论证页 · 基于 Orben、Odgers、Vuorre 等原始文献
别问手机害不害人，
先看看你
把问题切多细。
两条趋势线的同步上升常被解读为因果关系。大样本规范曲线分析与纵向追踪显示，该关联的效应量极小且随时间并未增强。将危机归咎于屏幕会掩盖贫困、睡眠剥夺与诊断阈值变化等更具解释力的变量。
图注：左轴为设备拥有率与抑郁症状指标的定性趋势（2010至2022年），右上方标注为Orben与Przybylski 2019实测可核对数值。蓝色曲线代表设备拥有率，红色曲线代表抑郁指标。观察两条曲线同步上升即可确认时间重合事实，但屏幕时间对心理健康变异的解释力不超过0.4%。趋势方向可核对，具体斜率因数据集差异未统一量化，此处为示意。
三个大型社会数据集的总样本量（Orben & Przybylski 2019）
屏幕时间对青少年心理健康变异的解释方差上限（Orben & Przybylski 2019）
客观测量的上网时长与回顾性自陈屏幕时间之间的相关系数（Odgers & Jensen 2020，引 Ellis 2019）
同一批模型，加控制变量中位数 −0.005，不加 −0.068（Orben & Przybylski 2019 Fig. 4）
你如果去翻这几篇论文，会发现一个奇怪的现象：吵得最凶的几方，手里拿的是同一批数据。Haidt 2024 年的书成了畅销书，Odgers 同年在 Nature 上写书评指出他忽略了测量误差。Vuorre 与 Przybylski 用规格曲线分析证明，把各种数字设备混在一起算，效应小到接近噪声。Twenge 与 Haidt 那一方在 2022 和 2026 年回击，说你们把不同技术搅浑了，掩盖了社交媒体对女生的真实影响。这不是立场之争，是把数据切多细的方法之争。你看到的两个极端结论，其实都在同一张表里。
01 · 问题在哪
你回忆的屏幕时间，和手机自己记的差多少
2010 年代初，智能手机在青少年中的拥有率快速攀升。几乎在同一时期，多项心理健康指标显示抑郁症状与焦虑报告也在上升。两条趋势线在时间轴上重合，公众与媒体自然推导出因果关系：手机导致了抑郁。
但时间同步不等于因果绑定。两条独立上升的曲线可以完全无关。要判断屏幕时间是不是真的影响心理健康，得先回答三个方法学问题：测量是否可靠、混杂变量是否被控制、效应量是否大到有临床或政策意义。这一节只处理第一个，因为它是另外两个的前提。
你问一个青少年昨天玩了多久手机，他大概会凭感觉报个数字。但如果去看他手机自带的屏幕使用时间，那个数字往往会差出一大截。研究把这两组数据放在一起算，相关系数只有 r = 0.20。翻译过来：你报的数和你实际用的时间几乎各说各话，测量误差吞掉了大部分真实变异。Odgers 与 Jensen 2020 复核了 29 项研究，其中只有 2 项用了设备自动记录的客观数据，这个 0.20 是他们引用 Ellis 2019 给出的估计。
整场争论的核心自变量，大部分是靠孩子回忆填出来的。这件事的后果不只是「不够精确」这么轻。用有噪声的尺子去量一个真实存在的东西，量出来的结果一定比真实值小。下面这个滑块可以让你自己看它小多少。
交互 01：测量噪声怎么把效应吃掉。横轴是中位标准化回归系数 β，越往右关联越强，和后面第 04 节那张图共用同一根轴。上面那条蓝色是研究实际报出来的 −0.04，下面那条红色是扣掉测量噪声之后反推的值，随滑块变化。红色虚线标出 Twenge 那一边给出的女生下限 −0.11。r = 0.20 与 β = −0.04 都是实测可核对值；反推用的是经典心理测量学的衰减公式 β_true = β_obs 除以 r 的平方根，这是公式不是某篇论文的实测数字，你可以不同意这个建模。
交互 01 / 6 · 把它推到 0.20
测量越不准，真实的信号会被稀释成什么样？
拖动滑块，看自变量的测量精度下降时，原本存在的关联被噪声稀释到什么程度。推到 0.20，那是这个领域的真实处境。
02 · 关键实验
三十多亿个模型跑完，最多解释千分之四
一个研究者拿到原始数据，第一件事是选心理健康量表。用 SDQ 的情绪症状分量表，还是罗森伯格自尊量表，还是 Moods and Feelings？接着要决定算不算家庭收入、父母学历这些控制变量。还要决定屏幕时间怎么算，是社交媒体小时数，是有没有自己的电脑，还是把所有设备取个平均。每一个选择单看都完全正当，找不出哪个是作弊。但把它们组合起来，能生出几十亿种不同的分析路径。
Orben 与 Przybylski 2019 没有只挑一条路跑。他们把 3,221,225,472 种组合全算了一遍，这个方法叫规格曲线分析。它的逻辑是：如果一个效应是真的，它应该在绝大多数合理的建模选择下都冒出来；如果它只在少数特定选择下显著，那它更可能是分析灵活性的产物。
结果是，屏幕使用至多解释福祉变异的 0.4%。作者自己写下的话是：这些效应太小，不足以支撑政策改变。
这条曲线本身还不够狠。真正说明问题的是下面这张：Orben 与 Przybylski 把同一批设定按有没有加控制变量拆成两条，其余全部条件不变。
交互 01：规格曲线分布图。横轴为单个模型算出的解释方差百分比，纵轴为落在该处的模型数量。绿色填充是全部模型的分布，红色填充是右侧那一小块能碰到传统显著性阈值的尾部。要看的是分布的重心与虚线标出的 0.4% 之间的距离。0.4% 这个上限与 3,221,225,472 这个模型总数是 Orben 与 Przybylski 2019 的实测可核对数值，曲线形状出于叙述需要绘制，原文未公开逐档模型计数。切换按钮把整体分布换成仅显著子集，用来对比两者的面积。
交互 02 / 6 · 只留下显著的那一块
同一批数据，能算出多少个不同的答案？
如果一项研究只报告能碰到显著性的那一小块尾部，它会得到一个「显著」的结论。切过去看看那一块有多小。
读数面板
在 3,221,225,472 个统计模型中，屏幕时间对心理健康的解释力稳定在 0.4% 以下。仅当分析选择刻意放宽时，尾部才会触及传统显著性阈值。
到这里为止，怀疑方的论证是完整的：效应小，而且它小得很稳，换一百万种合理的算法都还是小。这就是「屏幕无害」这个说法的全部依据。
但同一套方法，换一种切分数据的方式，得到的数字差了一个数量级。Twenge 等人 2022 年用同样的规格曲线方法重做，只改了三件事：拆分具体的数字活动类型、男女分开分析、修改控制变量。女生使用社交媒体的中位 β 落到了 −0.11 到 −0.24 之间。Haidt 那一方 2026 年的评论文章把这一点写成了核心指控：把不同群体和不同技术混在一起算，就是在稀释本来存在的信号。
注意这两句话都成立。剩下的整个争论，是在争哪一种切法才算「合理」。
03 机制
同一个年龄，对男孩和女孩不是同一件事
发育不是匀速前进的。同一个年龄对男孩和女孩，意味着完全不同的生理节奏和社交压力。Orben 等 2022 用 17,409 人的纵向数据、52,556 次测量去找这个东西落在哪几岁上，结果是几个很窄的窗口：女生 11 到 13 岁，男生 14 到 15 岁，两边在 19 岁前后各有一个。其余年龄段的估计都贴着零线。
拿女生 12 岁那一格举例，b = −0.14。翻译过来：把一个女孩的社交媒体使用量往上推一整个标准差，她一年后的生活满意度往下掉 0.14 个标准差。这个量级仍然很小，但它不是零，而且它只紧贴在这几岁上。
互动性质同样关键。Odgers 与 Jensen 2020 综合的生态瞬时评估显示，青少年发送更多短信的日子，抑郁与焦虑症状反而更低。线上社交在此情境下呈现保护性而非危害性。
因果箭头并非单向。同一纵向模型中，生活满意度下降会反向预测社交媒体使用增加，该路径在全年龄段保持恒定，b 等于负 0.02，95% 置信区间为负 0.03 至负 0.01，p 等于 0.004。脆弱性先于使用习惯出现，而非完全由屏幕时间制造。
交互 02：发育敏感性窗口图。横轴为年龄，纵轴为标准化回归系数 b。蓝色点代表女性，橙色点代表男性。半透明色块标记统计显著的窗口区间。数值为 Orben 等 2022 实测值，置信区间宽度按原数据绘制。点击控件切换显示群体，读数面板同步更新对应窗口的效应量与显著性。
交互 03 / 6 · 换个群体看
11 岁的女孩和 11 岁的男孩，不是同一件事
女性窗口 11 至 13 岁：b 等于负 0.11 至负 0.14，p 小于 0.05。男性窗口 14 至 15 岁：b 等于负 0.10 至负 0.18，p 小于 0.01。共同窗口 19 岁：b 等于负 0.16，p 小于 0.001。全年龄反向路径 b 等于负 0.02。
04 冲突
把问题问粗一点，那条长区间就塌回去了
交互 03：效应量对照轴。两条区间共用一根横轴，横轴为中位标准化回归系数 β，越往左关联越强。上面一条（蓝）是 Orben 与 Przybylski 2019 的汇总口径，下面一条（红）是 Twenge 等 2022 按性别与活动类型拆分后的女生结果。要看的是两条区间的长度比，而不是各自的绝对位置。区间端点为实测可核对值，轴上不显示原始分布形状。按下「按总体汇总」，下面那条会塌回上面那条的位置。
交互 04 / 6 · 把粒度调粗
混在一起算，那条长区间会缩水到什么程度？
粗粒度汇总中位 β 位于负 0.01 至负 0.04。细粒度拆分后女生 β 扩展至负 0.11 至负 0.24。区间放大源于控制变量与子群剥离，非计算错误。同一批数据在不同分辨率下呈现两个真实答案。
交互 04：时间趋势与关联强度叠加图。左轴为屏幕使用量与心理症状的上升趋势（定性示意，已标注），右轴为两者关联强度的年度变化（Vuorre 等 2021 实测，接近水平）。图层切换控制关联强度曲线显示。读数面板提示平行趋势的因果推断风险。
交互 05 / 6 · 关掉一层看看
两条线一起涨，就说明它们绑在一起吗？
使用量与症状量呈平行上升（定性示意）。关联强度年度变化不足 0.01 个标准差（Vuorre 等 2021 实测）。仅观察趋势线易产生因果错觉，实测关联并未随技术普及而增强。
到这里可以把整场争论压成一句话：双方吵的不是数据，是分辨率。把镜头拉远，特定群体的那几年脆弱期会被平均掉；把镜头推近，局部的波动又会被放大成规律。两个视角都不是骗人，但任何一个单独拿出来当结论都会越界。你要是只记住一件事，就记住下次看到一个数字的时候，先问它是在哪个分辨率上算出来的。
05 实践含义
一刀切地没收手机，换得回心理健康吗
Nature 2025 的报道指出，手机禁令并非万能药。现有研究缺乏证据表明限制性政策能减少整体手机使用或改善心理健康。Odgers 2024 的综述进一步强调，线上风险与线下风险互为镜像。脆弱的孩子在两个场域都脆弱，单纯切断设备无法消除底层压力源。
交互 06：按年龄和性别查窗口。横轴是效应大小，单位是标准差。绿色那条竖线画在 0.5 上，它是「一个人自己能察觉到变化」的大致门槛，出自 Vuorre 等 2021 引用 Anvari & Lakens 2019 关于主观福祉量表的结论。彩色横条是被选中的那一岁的实测 b 值，横条上那根细线是 95% 置信区间。全部 b 值与置信区间取自 Orben 等 2022，没有任何插值或外推：原文没有标为显著的年龄，这里就画成贴着零。
交互 06 / 6 · 查一下
你的孩子今年几岁，落在哪个窗口里？
这个交互只做一件事：把 Orben 等 2022 的实测数字按年龄和性别查出来，然后把它放到「能不能被本人察觉」这把尺子上量一量。它不做任何个体预测。这是一个群体层面的平均值，它不能告诉你你自己的孩子会怎样。
干预策略应从粗放式总量控制转向精准靶点。以下对照基于本页语料核实，证据级别已明确标注。
限制总量
最常被提出，也是本页语料里唯一被明确写成「未见效果」的那一条。
Nature 2025 与 Odgers 2024 均指出，限制性政策未显示减少整体使用或改善心理健康的实证效果。公众认知与实测结果存在落差。
本页语料只有定性支持睡眠保障
少数几条有明确生理路径的机制之一，值得单独当靶点。
Odgers 与 Jensen 2020 指出，屏幕时间对睡眠的挤占是少数具备明确生理路径的机制之一。Nature 2025 建议将睡眠保护作为优先干预目标。
本页语料只有定性支持家庭冲突缓解
线上风险常是线下压力的延伸，切断设备不会切断压力源。
Odgers 2024 强调，家庭环境与亲子互动质量对心理健康的影响远大于设备本身。线上风险常是线下压力的延伸。
本页语料只有定性支持贫困与结构性压力
Odgers 认为这是被屏幕叙事挤出讨论的那个更大的变量。
Odgers 2024 指出，收入分布最低的 20% 家庭在 2008 年大衰退后持续承受压力，约六分之一儿童生活在贫困线以下。经济剥夺与歧视是更核心的驱动因素。
本页语料只有定性支持发育窗口期针对性保护
全页唯一带定量证据的靶点：风险集中在几个具体年龄上。
Orben 等 2022 提供定量证据，女性 11 至 13 岁、男性 14 至 15 岁及共同 19 岁窗口期效应显著。针对性支持可匹配风险的实际分布。
本页语料含定量支持语料获取不对称
本页引用的怀疑方文献（Orben、Odgers、Vuorre）已核对全文，支持方文献（Twenge、Haidt）仅能引用摘要。结论的权重分布受此限制，读者在评估对立观点时应考虑这一信息差。
横断面设计无法确立因果
Orben & Przybylski 2019 与 Odgers & Jensen 2020 均指出，现有大规模队列多为横断面数据，技术使用与心理健康症状的先后顺序无法分离，关联不等于因果。
自陈屏幕时间的测量偏差
Odgers 与 Jensen 2020 在综述里写明，客观测量的上网时长与回顾性自陈的屏幕时间之间，相关系数估计只有 r 约等于 0.20（他们引用的是 Ellis 2019）。他们复核的 29 项研究里只有 2 项用了客观或他人评定的使用量测量。整场争论的自变量，大部分是靠孩子回忆填出来的。
纵向模型的强假设
Orben 等 2022 在 RI-CLPM 分析中声明，因果推断依赖无时变未观察混杂因素与无测量误差假设，现实队列数据无法满足该条件，模型结果需结合假设强度谨慎解读。
样本代表性局限
Odgers & Jensen 2020 指出，现有高质量数据多来自高收入、工业化社会，结论向低收入或集体主义文化推广时需谨慎，数字鸿沟与基础设施差异未被充分纳入。
小效应的公共卫生意义
Vuorre 等 2021 与 Twenge 等 2022 均承认，尽管个体层面效应量极小，但全人群长期暴露仍可能产生可观测的群体级影响，公共卫生视角与临床视角的阈值并不相同。
非临床与政策指南
本页仅梳理已发表统计结果与测量方法学争议，不提供青少年心理健康干预方案，亦不替代专业临床评估或公共卫生决策。
测量粒度
屏幕时间不是单一变量，内容类型、使用情境与个体基线差异远大于设备本身。
统计粒度
规格曲线分析显示，分析选择直接决定显著性，中位效应量稳定在 0.4% 以下。
发育粒度
影响并非均匀分布，而是集中在 11 至 15 岁的短暂窗口，且存在性别差异。
因果粒度
横断面关联无法分离方向，纵向模型依赖强假设，生态瞬时评估提示部分线上互动具保护作用。
下次再看到「手机毁了一代人」或者「屏幕根本无害」这两句话里的任何一句，你该问的第一个问题不是他们站哪一边，是他们把数据切到了多细。混在一起算，效应确实小到接近噪声；只看社交媒体、只看女生，同一批数据里的关联又会放大五到十倍。两个数字都是真的，它们回答的是不同粒度的问题。设备不是一个开关，年龄、性别、内容类型和家里原本的支持系统才是变量。这一页给不了你「该不该让孩子用手机」的答案，它只能让你在下一次听到一个斩钉截铁的结论时，知道该去问哪一句。
图片说明。可核对的实测数值有四组：交互 01 的 3,221,225,472 个模型与 ≤0.4% 解释方差上限（Orben 与 Przybylski 2019），交互 02 的全部 b 值与 95% 置信区间（Orben 等 2022），交互 03 两条区间的四个端点（Orben 与 Przybylski 2019；Twenge 等 2022），交互 04 关联强度年度变化不足 0.01 个标准差（Vuorre 等 2021）。出于叙述需要绘制的有三处：交互 01 的分布曲线形状（原文未公开逐档模型计数）、交互 04 上半部两条上升趋势线（方向可核对，斜率因数据集口径不同未统一量化）、首屏那张示意图。示意部分不具独立统计效力，图注中已逐一标注。页内三张论文原图取自 Orben 与 Przybylski 2019（Nature Human Behaviour，Fig. 3 上半部分与 Fig. 4）以及 Orben 等 2022（Nature Communications，交叉滞后结果）。后者以 CC BY 发表。三张图均未作任何改动，只按 panel 做了裁切，裁切边界写在页面的构建脚本里。交叉滞后那张保留了完整的两行两列，因为它的论点就在四格的相互对比里，拆开反而看不成立。
取舍说明。语料获取存在不对称：怀疑方文献（Orben、Odgers、Vuorre）已核对全文，支持方文献（Twenge、Haidt、Sigaud）只拿到摘要，Braghieri 等人的 American Economic Review 论文未取得原始数字。冲突对照因此严格限定在已核实的数值上，没有对只有摘要的结论做外推。这条限制也写进了边界章节第 1 条。本页不选边站队，只展示不同统计粒度下证据分布的样子。
所有内容基于已发表同行评议文献与公开数据，不构成临床诊断依据、心理健康干预建议或公共卫生政策指南。个体差异与具体情境需由专业机构评估。