导语：
《原神》已经火爆到可以当作工具变量了吗？如何利用热门游戏《原神》做同伴效应的实证？这个研究思路还是太超前了！速速拜读下这篇发在经济学顶刊The Quarterly Journal of Economics 的文献！
众所周知，沉迷手机会导致学业成绩下滑，但如何证明呢？因为影响成绩的因素太多了，学习方式、课程难度、选课结果、评分标准……如何将玩手机对学生影响的净效应剥离出来？
识别同伴效应的挑战既包括同伴群体形成的内生性，也包括“反射问题”，即个体行为既影响也受其同伴的影响，使得因果推断变得困难。
主要内容：该研究将“手机影响学生学习和发展”这一公众普遍关切的问题，从日常的社会讨论转化为可供实证研究的学术议题。研究者巧妙地利用2019 年未成年人游戏限制政策与热门游戏《原神》上线这两类外生冲击，并结合高校随机分寝政策（排除同伴群体形成的内生性），精准构建了同伴效应的因果识别策略。为后续探讨学生数字行为、同伴效应及人力资本的相关研究提供参考。
研究方法
1. 工具变量法
2. OLS回归
3. 两阶段最小二乘法（2SLS）
研究设计
1. 利用自然实验创造外生变异
随机室友分配：大学按专业随机分配新生室友，这是识别简化形式同伴效应的关键外生冲击。这确保了室友在入学前的特征与个体无关，建立个体与室友之间特征和行为的联系，从而估算室友行为对个体行为的整体影响。
（1）利用大学随机宿舍分配政策估计简化形式的同伴效应；
（2）利用学生固定效应吸收其自身及室友的事前特征（学生入学前APP使用状况等）分离行为性溢出效应；
（3）从简化形式估计中减去行为估计成分，还原出情境性溢出效应。
2. 构建工具变量
为缓解模型内生性问题，研究者引入两组工具变量：
（1）“未成年人游戏限制”政策冲击
政策冲击：利用中国政府2019年出台的未成年人游戏限制政策作为外生冲击。该政策虽然只影响到样本中不到10%的学生，但通过影响学生的未成年好友，来间接影响所有人的游戏时间，从而为室友行为提供了一个只影响个体的外生变化来源。
利用“未成年人游戏限制政策实施时点×学生入学前结识的未成年朋友数量”的交互项构建工具变量。
（2）热门游戏《原神》发布
使用“《原神》的发布日期×学生入学前的手机APP使用情况”的交互项构建工具变量
3. 分离两类同伴效应
两个假设：线性均值同伴效应设定和同伴处理效应的同质性。
两类同伴效应：行为性同伴效应（同伴行为对个体行为的影响）和情境性同伴效应（同伴特征对个体结果的影响）
第一步：利用大学随机室友分配政策，估计Reduced-Form同伴效应，即室友入学前的APP使用特征对个体大学期间使用的总体影响。
第二步：利用“未成年人游戏限制政策×室友的未成年好友数量”这一工具变量产生的准实验变异，在控制个体固定效应后，分离出行为性同伴效应。该变异影响了同伴，但并未影响目标学生。
第三步：从Reduced-Form同伴效应中减去估计出的行为性同伴效应，从而得出情境性同伴效应。
4. 估计影响效应
在识别个体及室友App使用的基础上，研究者使用上述工具变量，来估计APP使用对大学生GPA、身体健康（体育成绩）和毕业后起薪的影响效应。
研究结果
在所有回归分析中，APP使用量以小时的对数形式衡量，GPA以0至100分值衡量，工资以人民币的对数形式衡量。
1. App使用存在显著的行为性同伴效应
室友大学期间的APP使用时间对个体有显著的正向行为溢出效应。
室友的应用使用时间每增加一个标准差，个体自身使用时间将增加5.8%。
并且，APP使用的行为性同伴效应远大于情境性同伴效应，后者的影响较小且在统计上不显著，意味着APP使用中的同伴效应主要驱动力是同伴的行为而非其特质。
2. APP使用对学业表现有显著负面影响
表5第(1)-(3)列报告了APP使用影响大学生必修课GPA的OLS估计值。
图3的残差化分箱散点图表明GPA与自身APP使用及室友APP使用之间存在紧密的负相关关系。
室友的同期APP使用情况通过两种渠道影响GPA：
一是行为性同伴效应；
二是室友的APP使用情况可能对宿舍学习环境及个人学习时间产生影响，从而对大学生的GPA
3. 损害身体健康
APP使用对身体健康（以体育课成绩为代理变量）的影响是其对必修课GPA影响的三倍。（表5）但室友的APP使用对学生的体育成绩没有直接影响，这可能是因为游戏产生的数字干扰与户外活动的相关性较低
4. 对劳动力市场结果造成负面影响
- 影响机制揭示
GPS位置数据显示，应用使用主要通过以下方式影响学业：
（1）时间分配：更多app使用减少学生在自习室的时间，增加了在宿舍的时间。
（2）学习参与：学生迟到率和缺勤旷课率显著上升。
（3）睡眠干扰：夜间应用使用缩短睡眠时间
学生夜间APP的使用，尤其是晚上9点到凌晨3点的使用，显著缩短睡眠时长，增加熬夜和晚起概率。
（4）健康与心理：APP使用时长与学生的身体健康状况呈负相关，与压力水平呈正相关；
但更可能承认网络成瘾问题，承认面临自我控制困境。
（5）求职行为：降低求职积极性
重度APP使用者获得职业证书的概率更低，提交的工作申请更少，对工作offer的满意度更低；
异质性分析
《原神》作为工具变量，不仅在上线时造成巨大轰动，也同时具备持续吸引用户的能力，保证其在研究的时间跨度内都是有效的影响因素。
Table C.4进行了一项安慰剂检验，发现《原神》的发布主要影响了游戏、社交和视频类App的使用，而对购物、新闻类App则没有影响，这支撑了其影响渠道的稳定性。
为进一步验证自己的结论，研究者进行了一次政策模拟，通过将未成年人游戏限制政策扩展至大学生这一反事实模拟，将会导致毕业起薪提高0.9%。
政策启示与研究贡献
移动APP使用具有传染性，且对大学生的学业表现、身体健康和劳动力市场结果存在显著负面影响，同伴应用使用也通过行为性同伴效应和其他干扰产生负面影响。研究结果为理解数字时代移动应用使用的后果提供了重要证据，也为制定相关政策(如扩展游戏限制政策到大学生群体)以减轻数字干扰的负面影响提供了参考。
研究贡献
1. 同伴效应研究
首次在统一框架下区分行为性和情境性同伴效应，利用随机宿舍分配和准实验冲击，为同伴效应识别提供新方法，明确行为效应主导APP使用的同伴影响。
2. 数字成瘾研究
拓展了数字成瘾的研究范围，不仅关注学业表现，还考察了心理健康和早期劳动力市场结果与同伴效应，揭示了时间分配、眠等影响机制。
3. 政策评估
为移动APP使用限制政策提供实证依据，量化了政策对学业和薪资的潜在影响。
想到了什么？
该研究利用随机宿舍分配 + 外生政策冲击，解决了同伴效应和内生性的实证难题。一份合格的量化研究在于其识别因果关系的方法，在充满各种不确定因素的真实世界中寻找一个巧妙的外部冲击作为工具测量因果效应。但工具变量的选取涉及到更多争议，研究者也承认数据覆盖范围存在局限性，仅聚焦手机APP使用而未能整合电脑、平板等多设备APP使用行为。而《原神》多在PC端游玩，这会导致APP使用时间统计的遗漏。
可以深入研究的一个点就是《原神》这种包含二次元元素的游戏男女玩家数量是不同的，可以分性别讨论吗？
利用20级学生的睡眠数据存在的局限性：
与2018-2021年的学生GPA或工资数据没有重合。因此无法直接检验睡眠时间减少对学业表现和毕业起薪的影响。
同伴除了数字行为干扰，其他行为会不会也对个体的大学表现造成影响？这些因素需要控制吗？
同质性假设（线性均值同伴效应设定和同伴处理效应的同质性）合理吗？会面临异质性问题吗？
游戏版本更新等会影响用户时长，可以进行时间断点回归吗？
文章引用信息
Barwick, P. J., Chen, S., Fu, C., & Li, T. (2025).Digital Distractions with Peer Influence: The Impact of Mobile App Usage on Academic and Labor Market Outcomes.The Quarterly Journal of Economics, 140(1), 1–65.
茗琰指出了研究依赖手机APP数据可能遗漏PC端使用行为这一测量问题，这确实是评估其结论稳健性的关键。顺着这个思路，如果《原神》的主要游玩场景确实在PC端，那么将其作为工具变量所识别的“手机APP使用”效应，在多大程度上还能代表研究者试图捕捉的“数字干扰”核心概念？
感谢老师的评论，作者选取了一个绝大部分时间里都在pc端游玩的游戏作为工具变量来研究其对大学生手机app使用时间的影响，其测量偏差的确会低估真实的数字干扰影响幅度。虽然该工具变量通过了一系列统计检验，但依然面临巨大而不可控的干扰。在结论的内部有效性方面，测量误差导致第一阶段拟合度下降，工具变量对“真实游戏APP使用”的解释力被削弱，使2SLS 估计偏误增大。或许在统计学意义上完美的工具变量很难寻找甚至不存在，但工具变量的应用主要目的是为了缓解计量模型的内生性问题，增加研究结论的解释力度。该研究创新性地构建Bartik工具变量，利用外部冲击的变化来识别内生变量的因果效应，这也是研究的亮点吧。后续可以加入一项安慰剂检验：用主要在手机端运营的热门游戏（如《王者荣耀》）做对照，看工具变量效应是否更显著，间接证明 PC 端遗漏的影响。或者整合 PC、平板、主机等设备的总APP使用数据进行研究。