屏幕时间与青少年心理健康:《焦虑的一代》对不对?(深入版)

方法学说明:本文承重论断经 24 组 × 3 票对抗验证(72 票:组级 1 组全票挺过、23 组含口径修正、0 组推翻),另对 5 项单源承重实证增设反证搜索席与方法学审计席(10 份判决:1 席升级多源证实、9 席限制使用附条件,其中 2 处数字被否决承重)。验证共产出 60+ 处口径修正——本期的特殊之处在于,修正落在争论双方头上的数量大致相当。证据分级:【多源】≥2 独立来源同向;【单源已核】一手可回溯;【方向存争】独立来源矛盾;【当事方口径】利益相关方自述,方向可参考、程度不承重。所有数字截至 2026 年 7 月;本文为证据综述,不构成医疗或育儿建议。

0. 这场争论真正在吵什么:先拆成三个问题

Jonathan Haidt 的《The Anxious Generation》(2024)是十年来影响力最大的社会科学畅销书之一,直接推动了美国各州的学校手机立法潮、澳大利亚 16 岁以下社媒禁令,以及英国政府 2026 年 6 月宣布、拟 2027 年生效的同类立法【官方公告;各州立法数的统计口径不一,本文不引具体数字】。批评它的一方阵容同样重量级:Candice Odgers 在 Nature 书评里判它"not supported by science",Andrew Przybylski 与 Amy Orben 用名义样本 35 万人的数据集算出与吃土豆同级的效应量。

这场争论吵了七年没有收敛,第一个原因是它其实是三个独立的问题,双方经常在不同的问题上各自宣布获胜:

1. 危机是真的吗——青少年心理健康指标是否真实恶化了(还是诊断与报告方式变了)?
2. 是社交媒体造成的吗——因果证据支持多大的效应?
3. 禁了有用吗——学校禁手机、年龄门槛这些政策有没有实测效果?

第二个原因是构念之梯:争论双方的"同一个话题"底下,暴露变量从宽到窄至少五层(屏幕时间 → 数字技术使用 → 社交媒体 → 单一平台 → 智能手机可及性),结局变量从软到硬也至少五层(学校孤独感 → 自报症状 → 临床诊断/就诊 → 自伤住院 → 自杀死亡)。本文体检发现的 60+ 处口径修正,大半来自有人(经常是双方同时)把梯子上的某一格当成了另一格。读本文任何数字时,请先问:哪一层暴露,哪一层结局。

1. Haidt 到底主张了什么:把原文钉在墙上

流传最广的版本是"Haidt 说社交媒体造成了青少年心理危机"。原文比这个版本谨慎——谨慎的部分恰恰是最常被(支持者和反对者共同)删掉的。

书内的论题句(第 1 章章末,美版精装 p.44)是两句话,不可拆开【单源已核,经三独立转载源逐字交叉】:

"Between 2010 and 2015, the social lives of American teens moved largely onto smartphones with continuous access to social media, online video games, and other internet-based activities. This Great Rewiring of Childhood, I argue, is the single largest reason for the tidal wave of adolescent mental illness that began in the early 2010s."

三个常被压缩掉的限定:主语是"童年的大重构"这个复合构念(社媒+网游+其他上网活动),不等于社交媒体单项;"I argue"(我主张)是作者自陈的论证立场;"single largest reason"是最大单一原因,不是唯一原因。而书的导论(p.9)自标的 central claim 更弱:真实世界的过度保护与虚拟世界的保护不足这两条趋势是"the major reasons"(复数)。拿 p.44 当全书中心论断,是对 Haidt 的一种系统性加强。

2022 年 5 月他在参议院司法小组委员会的书面证词(标题本身作"a Major Contributing Cause")里,因果句是【多源,官方 PDF 一手】:

"Correlational, experimental, and eye-witness testimony points to social media as a major cause of the crisis. I do not believe that social media is the only cause of the crisis, but there is no alternative hypothesis that can explain the suddenness, enormity, and international similarity that I laid out in part 1 of this document."

注意论证结构:这是举证责任转移式论证("你说不是社媒,那你说是什么"),不是统计估计;证词紧接着的一句正是要求平台发言人回答"OK, then what do YOU think caused this?"。证词的证据底座是 Haidt 与 Jean Twenge 自建的滚动更新 Google Docs 协作综述——公开、可对账,但无版本锁、非同行评审【当事方口径】。

配套的行动主张是 TAG 运动官网(2026-07 取用)的四条规范:"No smartphones before high school / No social media before 16 / Phone-free schools, from bell to bell / More independence, free play, and responsibility in the real world"。

数字层面,证词的头条是 2009 对 2019 各项指标"the increases are generally between 50% and 150%"。体检结果:这个区间源依赖【多源】——NSDUH 系(结构化访谈近似诊断):12-17 岁重度抑郁发作 8.1%→15.8%(+95%),女孩 +105%,落在区间内;CDC YRBS 系(匿名自报):持续悲伤 +40.6%、考虑自杀 +36.2%、自杀计划 +44.0%、自杀未遂 +41.3%、未遂需就医 +31.6%——五项全部低于 50% 的下限。"50-150%"只能作为 Haidt 的原话引用,不能作为事实区间使用;其原始计算指向无版本锁的 Google Doc,不可复算【未回溯】。

还有一处作者自己的修正值得记录:官方勘误页列出书中 6 处事实错误,并在 Postscript 中就 p.128 "Brain Drain"(手机在场即损害认知)让步——依据 2024 年一项元分析(d=−0.02 [−0.06, 0.01],N=4,368),Haidt 承认"my initial claim... may be incorrect"【当事方口径,一手勘误页】。

2. 第一问:危机是真的吗

2.1 匿名调查:恶化是真的,拐点也大致是真的

美国有三套互相独立、不受就诊行为污染的匿名调查,方向一致【多源】:

• CDC YRBS(高中生,匿名校内自报):女生"持续悲伤或绝望"2011 年 35.9%(95% CI 34.1-37.8;常被引作 36%)→ 2021 年 57.0% → 2023 年 52.6%。CDC 2023 年新闻稿的原话:57% 是"double that of boys, representing a nearly 60% increase and the highest level reported over the past decade"。
• Monitoring the Future(Keyes et al. 2019,N=1,260,159,四道措辞与采集程序 28 年恒定的抑郁症状题):女生症状 1991-2011 是下降的,2012 年起反转上升,2018 年达峰;年龄-时期-队列分解显示主要是时期效应,"a gradual increase starting in 2012"(该句就总样本而言)。
• NSDUH:2005-2011 是平台期(8.7%、8.0%、8.2%、8.4%、8.0%、8.0%、8.3%),2011/2012 之后转折上行。注意:SAMHSA 官方明令"Because of changes to data collection procedures and other methodological changes for 2021, estimates between 2021 and prior years should not be compared"——任何"8.7% 翻倍到 20.1%"的跨 2021 断点连线(包括 Haidt 阵营图表的常用画法)在官方口径上不成立;但 2009→2019 窗口内部无断点,这一点对 Haidt 有利,本文照实标出。

措辞恒定的 MTF 在 2012 年反转,是对"纯测量伪影"解释的最有力反驳:匿名问卷不受筛查指南、就诊意愿、编码规则影响。挪威的 Ungdata(N=560,712)做了更正式的检验:跨时间测量不变性基本成立,即趋势不需要校正就是真的,"报告方式变了"的解释"was not supported"——女生潜均值自 2014 年起上升【多源】。

2.2 硬结局:自杀率的时间线比双方讲的都拧巴

自杀死亡不受报告倾向影响,是最硬的结局。NCHS 的官方 joinpoint 序列【多源,官方】:

"The suicide rate for people aged 10–14 declined from 2001 through 2007 (from 1.3 deaths per 100,000 to 0.9), tripled from 2007 through 2018 (from 0.9 to 2.9), and then did not change significantly through 2021."

批评方喜欢引"起点是 2007,早于智能手机"——对,但要分年龄段:10-14 岁的逐年序列里 2012 年是 1.5,即三倍涨幅中约 1.9 倍发生在 2012 之后;而 20-24 岁 NCHS 自己写明 2012-2021 年均 +4%,快于 2001-2012 的 +1%——这一组的加速拐点恰在 2012。15-19 岁的上升段是 2009-2017(+57%)。"2007 起点否定 2012 叙事"和"曲棍球杆正好在 2012"都是对 joinpoint 的过度解读。

最近的走向:2021→2022 出现唯一被官方显著性检验支持的青少年下降(10-14 岁计数 598→493,−17.6%),之后基本走平(10-14 岁率 2022-2024:2.4/2.3/2.3)。流传的"2023→2024 各组均降、由男性驱动、女性无变化"被终版数据推翻:合计口径三组变化均统计不可区分于零;分性别看,唯一显著下降是 15-19 岁男性(14.6→13.3),而 15-19 岁女性 4.7→5.4 是六个格子里唯一的显著上升(自算 z≈2.2-2.5,非官方检验)【多源,终版 NVSS】。

混杂项也要钉准:流传的"枪支自杀 +59% vs 非枪支 +29%"这对数字在任何来源中都不存在,验证时穷尽窗口组合无法复现,不得使用;可核实的是 2010-2019 枪支 +40~42% vs 非枪支 +28~29%(倍差约 1.4-1.5 倍),且基线敏感——枪支自杀率 2006-07 触底,从 2010 起算约等于从谷底起算【多源,含 NVSS 独立重算;Everytown 系控枪倡导组织,数字经独立证实】。

2.3 就诊与编码数据:伪影是真的,但只能解释它该解释的

对"危机叙事"最强的一击来自 Corredor-Waldron & Currie(Journal of Human Resources 2024):新泽西全州 2008-2019 的医院数据里,自杀相关就诊 +50% 的增量中 24.9/25.3 来自"自杀意念"诊断、其中 18.5 是次要诊断;两个跳点分别对应筛查制度扩张(USPSTF 2009 年 B 级建议、2011 年保险强制)与 2016 年 10 月的编码规则反转(ICD-10 对 R40-R46 的 Exclude 1 改为 Exclude 2,首次指示在精神障碍主诊断下并列记录自杀意念);而自伤、自杀未遂、自杀完成的序列"essentially flat"【单源已核,R3 双席审计】。

这项研究能承重的部分和不能承重的部分,双席审计切得很清楚:

• 可承重(已升级多源):"意念编码跳变污染了合并口径的头条数字"——作者团队自己的全国续作(NEDS,39 州,2006-2021)复现了 2016-17 的 43% 单年跳升;全国口径下自杀意念就诊 +459% vs 自杀死亡 +66%。任何把意念+自伤+未遂合并成"自杀相关行为"的惊悚数字,都被意念编码污染,不可直接当行为变化读。
• 被否决承重:"自伤/未遂基本平"作为全国结论。同一续作给出全国自伤(含未遂)急诊就诊 +77%——高于自杀死亡的 +66%,并明确写自伤与未遂"更贴近自杀死亡走势";新泽西是全美青少年自杀率最低的五个州之一(作者自己脚注:"youth suicides rose nationally but not in New Jersey"),它的"平"是区域特异事实。引 2024 年论文当"伪影派最强证据"而不引作者 2025 年的全国续作,是本议题最容易被抓的引用硬伤。
• 作者的自我定位也应还原:结论段原话是"These results should not be interpreted in a way that casts doubt on the seriousness of the youth mental health crisis"——他们争的是斜率,不是危机存在性。

另一条独立的伪影线:2015 年 10 月 ICD-9→10 切换在 12-17 岁自伤就医序列上造成即时跳变(9 系统间断时间序列:38.5/10 万,注意摘要未标正负号)【单源已核】;但同期文献的净效应读数是"总量大体未变、意图归类互换"(Stewart 2017:"Marked changes in coding of intent... almost certainly represent artifacts"——限定语 of intent 不可省)。伪影解释还有个绕不过的对照:Mercado et al.(JAMA 2017)的 NEISS 急诊数据靠阅读伤情叙述文本判定自伤、不依赖账单编码,10-14 岁女生自伤急诊率 2009 年起年增 18.8%(109.8→317.7/10 万)——拐点 2009,早于所有编码事件。伪影解释不了这条线。

小结:"就诊暴涨"里有大量伪影(多源确证),"底层行为恶化"也是真的(匿名调查+自杀率+叙述文本判定的急诊数据)。两者同时成立,谁也吃不掉谁。

2.4 国际:同步是部分的,双方都在过度概括

• 英国:同步成立【多源】。NHS 的 MHCYP 序列(SDQ 口径恒定):8-16 岁疑似精神障碍 12.5%(2017)→17.1%(2020)→17.7%(2021)→19.0%(2022)→20.3%(2023)。注意大跳升在 2017→2020(疫情窗口),用它证明"2012 起的智能手机效应"存在时间错位;"2023 年趋稳"是官方对 2022→2023 单段的限定,点估计仍在连续上行。
• 德国:最常被引的反例,但口径要拆。KiGGS(家长填报 SDQ)总体 19.9%→16.9% 下降——但显著下降只在 9-17 岁男孩成立;女孩各年龄组均无显著下降,15-17 岁女孩还从 13.4% 升到 14.6%;同一调查的青少年自报口径不降,16 岁女孩情绪问题均值上升。英美危机集中在女孩自报——拿德国家长报告的总体数去反驳,是构念错配【多源】。
• 北欧:"自报恶化但自杀平稳"的剪刀差说法被推翻。自报症状恶化成立(Haidt 方论据);但自杀侧:瑞典 <18 岁自杀 2000-2018 年增 2.2%(p<0.001,法医全覆盖数据);芬兰 15-19 岁女性自杀数从 1990-94 年均 6.6 升到 2020-24 年均 14.4(约翻倍)——芬兰著名的"自杀率大降"是 1990→2010、全年龄的口径,窗口在争论期之前就结束了。北欧的真实图景是:总量下降与年轻女性亚组上升并存【多源】。这条修正方向对 Haidt 有利——但他自己 2022 年证词里那句"We do not yet see signs of similar epidemics in continental Europe or in East Asia"也要还原语境:同段主旨其实是同步("we found a sudden increase between 2012 and 2015 in all regions of the world"),且 11 个月后他本人在 After Babel 上自行修订为北欧五国"often sharply"恶化。
• PISA 学校孤独感(Twenge, Haidt et al. 2021,n=1,049,784):"36/37 国 2012-2018 上升"逐字成立(三票逐字核对没有发现任何数字错报——对该文最有力的公允记录);不过冰岛与匈牙利没有 2012 基线,真正有 2012 数据的只有 35 国(34 升、1 降)。高孤独占比 17.12%→30.86%。但构念是学校孤独感(六题,学校归属感之反向),论文自认不直接测抑郁;论文内有五处"causation cannot be proven"级别的保留;智能手机相关性(Std. b=.29/.38)是 31 国 83 个国-年的生态学关联,且必须并列独立团队的反向结果:Freije et al. 2025 用同一量表扩到 2022 年,国家层面上网时长与孤独感增长呈负相关【方向存争】。

2.5 危机问题的裁决

英语圈(尤其女孩)的自报症状恶化、美国的硬结局恶化,是真实的——伪影解释被措辞恒定的 MTF、测量不变性检验过的 Ungdata、不依赖编码的自杀率与叙述判定急诊数据联手约束住了。但"全球同步"超出证据(德国女孩不降但也没显著恶化、日韩证据薄、PISA 测的是另一个构念),"仅从 2012 开始"也超出证据(10-14 岁自杀 2007 年触底回升、意念编码跳点在 2016)。还有一条双方都不爱提的:2021-2024 美国多项指标改善或走平,而同期使用量并未退潮(见第 5.4 节)——如果剂量-反应是主机制,这段曲线是 Haidt 方需要解释的新负担;如果危机是伪影,批评方同样解释不了它为什么会退。

3. 第二问(上):相关性战争——同一批数据,两个宇宙

3.1 "土豆级"效应量的原始口径

Orben & Przybylski 2019(Nature Human Behaviour)用 specification curve 分析跑遍了三大数据集的合理分析路径,摘要结论【多源】:

"The association we find between digital technology use and adolescent well-being is negative but small, explaining at most 0.4% of the variation in well-being. Taking the broader context of the data into account suggests that these effects are too small to warrant policy change."

体检钉准的口径:0.4% 是三数据集中位规格 partial η² 的最大值(承载它的 MCS 中位分析 n≈7,968,不是名义总样本 355,358;同篇的子分析可达 1.1%);"跟吃土豆同级"(×0.86)出自 YRBS、"不如戴眼镜"(×1.45)出自 MCS,不是同一数据集;流传的"睡眠早餐正面效应大 1.7-44.2 倍"里,×44.2 是近零分母伪影(MTF 全体技术使用 β=−0.006,同库"听音乐"×32.68、"宗教活动"×16.29 同样爆表)——可以引表值,不能当实质论证。

3.2 Haidt 的反击,和反击的体检

Haidt 方的回应(证词 2.2-2.6 + Twenge et al. 2020 NHB 评论)有四根支柱,体检结果一根比一根伤:

1. "缩窄到社交媒体,关联大 2-6 倍"——实算 O&P 自己的表:MTF 6.2 倍、MCS 1.75 倍,下界 2 不成立;更关键的是倍数≠量级:社媒专项系数仍是 β −0.031~−0.056(|r|≈.03-.06),放大几倍也到不了 r=.20。
2. "女孩×社媒 r≈.15-.22"——证词自陈是 ballpark,无推导无 meta;三票验证没有任何一手文献逐字出现过这个区间,不得承重。最接近一手的是 Twenge/Haidt 方自己的对抗性再分析(2022,Acta Psychologica):女孩 median β −0.11~−0.24;而 O&P 2020 年的正式 Reply 按批评方要求把六项分析决策全部反转重跑后:全样本 β=−0.051、女生 −0.069,"Wearing glasses was still more negatively associated with well-being"。两阵营对同一构念的估计(−0.069 vs −0.11~−0.24)至今差 2-3 倍,未合流【方向存争】。
3. "钙摄入 r=.08、铅暴露 r=.11 都足以支撑公共行动,社媒相关比它们大"——钙×骨量成立;"铅×IQ r=.11"不是 Götz 等人的例子(三票证否:Götz 全文无铅),真实出处是证词内嵌链接指向的 Reuben et al. 2017(Dunedin 队列);"r=.05-.15 warrant public expenditure"是 Haidt 的话,不是 Götz 的(Götz 实际区间 .03-.14,且其"小效应即重要"框架在原刊遭正式反驳)。
4. 引 Orben 自己的综述——这条成立:Orben 2020 叙事综述原话"The associations between social media use and well-being therefore range from about r = − 0.15 to r = − 0.10",但须补她紧接的下半句:更透明的研究里降到 −0.10~−0.05,而那两篇"更透明的研究"正是 O&P 自己的。

within-person 纵向的锚点(Orben, Dienlin & Przybylski 2019 PNAS,RI-CLPM):"Both median longitudinal effects were trivial in size (social media predicting life satisfaction, β = −0.05; life satisfaction predicting social media use, β = −0.02)"——但要带三个限定:这是 2,268 种分析设定的中位数;单模型分析 n 中位仅 1,699(不是 12,672);且必须并列组间对照 ψ=−0.13——该文的核心对比其实是"组间小负相关、组内几乎为零"【多源】。

怀疑派自己的 meta 也要挂限定:Ferguson 系的两份相关性 meta(2022:r+=.052,37 效应量/33 研究,构念是屏幕媒体总体、青少年×社媒子组仅 k=6;2025:β=.061,79 效应量/46 研究)——注意其中"女 .075 / 男 .044"的性别调节检验不显著(p=.074),不得写成"女生受影响更大";两篇作者完全重叠、样本重叠 15%,不是独立互证【单源已核+方向存争】。

3.3 那张最著名的剂量-反应图

Haidt 证词 Figure 5(转绘自 Kelly et al. 2018 的英国 MCS 数据):女孩社媒 0 小时组 11.2% 有临床相关抑郁症状、5+ 小时组 38.1%(3.4 倍);男孩 7.4%→14.5%(约 2 倍)。数字本身与原表一致——塌的是三个口径:

• 图注写"including controls",原表是零调整的描述性百分比(表注只有加权说明)——图注错误,三票证实;
• 论文自己的回归参照组是 1-<3 小时(最普遍档),不存在"0→5+"的调整版梯度;按论文参照组重算,女孩 2.10 倍 / 男孩 2.13 倍——倍数上的性别差消失(真实的性别差在绝对增量:+20.0pp vs +7.7pp);零使用组只占女孩的 4%,三倍故事的左端锚点建在一个非典型少数上;
• 调整中介(骚扰/睡眠/自尊/身体意象)后,女孩 ≥5h 的超额关联衰减约 40-48% 仍显著——衰减掉的是机制不是混杂,这一点对双方的解读都有约束。

流传的"每多用一小时抑郁风险 +13%"出处也要更正:不是 Vidal,是 Liu et al. 2022 的 meta(OR=1.13 [1.09-1.17]),且剂量-反应部分仅基于 5 项研究、纳入研究含 Kelly 的 MCS——把 Kelly 图和"13%/小时"并列当两条证据,是同一份数据数了两次。

3.4 相关性战争的裁决

全样本、宽构念下,相关就是小(r≈.03-.06);缩窄到"女孩×社交媒体"确实变大,但大到多少,两阵营的数字至今差 2-3 倍。双方的头条修辞都被本次验证修正过:O&P 的"土豆"对比有近零分母伪影和数据集混拼,Haidt 的"2-6 倍""r=.15-.22""铅暴露基准"三根支柱分别是下界不成立、无一手出处、归属错误。这场仗打成这样的一个结构性原因:双方从未坐下来做一次真正的 adversarial collaboration——各自重跑对方的数据、事前约定判据。

4. 第二问(下):因果证据的账本

相关性吵不出结果,真正值钱的是因果设计。把 2022-2026 的因果证据摆成一本账,是本文最重要的一节。

4.1 平台引入:Braghieri, Levy & Makarin 2022(AER)

利用 2004-2006 年 Facebook 分批进入美国大学的自然实验(420 所大学、359,827 份 NCHA 问卷、4 个扩张组),Facebook 引入使"poor mental health 指数"上升 0.085 SD【多源(效应量落位),设计细节单源已核+R3 审计】。作为因果侧最重的单项研究,它的承重边界被 R3 双席钉得很细:

• 可承重:方向。以及一个比头条更稳的数字——含校×学期固定效应、不依赖平行趋势的暴露时长设定:每学期约 0.02 SD,该设定在逐一剔除四个扩张组后全部显著(0.015-0.023)。
• 要挂条件:0.085 这个点值。跨设定 0.077-0.137;四种稳健估计量 0.075-0.164,其中一种 CI 跨零;剔除第一扩张组(哈佛等精英校)后 0.059(SE 0.040)不显著,剔除末组也掉出 5%——显著性同时依赖首末两个极端组(MIT 的 Dean Eckles 公开批评的正是这点,且被论文自己的附录表证实)。正确写法是"点估计稳定在 0.06-0.16、显著性对扩张组构成敏感",不是"稳健显著"。
• 不得承重:"= 失业效应的 22%"(分母数值在公开文献链上断裂);"解释近 20 年抑郁增量的 24%"(作者自标"relatively strong assumptions",且其中一条假设被自家结果"casts some doubt on");"PHQ-9 测得 +2pp"(NCHA 从未施测 PHQ-9,那是 507 人 Prolific 桥接样本学出的预测分类,LASSO 口径下基线是 42% 而非 25%)。
• 外推限制:样本 100% 是大学生("our estimates are local to college students"),2004-06 的 thefacebook 无信息流、无算法——作者自己在后续论文里提醒"the effects could be quite different two decades later"。

多重比较也照实列出:按 sharpened FDR 校正 14 个单项结局后,q<0.05 无一存活,q<0.10 存活五项且全在情感症状簇;自杀意念、进食障碍等全部为空。

4.2 停用实验:两代 Allcott

Allcott et al. 2020(AER):付费停用 Facebook 4 周,主观幸福感 +0.09 SD(SE 0.04)。三个钉子:估计于完成 endline 的 N≈1,637(不是流传的 2,743,那是收到报价的人数);估计量是 LATE(愿意接受 $102 停用的 complier),非 ITT;高频短信实时测量不显著,显著的是回溯式问卷。它最有价值的一句自我陈述【多源】:

"the magnitudes of our causal effects are far smaller than those we would have estimated using the correlational approach of much prior literature."

(横断相关法会估出约 0.23 SD,实验只有 0.09——相关性文献系统性高估约 3 倍。)流传的"相当于心理治疗效应的 25-40%"不宜再用:分母是积极心理学干预 meta(不是临床心理治疗),且该基准自陈全部结局有发表偏倚、校正后缩水——校正后 0.09 的相对占比反而上调,与"所以效应很小"的引用意图相反【方向存争】。

Allcott et al. 2025(NBER WP 33697,未同行评审):史上最大的停用实验(Meta 合作,2020 大选前;FB 组完成 endline 17,802 人、IG 组 13,480 人)。停用 Facebook 六周(净差五周)改善情绪指数 0.060 SD(校正后 q=0.002);停用 Instagram 0.041 SD——单独 p=0.016,校正后 q=0.139,论文原话"does not meet our pre-registered p = 0.05 significance threshold"。传播最广的"IG 效应由 25 岁以下女性驱动"是非预注册探索性分析:该组组内 0.111 SD(p=0.002),但四个年龄×性别组的差异检验 p=0.062,未过论文自订门槛——摘要的"driven by"强于底层检验,引用必须紧跟数字【单源已核】。机制侧一个反直觉发现:停用释放的时间约四分之三(IG 组:全部)流向其他手机 app,离线生活并未增加。利益结构要两面看:多位共同作者受雇 Meta、抽样投放由 Meta 执行;但制衡条款白纸黑字("Meta could not block any results from being published"),且结论方向对 Meta 不利。

4.3 断网、减用与 meta 混战

Castelo et al. 2025(PNAS Nexus):拦截手机移动互联网两周,头条 dz=0.45/0.56/0.23(幸福感/心理健康/持续注意力)。经得起引用的是客观注意力的 dz=0.23 与交互显著性,0.56 则须谨慎:三个头条 dz 是两臂合并的受试内前后差(非随机化组间对照);随机化层面 Condition 主效应三项全不显著、Condition×Time 交互显著;"合规达预注册标准者 25.5%"里的"预注册标准"被一手文件推翻(OSF 那份预注册 .docx 里根本没有"14 天中 10 天"这个定义);"效应大于抗抑郁药"在同口径下方向反转(它比的 Kirsch d=0.32 是药物减安慰剂的组间差,同口径的药物组内改善 d≈1.24,是 0.56 的两倍以上)【单源已核,多处否决】。

减用/戒断 RCT 的 meta 混战,拆完口径后其实没那么混:

• May et al. 2025(10 RCT,只测抑郁):g=0.25 [0.10, 0.41]。亚组"限用 0.33 vs 戒断 0.15"的组间检验不显著(Q(1)=0.85, p=0.36)——不得写"限用比戒断更有效"。
• Lemahieu et al. 2025(纯戒断,测情感/生活满意度,含非随机设计):g≈0.00-0.03 全不显著;单项 Allcott 2020 占总 N 的 60%。
• Ferguson 2024(27 项实验):d≈0.086-0.088、CI 跨零。已有 APA 正式勘误+OSF 数据修订(采纳三处样本量更正,零结论不变);Thrul 团队的再分析加入时长调节后是双向的:≥1 周 d=+0.156,<1 周 d=−0.175(p=.010)——短期戒断反而显著变差;Rausch & Haidt 的批评(修正后 d=+0.146)依赖有争议的纳入判断,不是誊录错误本身。
• 排雷一处:另一份 32 RCT、g=.17 显著为正的 meta(SSM–Mental Health 2025)作者是 Burnell et al.,流传中被误署为 Ferguson——同名混淆会把证据方向直接写反。
• 横贯三份 meta 的事实:没有一份是青少年证据(纳入研究平均年龄 18-29,Ferguson 27 项中仅 2 项均值 ≤17)。"减用干预对青少年有效/无效"都属跨年龄外推。

May∩Lemahieu 纳入研究零重叠、结局不相交——"抑郁症状 g≈0.2-0.3 改善"与"即时情感≈0"可以同时为真。

4.4 宽带铺设:接近"社区级处理"的自然实验

• 意大利(Donati et al., J Health Econ 2025):ADSL 覆盖使 1985-95 出生世代的医院精神障碍诊断 +0.08 SD(0→100% 满剂量口径),1974-84 世代无影响,效应由 20 岁前暴露者驱动;作者排除了"只是检出率上升"(效应在自伤、急诊/强制住院同样存在)【单源已核】。
• 西班牙(Arenas-Arroyo et al., J Health Econ 2025):光纤铺设提高青少年心理住院诊断,发表版摘要还写明"contributes to a notable rise in adolescent suicide rates, particularly among girls"——比诊断更硬的结局;女孩自伤/未遂 +112.3% 但基线极低(0.067 例/百人);网络霸凌零结果【单源已核,数值系 WP 版口径】。
• 德国(Golin 2022):方向同(女性变差),但结局是自报量表、对象是成人(17-30 岁是效应集中子组)、作者措辞"suggestive"——效应量未回溯,只作定性引用。"三个独立临床结局自然实验互证"的说法不成立:意/德共享同一工具变量族,德国是自报口径。
• 独立后续(Churchill & Johnson, NBER 2026,美国 YRBS):宽带 1 SD → 自杀意念 +9.3-16.5%,男女皆升、女孩网络霸凌上升(与西班牙的零结果相反)——结局方向被独立重复,但机制与"仅女孩"叙事未收敛【方向存争】。

4.5 within-person 纵向:方向性的最新证据

Nagata et al. 2025(JAMA Network Open,ABCD 队列 N=11,876,RI-CLPM,暴露=青少年自报、结局=家长填报 CBCL——跨报告人设计排除了最朴素的共同方法偏差):三段一年滞后路径中后两段显著(β=0.07 与 0.09),反向路径(抑郁→更多使用)三段全零。R3 反证席把方向性升级为多源:功效分析显示,要检出 β≈0.07 大约需要 N≈1,500-1,600,而常被引用的零结果(Coyne N=500、Steinsbekk N=810、Jensen N=388)全部功效不足;真正功效充足的研究里两项为正(Nagata、Boers N=3,826)【多源(方向)】。

但效应量必须裸给:β=0.09 换算成原始尺度,是"每天多用约 1.5 小时社媒 → 家长评 CBCL 抑郁原始分高约 0.21 分"——不到一个症状条目的五分之一,个体内方差解释率不足 1%。论文称之为"medium"引用的是交叉滞后文献的分位数基准(.07=已发表同类效应的中位数),不是实践意义上的中等。四个不得:不得说因果(RI-CLPM 不识别因果)、不得说效应可观、不得说社媒特异(同队列同作者的前作里,社媒是六种屏幕形态中最弱的预测因子,弱于视频通话)、不得说支持女孩敏感窗(该文未做性别调节)【单源已核+审计】。

4.6 因果账本的裁决

把所有因果设计放在一个坐标上,量级惊人地收敛:平台引入 0.06-0.16(每学期 0.02)、个体停用 4-6 周 0.04-0.09、宽带满剂量 0.08、减用 meta 的抑郁结局 g=0.25(CI 0.10-0.41)——负向因果效应存在,带宽大约 0.04-0.11 SD(成人与大学生为主)。作为参照:2008-2022 美国年轻人情绪状态恶化了约 0.37 SD。

于是这一问的诚实答案是三句话:"零效应、纯反向因果"的强怀疑立场,被停用实验、宽带实验、within-person 方向性联手证伪了;"主要原因"级别的量级,也从未被任何一个因果设计支撑过;中间那段——小的真实效应,乘以巨大的暴露人群,叠加在多因的危机上——才是证据实际支持的位置。"效应太小可忽略"的批评等价于同时否定这条文献里的每一项研究,因为 0.085 恰恰是这条文献的众数而非离群值。

5. 第三问:禁了有用吗

5.1 挪威:"最强准实验"的主结论是零

Abrahamsson 的挪威初中禁手机研究是政策派引用最多的证据。它 2026 年 3 月已过同行评审发表于 Journal of Human Resources(称它"working paper"已过时),而发表版摘要的第一句恰恰是【单源已核,R3 双席;数字系 2024 WP 版】:

"banning smartphones in middle schools has no average effect on education or mental health but masks important gender differences."

全样本零效应是这项研究最稳健、最该被引用的结果。流传的正面数字逐一挂条件:"女孩心理专科就诊下降近 60%"是女孩×专科×就诊次数×禁后第 3 年的内涵边际(是否就医的外延边际零效应;29% 那个数是 GP 端且 p=0.076 不显著;两者不是同一数字的两种算法,是不同结局);女孩 GPA +0.08 SD 的 p=0.064,且"论文自己写明无法拒绝男女系数相等"——"女孩获益男孩没有"超出统计支持;霸凌下降全样本 p=0.067/0.094。审计席还指出识别层的硬伤:无 never-treated 对照组、禁令年份靠校长 2019 年回溯自报、应答校系统性偏向"学业更好、心理就医更少"的学校、关键 p 值密集在 0.03-0.09 而全文无多重校正。最有信息量的描述性事实反而是:477 所"禁手机"学校里,52% 只是上课静音,真正让手机不可取用的只有 4 所——"挪威证明禁手机有效"这句话里,"禁手机"三个字就名不副实。

5.2 英格兰与美国:三个独立的零

• SMART Schools(Goodyear et al. 2025,Lancet Reg Health Eur,横断,30 校):限制型 vs 宽松型学校,幸福感 adjusted mean difference −0.48 [−2.05, 1.06],p=0.62;GAD-7 与 PHQ-9 是预注册次要结局,同样为零(流传的"该研究没测抑郁焦虑"站不住,真相更强);在校手机使用少 0.67 小时/天,但全天总量无差异——校外补偿掉了。Haidt 方的批评(20 所限制校里 16 所只是"关机放书包"、真正不可取用只有 4 所)在事实层与论文自述一致,但须同给论文的预设反制:只保留 4 所不可取用学校的敏感性分析,结论不变(仅定性,效能未知)。作者结论的关键词是 overall 与 in their current form——零效应针对"现行形态的学校政策",论文自身的个体层剂量-反应关联仍然显著,引作"手机无害"属误读【多源】。
• 美国全国(Allcott 等,NBER 2026,约 4,600 所学校 + Yondr 锁袋销售记录 + GPS):考试成绩平均效应"consistently close to zero",高中小幅正、初中小幅负【单源,R3 反证席引入】。另一项用 NSCH 2016-2024 评估州级禁令的研究(Saffer, NBER 2026):"no clear evidence that the school ban policy reduced screentime or improved psychological well-being"。
• 学业侧的独立正信号存在但都很小:巴西里约禁令 +0.06 SD、挪威女孩数学严格校 +0.25 SD vs 宽松校 +0.22 SD(亚组)——方向一致,量级是"几周教学量"级别,且不覆盖心理健康。

政策证据的构念之梯与第 0 节同构:挪威的"禁"=静音、英格兰的"限制"=放书包、美国的锁袋、澳大利亚的账号年龄门槛——四种"ban"是四种不同强度的处理,效应互相不可比。目前所有证据加总,支持的表述是:"现行形态的学校手机政策,对心理健康的全样本效应为零;对学业可能有小幅正效应,越严格越可能有。"

5.3 澳大利亚:世界第一个国家级实验,前三个月

16 岁以下社媒最低年龄制度 2025-12-10 生效(生效的是平台义务条款):这是首个国家层面、以平台义务落地、不设父母同意通道且已实际施行的社媒年龄制度——法国 2023 年已立法 15 岁数字成年门槛,但设父母同意通道且据称未实施,所以"全球首个"这个说法只在上述限定下成立。Meta 自报关停 544,052 个账号(IG 330,639/FB 173,497/Threads 39,916)【厂商口径,无法交叉验证;"约 50 万"是监管方事前估算,两者常被混引】;全行业约 470 万个账号被移除或限制(eSafety)。生效约三个月的首个独立评估(The BMJ 2026,基线 436/随访 408,便利样本):受限平台过去一周使用 12-13 岁 95%→86%、14-15 岁 98%→89%——">85% 仍在用"与"下降了约 9 个百分点"是同一组数据的两面,只引一面都是选择性引用;12-13 岁受限平台每日使用 60%→52%。最承重的结论:预设的 16 岁阈值 RDD 未检出断点,但作者自陈功效不足、连续性假设存疑——只能写"一项功效不足的准实验未能检出断点",不能写"研究证明禁令无效"【单源已核】。

5.4 剂量背景:使用量的真实走向

Pew(题干四轮一致):TikTok "almost constantly" 2022-2024 三年横盘(16/17/16),2025 单年跳到 21%;五平台中只有 TikTok 上升;而"几乎不间断在线"的总口径 2025 年从 46% 降到 40%——"使用量还在涨"作为统领句不成立,准确说法是"平台级日用高位稳定、TikTok 逆势上升、总强度指标首次回落"。流传的"青少年每天 8 小时 39 分屏幕"是 Common Sense(同时是儿童在线安全立法倡导组织,其调查自发布、非同行评审)2021 疫情期的娱乐性内容累加口径(多屏并用重复计数,非独占钟表时间),此后无同口径更新——不可写成"如今"【多源】。

6. 语言的滑移:官方怎么说,学界怎么说

美国公共卫生总监的措辞是一个精确的双层结构【多源】:机构 advisory(2023)的安全性判断停在"we do not yet have enough evidence to determine if social media is sufficiently safe"(全文 causal/causation 零次);Murthy 个人的论证声部则到了贡献性因果——新闻稿直接引语"social media is an important driver of that crisis"、op-ed"has emerged as an important contributor"。他从未说过"proved to cause",但"措辞始终停留在 associated"的流传说法也不成立——梯度真实存在,只是比传的更陡。警示标签联邦未通过;州层面明尼苏达与加州已立法(前者据报道随即被第一修正案诉讼暂停)——"美国没有社媒警示标签"已经不是准确表述。

学界温度计:一项 Delphi 集体综述(预印本,未同行评审;v1 标题里的"consensus"一词被作者在 v3 主动撤下)组织了 120 余位研究者对取自 Haidt 书中的 26 条论断打分。它最常被引用的读数(99.2% 同意心理健康恶化)是对一段"there is evidence that…albeit with some heterogeneity"弱表述、剔除"不知道"后的文本准确性评分;而它真正的两个信息量在别处:开场问总体影响时,66.7% 的受访者选"取决于情境",明确认为负面的只有 26%;三条 Haidt 政策(高中前不给智能机/16 岁门槛/无手机校园)的定稿结论全是"证据太初步,不足以支持或反驳其有益"(93-95% 同意这个"不足以")——把它引成"专家共识支持这些政策",与定稿结论方向相反。批评方(Odgers/Orben/Przybylski)拒绝参与、Ferguson 中途退出撤名,作者自认批评者代表性不足【单源已核,R3 双席】。

Odgers 那篇 Nature 书评本身,倒是本次验证里唯一整组挺过的(1 组 HOLDS):"not supported by science"与"no evidence that using these platforms is rewiring children's brains or driving an epidemic"皆逐字属实——但她的原文是一个对句,Haidt 在 X 上只摘了前半:"Two things can be independently true… First, that there is no evidence… Second, that considerable reforms to these platforms are required, given how much time young people spend on them."顺带排一颗雷:"the kids are not all right"不是 Odgers 的话,是支持 Haidt 一方的书评标题,误挂会把立场直接倒置。

7. 裁决:Haidt 对不对?

分层回答,每层带证据等级:

他对的部分。危机的真实性(英语圈、女孩自报+美国硬结局)——【多源】,伪影解释已被措辞恒定调查、测量不变性检验、编码无关的数据源联手约束;负向因果效应的存在性——【多源】,停用/引入/宽带/纵向四类设计同向;"效应量小≠不重要"的原则性辩护在公共卫生上站得住(尽管他给的两个基准一个归属错误)。2022 年他在证词里自认没有一项实验用初中生样本、给相关性划 r=.10-.15 的诚实区间——这些自限定语比他的传播者严谨得多。

未被证实的部分。"single largest reason"——没有任何因果设计支撑这个量级,已确证的因果带宽(0.04-0.11 SD)与危机量级(0.37 SD)之间隔着一段任何人都没有填上的距离;"女孩 r=.15-.22"——无一手出处;国际同步的强版本——德国、以及"时间上正好 2012"都对不齐;政策有效性——他推动的三条政策,连他参与署名的 Delphi 都判"证据太初步"。

他错的或被修正的部分。"50-150%"区间被 YRBS 系整体压线以下;Kelly 图的"including controls"图注;铅暴露基准的归属;把 2007 年就触底回升的自杀率画进 2012 叙事的整齐版本。

对面阵营被修正的清单同样长。"土豆比较"的近零分母伪影;"n=35 万"的名义样本修辞;Currie"自伤平"被作者自己的全国续作收回;北欧剪刀差被瑞典/芬兰年轻女性数据推翻;"德国在好转"只对男孩家长报告成立;Ferguson meta 的勘误与双向时长调节;"研究证明禁令无效"对澳大利亚 underpowered RDD 的过度引用。

这就是本期体检最重要的结构性发现:这场争论的主要伤亡不是哪一方的立场,而是双方的头条数字。24 组承重论断里 23 组需要口径修正,修正大致对半开。一个各方都有重量级学者、公开对账文档、海量数据的领域,吵成这样的根本原因是修辞竞赛跑在了测量前面——而 adversarial collaboration(对抗性合作:双方共同预注册、互跑对方数据)在这个领域至今没有发生过一次。

8. 十二个可检验主张

按证据强度排序,每条给检验方式。

1. 英语圈青少年(尤其女孩)自报心理症状在 2010s 真实恶化,非测量伪影——【多源】;检验:YRBS 2025 全国数据(预计 2026 年秋发布)是否延续 53% 量级。
2. 就诊/编码序列的暴涨大部分是识别与编码伪影(全国意念就诊 +459% vs 自杀死亡 +66%),但底层行为恶化同样真实(自伤急诊 +77%)——【多源】;检验:第三方在其他州复现 Currie 分解。
3. 社媒的负向因果效应存在,带宽约 0.04-0.11 SD(成人与大学生为主)——【多源】;检验:下一个大型平台停用实验落点是否在带内。
4. 已确证因果带与危机量级(0.37 SD)之间的缺口,现有任何设计都未填上——"主因"论断至今无承重证据——【多源】;检验:出现能归因 ≥0.2 SD 的因果设计即推翻本条。
5. within-person 方向性:使用上升先行于抑郁上升、反向路径为零(功效充足的研究中 2/3 为正)——【方向多源、量级微小】;检验:独立团队在 ABCD 上复跑 RI-CLPM。
6. 现行形态的学校手机政策对心理健康全样本效应为零——【多源:挪威 JHR/英格兰 SMART/美国 NSCH+全国锁袋】;检验:任何"不可取用"级政策的预注册评估。
7. 学业侧有小幅正效应且随严格度增强(巴西 0.06 SD、挪威严格校 0.12-0.25 SD 亚组)——【方向多源、量级小】;检验:美国全国锁袋研究的高中数学分项后续。
8. 女孩×社媒的关联大于全样本,但两阵营估计(−0.069 vs −0.11~−0.24)未合流——【方向存争】;检验:一次真正的 adversarial collaboration;发生前所有单侧数字都应打折。
9. 澳大利亚禁令前三个月未检出使用断点(功效不足)——【单源已核】;检验:12 个月正式评估 + eSafety 全行业数据。
10. 美国青少年自杀率 2021→2022 一次显著下降后走平;15-19 岁女性 2023→2024 上升(自算口径)——【多源(终版 NVSS)】;检验:NCHS 2025 终版是否确认该上升。
11. 使用强度不再单边上涨(TikTok 单年 +5pp,但"几乎不间断在线"2025 回落 6pp)——【多源(Pew)】;检验:Pew 2026 是否确认回落趋势。
12. 2021-2024 美国指标改善与使用量高位并存,构成对强剂量-反应模型的反例压力——【多源】;检验:若 2025-2026 指标继续改善而使用不降,剂量模型需要修正;若指标随澳英禁令代际重新恶化/改善,则反向更新。

附:主要来源

• Haidt 参议院书面证词(2022-05-04,judiciary.senate.gov 一手 PDF)及《The Anxious Generation》(Penguin, 2024)与官方勘误页;TAG 运动官网(2026-07 取用)
• Odgers, Nature 628:29-30(2024);Orben & Przybylski, Nat Hum Behav 3:173-182(2019)及 2020 Reply;Orben, Dienlin & Przybylski, PNAS 116(21)(2019);Orben, Soc Psychiatry Psychiatr Epidemiol 55:407-414(2020)
• Braghieri, Levy & Makarin, AER 112(11):3660-3693(2022)含 Online Appendix;Allcott et al., AER 110(3):629-676(2020);Allcott et al., NBER WP 33697(2025,未同行评审);Castelo et al., PNAS Nexus 4(2)(2025)与其 OSF 预注册文件
• Donati et al. 与 Arenas-Arroyo et al., J Health Econ 103/102(2025);Golin, Health Economics 31(S2)(2022);Churchill & Johnson, NBER w34614(2026)
• Corredor-Waldron & Currie, JHR 59(S)(2024)及 Choi, Corredor-Waldron, Currie & Felton 全国续作(NBER w33550/JHR 2025);Stewart et al., Psychiatr Serv 68(3)(2017);Ryan et al., Acad Pediatr(2026);Mercado et al., JAMA 318(19)(2017)
• CDC YRBS(MMWR SS 系列与 2023/2024 新闻稿);NCHS Data Brief 471/509/541 与 NVSS 终版;SAMHSA 2021 NSDUH 方法学声明;NIMH 汇编;Keyes et al., Soc Psychiatry Psychiatr Epidemiol 54(2019);Nilsen et al., Psychol Med 54(14)(2024);RKI KiGGS(2018);NHS England MHCYP(2017-2023);Junuzovic et al., Eur J Pediatr 181(2022);StatFin
• Twenge, Haidt et al., J Adolescence 93:257-269(2021);Freije et al., J Adolesc Health 77(4)(2025);Kelly et al., EClinicalMedicine 6:59-68(2018);Liu et al., IJERPH 19(9)(2022);Twenge et al., Acta Psychologica 224(2022)
• Ferguson 系 meta(Prof Psychol Res Pr 2022/2025;Psychol Pop Media 2024 及 APA 勘误、Thrul 再分析与回应);May et al., EJIHPE 15(11)(2025);Lemahieu et al., Sci Rep(2025);Burnell et al., SSM–Mental Health(2025);Nagata et al., JAMA Netw Open 8(5)(2025);Boers et al., JAMA Pediatr 173(9)(2019)
• Abrahamsson, JHR(2026-03-11 线上;数字引 NHH DP 01/2024);Goodyear et al., Lancet Reg Health Eur 51(2025);Allcott, Baron, Dee 等, NBER w35132(2026);Saffer, NBER w35181(2026);Lichand 等, NBER w35233(2026);Barnes et al., The BMJ 393(2026);澳大利亚 Online Safety Amendment Act 2024 与 eSafety 口径
• OSG advisory(2023)与 Murthy NYT op-ed(2024);Capraro 等 Delphi 集体综述(PsyArXiv v3,2025-12,预印本)

本文承重论断经三票对抗验证与单源双席审计;转述保真不等于事实为真,证据分级已逐条标注。站内相关研究:学习科学的证据等级:哪些方法真的有效?(如何读效应量与对照组)、「95% 试点失败」体检(读调查数字的口径阶梯)。