图片来源：India TV News

文献来源：Braghieri, Luca, Ro'ee Levy, and Alexey Makarin. 2022. "Social Media and Mental Health." American Economic Review, 112 (11): 3660-93.

2021 年，世界上超过一半的人口都拥有社交媒体账户，这些人平均每天在社交媒体平台上花费大约两个半小时，相信此时正在看香樟经济学术圈的你和我也是其中一员。自电视以来，很少有技术能如此显著地改变人们消磨时间和与人交往的方式，刷“朋友圈”似乎成了每天的必须做的事，而善于接受新事物的年轻人还总能在社交媒体中发现新的乐趣。

但是，我们同样不能忽视社交媒体带来的潜在风险。调查数据显示，就在社交媒体开始流行的2008到2018年十年间，18-23岁的年轻人中汇报自己曾发生过严重抑郁的比例上升了83%，自杀竟成为了美国15-24岁人群中的第二大死因。尽管这一现象的主要驱动因素仍然扑朔迷离，本文作者还是根据已有文献提出了一个假设：社交媒体的使用会使青年人的心理健康恶化。他们利用Facebook席卷美国大学的这一“冲击”，通过广义DID(Generalized Difference-in-Difference)的方式并结合详实的调查数据，得出了令人担忧的结论：Facebook的使用会增加学生间的攀比和错误认知，这对美国大学生的心理健康产生了负面影响。更为糟糕的是，这种影响还会直接传导到他们的学习与生活当中，使学习效率下降。

本文的背景依托Facebook于2004年2月在哈佛创建后于美国大学生中的快速流行。由于Facebook可以实现在网络上与朋友联络并分享自己的生活，它刚一推出就受到了学生们的青睐。同时，因为Facebook在创建初期受到服务器容量和“精英大学”排他理念的影响，它并没有在同一时间向所有大学开放（更没有向公众开放），而是以一种“渐进”的形式走入了不同大学，这也就为作者选取实证策略提供了指引。

2.1 心理健康数据与指标

2.2 Facebook的进入时点

作者需要获取各个大学中尽可能详尽并且准确的Facebook开放时点，这样才便于构建更准确的处理变量。他们将所有目标大学分为两组：对于前 100 所获得 Facebook访问权限的大学，学者已经得到了准确的结果(Traud, Mucha, and Porter 2012; Jacobs et al. 2015)，所以可以直接使用；对于其他参与过NCHA调查的大学，作者巧妙地采用网络快照的方式缩小了Facebook进入特定大学的时间区间，进而得到了较为精确的“处理时间”。这样做既能保证心理健康调查问卷的大样本量得到较好的保留，也能保证处理的时点相对精确。另外，作者还以Facebook的进入时间对大学做了分组。

03 

其中，Y_icgt是依据第c次调查结果得到的g组中c大学的个体i的心理健康指数；α_g/c是组层面或大学层面的固定效应；δ_t是时间固定效应；Facebook_gt即为根据数据集得到的DID处理变量；X_i/c则是一系列个人和学校层面的控制变量。作者在回归中将标准误聚类到学校层面。

作者采用以下方程验证平行趋势：

其中需要强调的是二元变量D_k(gt)的取值：如果Facebook已经被参与第t次调查的g组学校使用了k年，那么D_k(gt)的取值才会是1。

作者全文的识别十分依赖于基准回归方程(1)。同时，他们也意识到了近年来学界对简单双向固定效应模型的质疑，所以他们也通过使用De Chaisemartin and d’Haultfoeuille(2020); Borusyak, Jaravel, and Spiess(2021); Callaway and Sant’Anna(2021)以及Sun and Abraham(2021)中引入的新估计量进行了稳健性检验，得到了类似的结论，打消了顾虑。

作者将基准回归结果（如表-1）的第三列作为其参考，Facebook的使用对大学生心理健康指数的负面影响达到0.085个单位标准差。作者还贴心地给读者以现实生活的中的例子来对这个大小有直观的感受：例如，Facebook的使用对心理健康的影响相当于背负债务对心理健康影响的84%。

下图更直观地表现了Facebook的使用对大学生的抑郁症状、其他精神健康状况和心理健康服务使用的负面影响。虽然其中对心理健康服务的使用并没有统计学上的显著意义，但可以看出仍体现出增加的趋势。值得一提的是，图-1中唯一系数在0上的心理疾病是厌食症，如果注意到作者后文所检验的机制，厌食症正是与其关系最小的心理疾病！

作者的平行趋势检验结果如图-2所示，同时展示了采用多种估计量的检验结果。在引入Facebook以前，回归系数集中在0周围；而在引入之后，回归系数在第1和第2学期都显著为正。事件分析法的结果验证了平行趋势，并且也为Facebook的使用对大学生心理健康的负面影响提供了动态的证据。

如果Facebook的使用真的会造成学生心理健康状况的下降，那么接下来需要关心的问题就是，会不会“刷朋友圈”的时间越长心理健康状况就越差呢？

作者采用以下方程估计“接触Facebook年限”对心理健康指数的影响：

可以看出，随着使用Facebook学期数的增加，大学生的心理状态逐渐变差。虽然如果认真考虑图中的纵轴比例尺和置信区间，增加的幅度和统计上的显著性并不非常具有说服力，但这也可以作为影响大学生心理健康的另一个角度。

心理健康与精神状态是影响学习、工作和生活的重要因素，如果使用社交媒体会导致心理健康状态变差，那么能否识别出它对学生学习与生活的影响呢？作者在本文中只是给出了一个简单的估计，仍然采用识别方程(1)，通过NCHA问卷中的调查数据，作者对学生自我评估的学业表现做了回归，结果如图-5：

关注最后一行的汇总指标，社交媒体的使用同样对学生学业表现有负面影响（得分为正）。

5.3 异质性检验

作者主要关心了大学生中的不同群体，尤其关心了社交媒体给由于经济社会因素更可能遭遇心理疾病的学生群体带来的影响。作者的这一意图是显而易见的，当家庭条件更好和更外向的同龄人在社交媒体中展示自己的美好生活时，这些经济社会条件较差的学生将可能比没有社交媒体时更多地感到自己不如别人。但事实上，社交媒体上的这些帖文可能都是发布人为了表现自己的美好生活精心设计好的。

作者先使用LASSO回归根据数据库中的相关指标构建了一个经过变量筛选和复杂度调整的指标，并预测了“精神易感”群体。随后，作者根据这一指标又对方程(1)进行了分组回归，得出了图-3中直观的结论：

不论是在心理疾病的症状、心理健康服务的使用还是对学业影响的副作用上，易感组（横轴5）受到的影响都大于其他组别。

5.4 稳健性检验

作者的稳健性检验在全文中穿插出现，并在在线附录中进行了分模块的详细汇报，其方法较为常规。最值得关注的是作者考虑了双重差分法的另一个核心识别假设SUTVA，即干预不存在一般均衡效应或溢出效应。详尽的稳健性检验请感兴趣的读者参考原文或在线附录。

作者在本文中进行了简单的机制检验。首先，他们根据已有文献先提出了Facebook的使用造成心理健康恶化的可能机制，包括增加“不利的社会比较”（攀比）(Appel, Gerlach, and Crusius 2016)，引起精神疾病的互联网使用(Griffiths, Kuss, and Demetrovics 2014)和其他行为的改变。

作者着重介绍了对第一种机制的检验，从理论上说，“刷朋友圈”时，当我们看到其他人发布的生活记录时，会主动将自己与好友比较。对于大学生来说，“是不是朋友更多（包括加入美国特色的兄弟会、姐妹会），更受欢迎”、“家境更好（自身负债、社交活动）”、“长相更美（这里用具有美国特色的“超重”来作为代理）”都是比较的范围。作者将这些指标量化后，与“处理变量”做交乘以获得边际效应，通过回归得到如图6的结果：

这篇文章虽然识别策略简单，但贵在立意精巧，关注了互联网社会中急需解决的现实问题。作者通过Facebook在美国大学生中的快速流行这一“冲击”，选取广义DID的识别策略，通过大量的官方调查数据与细致入微的数据处理，揭示了社交媒体对大学生群体心理健康产生的负面影响。事实上，随着算法的迭代，朋友圈还是那个朋友圈，但在新闻、购物和其他社交网络上的推荐算法已经做到了个性化，这可能会增加人们使用社交媒体的时间，进而加剧对心理健康的影响。

作者的机制检验也尤为令人深思，当“朋友圈”远离了“分享生活”的本质时，可能给人们带来的是负效用，精心包装下的美好生活，可能会给自己带来一时的成就感，但可能给别人带来的是攀比之下更沉重的心理负担。