分。
然而实际上分组是外生的这一条件很难达成，而双重差分可能只要求“平行趋势”等假设。如果分组不是外生的，通常采用匹配（如psm）的方法，使得分组近似“随机”，但即使这样处理，和医学上所谓的“随机对照实验”依然差别很大。
从这个意义上说，可能确实有“并非科学但假装科学”的现象。
但是换一个角度，如果分组不是随机的，难道我们就不对想要研究的现象采取更加细致的处理，而仅仅凭借经验和简单的相关性下结论吗？（如，对外投资能否提高企业的生产率，恐怕我们很难把企业随机分成两组，让一组企业去投资，另一组企业禁止投资）恐怕这时候仍然采用双重差分就是一个次优的选择，也就是这一现象的研究我们可能很难甚至无法做到“科学”，但是我们可以尽可能像科学近似。这是我们能找到的最正确，也是最有用的方法。