周 蕾 李愛梅 張 磊 李 紓 梁竹苑

?

風(fēng)險決策和跨期決策的過程比較：以確定效應(yīng)和即刻效應(yīng)為例

周 蕾李愛梅張 磊李 紓梁竹苑

(暨南大學(xué)管理學(xué)院, 廣州 510632) (中國科學(xué)院行為科學(xué)重點實驗室(中國科學(xué)院心理研究所), 北京 100101) (中國科學(xué)院大學(xué)心理學(xué)系, 北京 100049) (德國漢堡大學(xué)醫(yī)學(xué)院系統(tǒng)神經(jīng)科學(xué)系, 漢堡 20246)

風(fēng)險決策和跨期決策與人類生存發(fā)展密切相關(guān), 且兩類決策在理論發(fā)展、行為效應(yīng)及神經(jīng)基礎(chǔ)等方面具有相似性。為檢驗二者是否具有共同過程機制, 本研究以風(fēng)險決策中的確定效應(yīng)和跨期決策中的即刻效應(yīng)為例, 采用眼動追蹤技術(shù)比較了它們的局部、整體過程及模型擬合。輔以貝葉斯因子分析實驗數(shù)據(jù)表明：二者的主要過程特征均相似, 且更符合非折扣模型假設(shè); 二者在加工復(fù)雜程度等少數(shù)特征上有所不同; 確定和即刻信息在加工方向等特征上存在特異性。這表明二者可能具有共同的核心決策規(guī)則：兩類決策更可能遵循非折扣模型預(yù)期的簡捷、啟發(fā)式規(guī)則, 而不是折扣模型所假設(shè)的補償性、基于選項規(guī)則。本研究為建立兩類決策的共同解釋框架做出了有益嘗試, 并為決策比較研究方法提供新的方向。

風(fēng)險決策; 跨期決策; 眼動追蹤; 分層貝葉斯模型; 確定效應(yīng); 即刻效應(yīng)

1 前言

風(fēng)險和跨期決策是與人類生存發(fā)展密切相關(guān)的兩類重要決策。風(fēng)險決策(risky choice)指人們對具有多個結(jié)果且其發(fā)生概率已知的選項進行權(quán)衡后做出的決定(Kahneman & Tversky, 1979), 如選擇不同醫(yī)療方案?？缙跊Q策(intertemporal choice)指人們對發(fā)生在不同時間點的備擇方案間進行權(quán)衡后做出的決定(Frederick, Loewenstein, & O'Donoghue, 2002), 如減少過度開發(fā)以加強環(huán)境保護。二者在理論發(fā)展、行為效應(yīng)及神經(jīng)基礎(chǔ)等方面具有相似性, 因此, 探索它們是否具有共同機制, 對發(fā)展普適性決策理論、簡化決策概念和模型具有重要意義(Green, Myerson, & Vanderveldt, 2014)。但目前這一問題仍存在爭議, 缺少基于決策過程的關(guān)鍵證據(jù)。但囿于目前研究的兩個局限, 即缺少基于決策過程的關(guān)鍵證據(jù)以及傳統(tǒng)假設(shè)檢驗無法接受虛無假設(shè), 阻礙了我們對這一問題的理解。近年來決策任務(wù)過程分析和貝葉斯因子分析技術(shù)漸趨于成熟, 尤其是貝葉斯因子分析可以為虛無假設(shè)的成立提供證據(jù), 較好彌補傳統(tǒng)虛無假設(shè)顯著性假設(shè)檢驗的缺陷(吳凡, 顧全, 施壯華, 高在峰, 沈模衛(wèi), 2018)。因此, 本文適逢其時采用眼動追蹤研究對風(fēng)險和跨期決策進行過程比較, 輔以貝葉斯因子分析, 以期探索并回答風(fēng)險和跨期決策是否具有共同機制這一科學(xué)問題。

1.1 風(fēng)險和跨期決策的相似性

1.1.1 理論發(fā)展

從理論發(fā)展看, 兩類決策非常相似, 均遵循折扣模型到非折扣模型的路徑。盡管這些模型對具體計算規(guī)則有不同假設(shè), 但均隱含了一個重要推論：二者具有共同的核心算法。

折扣模型源于無限理性假設(shè), 即個體獲得與決策相關(guān)的所有信息, 并通過邏輯和統(tǒng)計推理或概率法則等得到最優(yōu)化結(jié)果(optimal outcome) (Stevens, 2011)。這類模型的共性是假設(shè)決策遵循補償性(compensatory)和基于選項(alternative-based)的規(guī)則, 即個體需加工選項的所有維度, 對各選項內(nèi)部信息整合并比較選項效用大小, 從而做出決策(Stevenson, Busemeyer, & Naylor, 1990)：如風(fēng)險決策經(jīng)典的期望價值理論(Pascal, 1670)及隨后一系列的概率折扣(probability discounting)理論, 如預(yù)期理論(prospect theory) (Kahneman & Tversky, 1979)等; 類似地, 跨期決策有經(jīng)典的折扣效用模型(discounted utility model) (Samuelson, 1937)和據(jù)此發(fā)展的時間折扣(temporal discounting)模型, 如雙曲線模型(hyperbolic discounting model) (Loewenstein & Prelec, 1992)等。

非折扣模型源于諾貝爾經(jīng)濟學(xué)獎得主Herbert Simon提出的有限理性(bounded rationality)假設(shè), 即因受到計算能力、時間等因素的限制, 個體進行決策時的理性程度有限(Simon, 1982)。這類模型的共性是假設(shè)決策遵循非補償性(non-compensatory)和基于維度(attribute-based)的決策規(guī)則, 即個體只依據(jù)有限的維度, 通過對不同維度進行比較進而做出決策(Stevenson et al., 1990)：如風(fēng)險決策的占優(yōu)啟發(fā)式模型(priority heuristic) (Brandst?tter, Gigerenzer, & Hertwig, 2006)、齊當(dāng)別模型(equate- to-differentiate model) (Li, 2004)、跨期決策的權(quán)衡模型(tradeoff model) (Scholten & Read, 2010)、漂移擴散模型(drift diffusion model) (Dai & Busemeyer, 2014)等。

1.1.2 風(fēng)險和跨期決策類比關(guān)系的研究

風(fēng)險和跨期決策在理論上的相似性引起了研究者對二者本質(zhì)關(guān)系的探索, 這些研究多采用基于決策結(jié)果(outcome-based)或擬合優(yōu)度(goodness-of-fit)的方法(Zhou, Zhang, Li, & Liang, 2018), 可概括為三類：第一類研究嘗試建立二者的共適性模型。如, Green, Myerson和Ostaszewski (1999)基于折扣模型框架建立了適用于二者的雙曲線折扣模型, 并很好地擬合了兩類決策。第二類研究旨在發(fā)現(xiàn)兩類決策中相似的行為效應(yīng)(周蕾, 2017)。如, 風(fēng)險決策中存在確定效應(yīng)(Kahneman & Tversky, 1979)、偽確定效應(yīng)(Kahneman & Tversky, 1984)、Allais悖論(Allais, 1953)和隱藏零效應(yīng)(Liang, Zhou & Su, 2016), 與之對應(yīng), 跨期決策中存在即刻效應(yīng)(Kirby & Herrnstein, 1995)、偽即刻效應(yīng)(Li, Su, & Sun, 2010)、落花悖論(Rao & Li, 2011)和隱藏零效應(yīng)(Magen, Dweck, & Gross, 2008)。第三類研究考察概率或時間對兩類決策的交互作用, 探索二者是否對另一類決策具有同等影響(Hardisty & Pfeffer, 2016; Luckman, Donkin, & Newell, 2017)。如, Weber和Chapman (2005)發(fā)現(xiàn), 在風(fēng)險決策中增加“時間”變量, 或在跨期決策中增加“概率”變量, 將消除確定效應(yīng)和即刻效應(yīng), 揭示出兩類決策可能等價。

此外, 兩類決策可能存在相似甚至部分共同的神經(jīng)基礎(chǔ)。例如, 研究發(fā)現(xiàn), 風(fēng)險決策中, 不同腦區(qū)的激活可預(yù)測不同的行為模式, 如伏隔核激活預(yù)測風(fēng)險尋求, 而前腦島激活預(yù)測風(fēng)險規(guī)避(Kuhnen & Knutson, 2005)。類似地, 跨期決策中, 人們或通過單一/分離的神經(jīng)系統(tǒng)評估選項的價值并做出決策(Kable & Glimcher, 2007; McClure, Laibson, Loewenstein, & Cohen, 2004), 或通過自我控制腦區(qū)的作用產(chǎn)生偏好不一致(Figner et al., 2010)。更有少量研究揭示, 兩類決策均與認(rèn)知執(zhí)行控制相關(guān)腦區(qū)(Weber & Huettel, 2008), 以及認(rèn)知和情感相關(guān)腦區(qū)(吳燕, 周曉林, 羅悅嘉, 2010)密切關(guān)聯(lián)。

1.1.3 確定效應(yīng)和即刻效應(yīng)

在兩類決策相似的行為效應(yīng)中, 最為經(jīng)典的是確定效應(yīng)和即刻效應(yīng)。風(fēng)險決策中人們經(jīng)常會發(fā)生如下的偏好反轉(zhuǎn)(Kahneman & Tversky, 1979)：在決策1中偏好確定選項A; 但當(dāng)兩個選項等比例變化為決策2時, 更偏好風(fēng)險選項B’。這就是確定效應(yīng)。

決策1：A. 100%的概率得30美元; B. 80%的概率得45美元;

決策2：A’. 25%的概率得30美元; B’. 20%的概率得45美元;

類似地, 跨期決策中人們會在決策3中偏好即刻選項A; 但在等比例變化的決策4中更偏好延遲選項B’ (Kirby & Herrnstein, 1995)。這就是即刻效應(yīng)。

決策3：A. 現(xiàn)在得30美元; B. 1年后得45美元;

決策4：A’. 1年后得30美元; B’. 2年后得45美元;

這兩種效應(yīng)被廣泛研究且非常穩(wěn)定。在風(fēng)險決策中, 使用多種方法設(shè)置不同任務(wù)和情境, 均發(fā)現(xiàn)確定效應(yīng)(Schneider, Streicher, Lermer, Sachs, & Frey, 2017)。而在跨期決策中, 多數(shù)研究者認(rèn)為即刻效應(yīng)是其偏好動態(tài)不一致性的根源(Read, Loewenstein, & Kalyanaraman, 1999)?？梢? 此對效應(yīng)的決策過程可能更不易受研究方法干擾。

有趣的是, 此對效應(yīng)也存在類似的解釋機制：個體對確定和即刻選項賦予了過高權(quán)重(Kahneman & Tversky, 1979; Kirby & Herrnstein, 1995)。這暗示著不同于其他取值點, 當(dāng)概率和時間延遲信息在其端點取值(概率為“100%”或時間為“現(xiàn)在”)時, 確定和即刻信息可能具有較強的對應(yīng)關(guān)系, 并通過類似的機制對人們的行為偏好產(chǎn)生影響。

綜上可見, 兩類決策可能具有共同的效應(yīng)機制。但前人采用基于結(jié)果的方法難以檢驗潛在認(rèn)知過程(Schulte-Mecklenbeck et al., 2017)。因此, 可能需要從決策過程的角度更準(zhǔn)確地揭示二者的關(guān)系。

1.2 決策過程：風(fēng)險和跨期決策的眼動研究

基于決策過程的研究可克服基于結(jié)果研究方法的局限, 為決策的信息輸入和輸出間的關(guān)聯(lián)提供更直接客觀的重要證據(jù)(Schulte-Mecklenbeck et al., 2017)。其中, 因數(shù)據(jù)的信息量大, 能同時反映時間和空間特征, 眼動追蹤技術(shù)被廣泛應(yīng)用于決策的過程研究(魏子晗, 李興珊, 2015)。

風(fēng)險決策的眼動研究主要集中在模型檢驗和考察眼動過程與選擇偏好關(guān)系的角度。如, 李紓及其同事通過分析加工方向等特征, 發(fā)現(xiàn)風(fēng)險決策的主要加工過程具有非補償、基于維度的特征, 并不支持折扣模型(Su et al., 2013; 汪祚軍, 李紓, 2012; Zhou et al., 2016)。Gl?ckner等卻發(fā)現(xiàn), 風(fēng)險決策更符合基于補償性規(guī)則的平行強制滿足模型(parallel constraint satisfaction models, PCS) (Fiedler & Gl?ckner 2012; Gl?ckner & Herbold, 2011)。還有研究揭示注視轉(zhuǎn)換及最后注視選項等特征可有效預(yù)測選擇結(jié)果(Brandst?tter & K?rner, 2014; Stewart, Hermens, & Matthews, 2015)。

跨期決策的眼動研究相對較少, 主要考察過程特征與選擇偏好的因果關(guān)系。如發(fā)現(xiàn)時間折扣率大的個體對即刻選項存在注意偏差, 且這種偏好可預(yù)測沖動性行為(Franco-Watkins, Mattson, & Jackson., 2016)。因此, 通過操縱注意偏好(Fisher & Rangel, 2013)或搜索策略(Reeck, Wall, & Johnson, 2017), 可促使人們選擇大而遠(yuǎn)的選項。但檢驗跨期決策模型的眼動研究尚為罕見。

1.3 問題提出

綜上所述, 探索風(fēng)險和跨期決策的相似性有助于認(rèn)識二者的共同特征, 并發(fā)展二者的普適性理論。然而, 目前的研究現(xiàn)狀阻礙了我們對這個問題的認(rèn)識：

首先, 兩類決策經(jīng)典的折扣模型假設(shè)二者具有相似的加工過程, 但現(xiàn)有的研究大多使用基于結(jié)果的方法, 若非從過程的角度揭示二者相似性的內(nèi)在機制, 其基于結(jié)果的證據(jù)不足以令人信服。

其次, 已有的眼動研究在分析方法和指標(biāo)選擇上存在不足。兩類決策的經(jīng)典模型大多暗含著信息搜索與評價的動態(tài)序列過程(Kahneman & Tversky, 1979), 因此, 從整體、動態(tài)的視角去考察二者的時間序列屬性十分必要。然而, 已有研究較少選取反應(yīng)整體過程特征的指標(biāo), 更鮮有研究系統(tǒng)地采用基于局部、整體過程等多方面特征。

最后, 以往研究在建立二者共適性模型時, 其算法選擇存在不足。前人多基于最大似然估計(Maximum likelihood estimation, MLE), 獨立地對個體進行模型估計(Green et al., 1999; Green et al., 2014), 喪失了總體層面的共性; 且MLE未考慮個體間的相關(guān)性, 導(dǎo)致模型參數(shù)可能充滿噪音且不穩(wěn)定(Scheibehenne & Pachur, 2015), 此缺陷在常見的小樣本決策研究中更為明顯。

1.4 研究目的與假設(shè)

為克服以上不足, 本研究采用眼動追蹤技術(shù), 以確定效應(yīng)和即刻效應(yīng)為例, 通過匹配的實驗范式比較兩類決策, 探索“二者加工過程是否相似”及“該過程更符合哪一類模型的假設(shè)”。

本研究假設(shè)二者具有相似的行為和過程特征。鑒于新近的模型更多基于非折扣模型框架(Scholten & Read, 2010; Dai & Busemeyer, 2014), 亦有大量支持非折扣模型的過程證據(jù)(Fisher & Rangel, 2013; Su et al., 2013), 我們亦假設(shè)二者均更符合非折扣模型。

本研究基于行為、局部和整體過程特征及模型擬合多個層面, 選取可區(qū)分模型的關(guān)鍵過程規(guī)則進行比較。規(guī)則1：補償性/非補償性, 即決策依據(jù)所有信息或部分信息, 以及是否包含審慎加工的復(fù)雜計算過程; 規(guī)則2：基于選項/基于維度, 即決策過程是在選項內(nèi)或選項間進行(Stevenson et al., 1990)。本研究選擇了不同眼動屬性作為檢驗上述規(guī)則中局部過程特征的指標(biāo)：加工復(fù)雜程度和加工深度檢驗“補償性/非補償性”規(guī)則, 加工方向檢驗“基于維度/基于選項”規(guī)則; 選取眼動軌跡為檢驗決策的整體過程特征的指標(biāo); 并利用分層貝葉斯模型擬合(hierarchical Bayesian modeling, HBM)的方法, 對不同備擇決策模型進行擬合。

具體假設(shè)如下。

行為特征：

H(反應(yīng)時)：二者決策時間無顯著差異。

H(選擇偏好)：風(fēng)險決策存在確定效應(yīng), 跨期決策存在即刻效應(yīng)。

局部過程特征：

H(加工復(fù)雜程度)：二者加工復(fù)雜程度無顯著差異。

H(加工深度)：二者在決策前注視信息量百分比無顯著差異。

H(加工深度)：二者在決策前均無需注視所有選項特征。

H(加工方向)：二者基于選項的眼跳和基于維度眼跳的頻數(shù)分布無顯著差異。

整體過程特征：

H：二者眼動軌跡無顯著差異。

模型擬合：

H：相對于折扣模型, 二者能更好地被非折扣模型擬合。

2 方法

2.1 被試

來自中國科學(xué)院大學(xué)、北京林業(yè)大學(xué)等高校學(xué)生33名(= 26.72歲,= 2.18歲;= 17), 均為右利手, 無紅綠色盲, 視力或矯正視力正常, 實驗前均簽署了知情同意書。

每個被試可獲得30元基本報酬和5~10元的獎勵報酬。

2.2 儀器

采用由SR Research公司開發(fā)的Eye Link 2000型眼動儀, 采樣率為2000 Hz, 記錄注視點最短時長40 ms。實驗中采用距離顯示器58 cm的腮托, 利用眼動追蹤系統(tǒng)的自動補償機制, 使得頭動對眼動軌跡記錄的影響達到最小。實驗刺激呈現(xiàn)于19英寸、分辨率為1024×768的TCL純平顯示器上。被試眼睛與屏幕邊緣的水平視角為28, 垂直視角為21。被試通過微軟SideWinder游戲手柄的按鍵來完成反應(yīng)。

2.3 實驗材料和流程

本研究采用2(任務(wù)：風(fēng)險/跨期)×2(是否包含確定/即刻選項：包含/不含)被試內(nèi)設(shè)計。被試需要先后完成風(fēng)險和跨期決策任務(wù)(順序隨機), 通過按鍵選擇更偏好的選項。在風(fēng)險任務(wù)中, 被試在發(fā)生概率不同的兩個選項中選擇：大概率獲得一筆小數(shù)量的錢(“smaller-outcome, larger-probability”, 簡稱SL選項), 或小概率獲得一筆大數(shù)量的錢(“l(fā)arger-outcome, smaller-probability”, 簡稱LS選項)。其中, 包含確定選項條件下, 每個試次包含確定選項A和風(fēng)險選項B。確定選項的結(jié)果(報酬)為300元或700元, 其EV (expected value)值略小于風(fēng)險選項EV值(Kahneman & Tversky, 1979); 不含確定選項條件的材料由確定選項條件變換構(gòu)成：該條件中各選項的概率為確定條件中兩個選項的獲得概率乘以小于1的比例而來, 各選項的結(jié)果不變。

類似地, 在跨期任務(wù)中, 被試在獲得時間不同的兩個選項中選擇：在較近的將來獲得一筆小數(shù)量的錢(“smaller-outcome, sooner”, 簡稱SS選項), 或在較遠(yuǎn)的將來獲得一筆大數(shù)量的錢(“l(fā)arger-outcome, later”, 簡稱LL選項)。其中, 在包含即刻選項條件, 每個試次包含即刻選項A和延遲選項B, 選項結(jié)果(報酬)和風(fēng)險決策任務(wù)相等; 不含即刻選項條件的材料由即刻選項條件的材料變換構(gòu)成：該條件的獲得時間為即刻選項條件中各選項的獲得時間加上一定的時間, 各選項的結(jié)果不變。

任務(wù)流程如圖1所示。任務(wù)開始前, 被試閱讀指導(dǎo)語并完成4次練習(xí), 以熟悉任務(wù)要求。每個任務(wù)包含32個試次, 分為2個組塊。組塊間休息至少1分鐘, 任務(wù)間休息至少2分鐘。為確保被試每次注視不能(通過余光)同時獲取多余一處信息(如報酬數(shù)額、支付時間等), 刺激中所有信息均呈現(xiàn)于其他相鄰信息的邊緣區(qū)域, 即距離其他相鄰信息中央5視角外區(qū)域(Rayner, 2013)。

圖1 實驗流程示意圖

所有任務(wù)結(jié)束后, 在每個任務(wù)中隨機選取一個試次, 以被試的實際選擇(按照一定的比例)作為實驗報酬的一部分。其中, 在風(fēng)險任務(wù)中, 若被試選擇風(fēng)險選項, 計算機將運行一個相應(yīng)概率和結(jié)果的博彩程序, 被試以實際反饋的獎勵獲得報酬。在跨期任務(wù)中, 被試將依據(jù)實際選擇, 在對應(yīng)的時間獲得報酬。

2.4 數(shù)據(jù)分析方法

研究所檢驗的決策屬性及分析指標(biāo)和方法等見圖2。

2.4.1 局部過程特征比較

加工復(fù)雜程度：用單個注視點平均時長測量。注視點時長是反映加工水平的可靠指標(biāo), 隨著任務(wù)難度的增加, 注視點時長也越長(Horstmann, 2009)。如果決策采取了補償性規(guī)則, 則可能包含審慎的計算過程, 注視點的平均時長應(yīng)相對較長; 反之, 則可能不是基于補償性規(guī)則。此外, 本研究也計算了長注視點在決策過程中所占比例作為補充。

加工深度：用決策前注視的選項特征數(shù)量測量(Su et al., 2013)。如果個體依據(jù)補償性規(guī)則加工, 決策前應(yīng)加工所有的選項特征; 反之, 則更可能依據(jù)非補償性規(guī)則加工。

加工方向：用SM值(alternative-based vs. dimension- based searched measure) (B?ckenholt & Hynan, 1994)度量基于選項和基于維度眼跳的分布, 其計算公式如下：

其中, A和D分別代表選項和維度數(shù)量(A = 2, D = 2); r和r分別代表基于選項和基于維度眼跳的頻次, N代表眼跳的總頻次。SM值為0, 代表并不存在具有優(yōu)勢的眼跳模式; 與0相比, SM值越大, 代表個體主要的加工模式是基于選項, 反之則更基于維度加工。

SM值服從標(biāo)準(zhǔn)正態(tài)分布, 已被廣泛應(yīng)用于決策的眼動研究(Konstantinidis, van Ravenzwaaij, & Newell, 2017; Schulte-Mecklenbeck, Kühberger, Gagl, & Hutzler, 2017; Su et al., 2013)。以SM值為搜索模式的測量指標(biāo)適用于檢驗基于選項和維度的決策模型：操縱選項和維度數(shù)量時, 其均值穩(wěn)定, 得到極端數(shù)值的概率極低(B?ckenholt & Hynan, 1994)。相對于其他指標(biāo), 它對搜索模式的變化更敏感：如操縱搜索策略, 使占優(yōu)的搜索模式切換, SM值可敏感地探測出這種變化(B?ckenholt & Hynan, 1994)。因此, 在本研究中, 如果個體依據(jù)補償性規(guī)則加工, 其決策的主要加工方向是基于選項, SM值應(yīng)相對較大; 反之, 更可能是基于維度加工。

2.4.2 整體過程特征比較

本研究選取眼動軌跡對決策的整體過程進行比較。眼動軌跡由個體內(nèi)化的認(rèn)知模型驅(qū)動, 以一種自上而下的認(rèn)知加工方式形成, 反映大腦對視覺刺激加工順序和整體動態(tài)的眼動模式 (Noton & Stark, 1971)。為直觀地觀察不同任務(wù)典型的眼動軌跡模式, 本研究使用了Zhou等人(2016)的方法定義了典型試次(typical trial)眼動軌跡。典型試次是各實驗條件下, 與其他試次的平均相似程度最大(平均數(shù))、最具有代表性的試次。因此, 某任務(wù)的典型試次軌跡即該任務(wù)中最具有代表性的眼動軌跡模式,當(dāng)該任務(wù)內(nèi)眼動軌跡相似性呈正態(tài)分布時, 也是該任務(wù)條件內(nèi)的平均眼動軌跡。

圖2 研究邏輯與分析框架

典型試次的計算步驟如下：1) 基于各個條件, 計算所有試次和其他試次的相似性分?jǐn)?shù); 2) 計算每個試次和其他試次相似性分?jǐn)?shù)的平均數(shù); 3) 選擇各條件下, 與其他試次平均相似性分?jǐn)?shù)最大的試次, 將該試次定義為所屬條件的典型試次。因此, 在本研究中, 如果1) 風(fēng)險和跨期決策任務(wù)眼動軌跡的條件內(nèi)相似性分?jǐn)?shù)與條件間相似性分?jǐn)?shù)無顯著差異, 則說明二者的整體加工過程相似, 反之, 則不相似; 2) 如果某任務(wù)的典型試次具有折扣模型所假設(shè)的加工過程, 則可以定性地判斷決策可能依據(jù)補償性、基于選項規(guī)則, 反之, 則不符合折扣模型的假設(shè)。

2.4.3 模型擬合的比較

為回答風(fēng)險與跨期決策的過程更符合哪種理論模型, 本研究利用分層貝葉斯模型擬合(Hierarchical Bayesian Modeling, HBM)方法, 對不同備擇決策模型進行擬合。與最大似然估計(MLE)相比, HBM方法的優(yōu)勢在于(Gelman et al., 2014; Ahn, Haines, & Zhang, 2017)：HBM采用分層模型, 通過引入群體水平參數(shù)(group-level parameters)對個體層面參數(shù)(individual-level parameters)進行調(diào)控, 基于觀測數(shù)據(jù)同時估計群體和個體水平的參數(shù), 使得模型擬合更加高效、穩(wěn)定和可靠; MLE多進行點估計(point estimate), HBM使用MCMC (Markov chain Monte Carlo)算法對參數(shù)最可能存在的分布形態(tài)進行取樣逼近, 從而得到模型參數(shù)的后驗分布(posterior distribution), 可以提供更多信息。這兩點優(yōu)勢對樣本較小的實驗室研究尤為有效。最后, 基于貝葉斯原理, 該方法可計算參數(shù)后驗分布的差異, 以便進行組間比較(Scheibehenne & Pachur, 2015; Ahn et al., 2017)。

分層貝葉斯模型擬合使用了R軟件包hBayesDM (hierarchical Bayesian modeling of Decision-Making tasks) (Ahn et al., 2017)。所有模型擬合均使用4條獨立的MCMC鏈, 每條鏈包含1000個有效樣本, 因此所有參數(shù)的后驗分布均由4000個有效樣本組成。Gelman-Rubin 檢驗(Gelman & Rubin, 1992)表明所有參數(shù)的R?均小于1.1, 表明四條獨立的MCMC達到聚攏, 模型擬合的結(jié)果穩(wěn)定可靠。我們采用WAIC (widely applicable information criterion) (Vehtari, Gelman, & Gabry., 2015)作為貝葉斯模型比較的依據(jù)。WAIC使用所有MCMC后驗樣本計算模型的樣本外預(yù)測性(out-of-sample predictive accuracy)。為避免過度擬合(overfitting), 在模型比較中對參數(shù)數(shù)量做了懲罰(penalize), 兼顧了模型的復(fù)雜程度。WAIC值越小表明模型的樣本外預(yù)測性(out of-sample predictive accuracy)越強, ?WAIC > 10即可認(rèn)為有顯著差異(Burnham & Anderson, 2004)。

WAIC的計算公式如下：

研究選取三個理論模型對風(fēng)險和跨期決策任務(wù)進行了模型擬合和參數(shù)估計。其中, 經(jīng)典折扣模型選擇了指數(shù)模型(exponential model, 模型1) (Samuelson, 1937)和雙曲線模型(hyperbolic model, 模型2) (Mazur, 1987), 二者的核心假設(shè)是：個體按照基于選項規(guī)則進行決策, 計算折扣率并選擇主觀效用大的選項。

非折扣模型選擇了跨期決策啟發(fā)式模型(inter-temporal choice heuristic, ITCH, 模型3) (Ericson, White, Laibson, & Cohen, 2015), 其核心假設(shè)是：個體按照一系列基于維度比較的規(guī)則組合而成的啟發(fā)式策略進行決策, 賦予不同的規(guī)則以不同權(quán)重, 并根據(jù)這些規(guī)則選出更優(yōu)的選項。該模型的提出是基于心理規(guī)則而非經(jīng)濟學(xué)理論, 可用于檢驗基于維度加工規(guī)則, 且在不同的任務(wù)條件下, 模型參數(shù)相對穩(wěn)定, 受參數(shù)情境和實驗操縱的影響較小。此外, 與DRIFT啟發(fā)式模型(Read, Frederick, & Scholten, 2013)和權(quán)衡模型(trade-off model) (Scholten & Read, 2010)相比, 對個體的行為結(jié)果具有略高的解釋力(Ericson et al., 2015)。

各理論模型公式如下：

V = A * e(5)

/ (1 +) (6)

以跨期決策為例, 模型1(公式5)和模型2(公式6)中,代表個體對選項的主觀效用(subjective utility),代表將來選項的結(jié)果,代表自然對數(shù)的底,代表延遲時間,代表折扣率; 模型3(公式7)中,X代表大而遠(yuǎn)(LL)選項的結(jié)果,X代表小而近(SS)選項的結(jié)果,D代表大而遠(yuǎn)(LL)選項的時間,D代表小而近(SS)選項的時間,是一系列自由參數(shù), 代表回歸方程中所有項的權(quán)重。

通過分析各個決策任務(wù)內(nèi)各個模型擬合指數(shù)的優(yōu)劣, 可判斷兩類任務(wù)是否能被同一種模型更好地擬合。如果折扣模型對任務(wù)的擬合程度優(yōu)于非折扣模型, 說明兩類決策更符合折扣模型假設(shè); 反之, 則更符合非折扣模型。

3 結(jié)果

眼動數(shù)據(jù)通過Eyelink Data Viewer (SR Research,加拿大)導(dǎo)出和預(yù)處理。眼跳定義為速度超過30/s且加速度超過8000°/s的一次眼動; 注視則定義為兩次眼跳之間眼睛位置相對穩(wěn)定的一段時間。每個刺激材料被劃分出4個互不重疊且面積相同(200 × 180像素)的矩形興趣區(qū), 覆蓋了2個選項所有的屬性。

本研究中共有2112個正式試次。數(shù)據(jù)分析時剔除36個試次(1.56%), 其中眼動追蹤錯誤的試次19個(0.90%), 反應(yīng)時過短(< 200 ms)或過長(大于平均反應(yīng)時3個標(biāo)準(zhǔn)差)的試次17個(0.79%)。有效試次2076個。此外, 在眼動軌跡分析中共采集到18720個注視點, 由于時長低于50 ms或位于興趣區(qū)以外, 在后續(xù)分析中剔除936個(約5.00%)注視點, 有效注視點共17784個。

針對研究問題的獨特性, 為了檢驗兩類決策過程是否相同, 即接受“虛無假設(shè)”, 在數(shù)據(jù)分析中, 除了進行傳統(tǒng)的假設(shè)檢驗外, 本文采用了貝葉斯因子(Bayes factor)分析。貝葉斯因子分析的優(yōu)勢在于可同時考慮H和H, 基于實驗數(shù)據(jù)對兩個假設(shè)為真的先驗概率進行更新, 以比較哪個理論模型(H和H)更合理(胡傳鵬, 孔祥禎, Wagenmakers, Ly, 彭凱平, 2018)。這彌補了傳統(tǒng)假設(shè)檢驗的局限, 即無法接受虛無假設(shè), 忽視了H的可能性比H大的情況。因此, 計算貝葉斯因子大小就可以判斷在多大程度上可以接受虛無假設(shè)。研究采用JASP軟件進行貝葉斯因子分析(https://jasp-stats.org/, JASP team 2017) (JASP Team, 2017; Marsman & Wagenmakers, 2017; Wagenmakers et al., 2018a; Wagenmakers et al., 2018b)。其中, 先驗分布采用了γ≈0.707柯西(Cauchy)分布(Jeffreys, 1961; Ly, Verhagen, & Wagenmakers, 2016a, 2016b; Rouder, Speckman, Sun, Morey, & Iverson, 2009; 胡傳鵬等, 2018)。

3.1 行為特征

3.1.1 決策時間

對反應(yīng)時進行2(任務(wù)：風(fēng)險/跨期)×2(是否包含確定/即刻選項：包含/不含)重復(fù)測量方差分析(ANOVA)發(fā)現(xiàn)(圖3)：風(fēng)險任務(wù)的決策時間(= 2.81 s,= 0.92)短于跨期任務(wù)(= 3.24 s,= 1.09),(1, 32) = 4.62,= 0.04, η=.13, 95% CI [?0.83, ?0.02]; 不含確定/即刻選項條件的決策時間(= 3.65 s,= 0.92 s)長于包含確定/即刻選項的條件(= 2.40 s,= 0.80 s),(1, 32) = 108.69,< 0.001, η= 0.77, 95% CI [1.01, 1.50]。簡單效應(yīng)檢驗顯示(交互作用：(1, 32) = 9.86,0.004, η= 0.24), 在不含確定/即刻選項的條件下, 風(fēng)險任務(wù)的反應(yīng)時(= 3.26 s,= 5.28 s)顯著短于跨期任務(wù)(= 4.04 s,= 7.76 s),(1, 32)= 11.51,= 0.002; 但在包含確定/即刻選項條件下, 風(fēng)險任務(wù)的反應(yīng)時(= 2.36 s,= 5.63 s)與跨期任務(wù)(= 2.43 s,= 6.26 s)無顯著差異,(1, 32)= 0.09,= 0.77。貝葉斯因子分析結(jié)果表明, 貝葉斯因子為BF= 5.15, 說明在(假定沒有效應(yīng)的)零假設(shè)下出現(xiàn)當(dāng)前數(shù)據(jù)的可能性是在(假定存在效應(yīng)的)備擇假設(shè)下可能性的5.15倍。根據(jù)Jeffreys (1961)提出的分類標(biāo)準(zhǔn), 這是中等強度的證據(jù)支持接受零假設(shè)H,即在包含確定/即刻選項條件下, 兩類決策時間無顯著差異?？傊? 決策時間的結(jié)果部分支持H。

3.1.2 選擇偏好

研究分別以選擇SL選項(即“大概率獲得小數(shù)量錢”), 和SS選項(即“較近將來獲得小數(shù)量錢”)的比例為因變量進行配對樣本檢驗。在風(fēng)險任務(wù)中, 人們在包含確定選項條件下, 選擇SL選項的比例(= 0.83,= 0.28)高于不含確定選項條件(= 0.56,= 0.17),(32) = ?5.17,0.01, Cohen’s= ?0.90, 95% CI [?0.38, ?0.17]。類似地, 在跨期任務(wù)中, 人們在包含即刻選項條件下, 選擇SS選項的比例(= 0.68,= 0.34)高于不含即刻選項條件(= 0.34,= 0.23),(32) = ?6.74,0. 001, Cohen’s?1.17, 95% CI [?0.45, ?0.24]。該結(jié)果表明, 在行為層面, 重復(fù)出了確定效應(yīng)和即刻效應(yīng), 支持H。

圖3 行為特征比較結(jié)果(M ± SE)

3.2 局部過程特征

3.2.1 加工復(fù)雜程度

以單個注視點平均時長為因變量, 兩因素(任務(wù)×是否包含確定/即刻選項)重復(fù)測量方差分析發(fā)現(xiàn)(圖4), 兩任務(wù)的單個注視點平均時長無差異,(1, 32) = 0.63,= 0.43, 95% CI [?13.23, 5.82]; 不含確定/即刻選項條件的單個注視點平均時長(= 224.64 ms,= 33.61 ms)高于包含確定/即刻選項條件(= 208.33 ms,= 34.01 ms),(1, 32) = 19.76,< 0.001, η= 0.38, 95% CI [8.84, 23.79]。簡單效應(yīng)檢驗結(jié)果顯示(交互作用：(1, 32) = 5.63,= 0.02, η= 0.15), 不含確定/即刻選項時, 風(fēng)險任務(wù)的單個注視點平均時長(= 218.73 ms,= 40.21 ms)顯著短于跨期任務(wù)(= 230.55 ms,= 32.97 ms),(1, 32) = 5.19,= 0.03, η= 0.14; 包含確定/即刻選項條件時, 風(fēng)險任務(wù)的單個注視點平均時長(= 210.53 ms,= 45.73 ms)與跨期任務(wù)(= 206.13 ms,= 29.81 ms)無顯著差異,(1, 32) = 0.48,= 0.49。貝葉斯因子分析發(fā)現(xiàn)貝葉斯因子BF= 4.29, 說明在零假設(shè)出現(xiàn)當(dāng)前數(shù)據(jù)的可能性是在備擇假設(shè)下可能性的4.29倍, 有中等強度的證據(jù)支持接受零假設(shè)H(Jeffreys, 1961), 即在包含確定/即刻選項條件下, 風(fēng)險和跨期任務(wù)的單個注視點平均時長無顯著差異?？傊? 結(jié)果部分接受H。作為補充, 以時長超過300 ms的注視點為長注視點(Rayner, 2013), 對其比例進行分析, 結(jié)果與單個注視點平均時長類似, 且揭示出兩種任務(wù)加工過程均更符合非補償性規(guī)則。

3.2.2 加工深度

以決策前注視的選項特征占所有選項特征的百分比(以下簡稱：注視量百分比)為因變量, 兩因素(任務(wù)×是否包含確定/即刻選項)重復(fù)測量方差分析發(fā)現(xiàn)(圖5), 風(fēng)險任務(wù)的注視量百分比(= 93.10%,= 8.04%)和跨期任務(wù)的注視量百分比(= 94.20%,=7.47%)無顯著差異,(1, 32) = 0.57,= 0.46, 95% CI [?0.04, 0.20]; 不含確定/即刻選項條件下, 注視量百分比(= 97.50%,= 0.70%)顯著高于包含確定/即刻選項條件(= 89.70%,=9.77%),(1, 32) = 30.10,< 0.001, η= 0.49, 95% CI [ 0.05, 0.11]。簡單效應(yīng)檢驗結(jié)果顯示(交互作用：((1, 32) = 0.56,= 0.46), 不包含確定/即刻選項時, 風(fēng)險任務(wù)的注視量百分比(= 96.48%,= 6.32%)與跨期任務(wù)(= 98.58%,= 2.88%)的差異邊緣顯著,(1, 32) = 3.99,= 0.054; 但在包含確定/即刻選項時, 風(fēng)險任務(wù)的注視量百分比(= 89.63%,= 11.36%)與跨期任務(wù)(= 89.87%,= 13.40%)無顯著差異,(1, 32) = 0.008,= 0.93。貝葉斯因子分析發(fā)現(xiàn)貝葉斯因子BF= 5.35, 說明在零假設(shè)出現(xiàn)當(dāng)前數(shù)據(jù)的可能性是在備擇假設(shè)下可能性的5.35倍, 有中等強度的證據(jù)支持接受零假設(shè)H(Jeffreys, 1961), 即在包含確定/即刻選項條件下, 風(fēng)險和跨期任務(wù)的注視量百分比無顯著差異。總之, 結(jié)果支持假設(shè)H。

圖4 加工復(fù)雜程度過程特征比較結(jié)果(M ± SE)

圖5 加工深度過程特征比較結(jié)果(M ± SE)

研究分別對風(fēng)險和跨期任務(wù)的注視量百分比與100%進行單樣本檢驗(單尾), 發(fā)現(xiàn)在風(fēng)險和跨期任務(wù)中, 注視量百分比均顯著低于100% ((32) = ?5.00,< 0.001, Cohen’s= ?0.87;(32) = ?4.45,< 0.001, Cohen’s= ?0.77)。說明兩種任務(wù)過程均更符合非補償性加工的假設(shè), 支持H。

3.2.3 加工方向

對SM值的重復(fù)測量方差分析表明(圖6), 風(fēng)險任務(wù)SM值的均值(= ?0.09,= 0.63)與跨期任務(wù)SM值的均值(= ?0.27,= 0.69)無顯著差異,(1, 32) = 1.36,= 0.25, 95% CI [?0.14, 0.52]; 不含確定/即刻條件的SM值(= ?0.42,= 0.52)顯著低于包含確定/即刻條件(= 0.06,= 0.52),(1, 32) = 67.61,< 0.001, η= 0.68, 95% CI [?0.59, ?0.36])。簡單效應(yīng)檢驗結(jié)果顯示(交互作用：((1, 32) = 8.79,= 0.01, η= 0.22), 在不含確定/即刻選項條件下, 風(fēng)險任務(wù)的SM值的均值(= ?0.23,= 0.69)與跨期任務(wù)SM值的均值(= ?0.60,= 0.84)差異邊緣顯著,(1, 32) = 3.41,= 0.07。貝葉斯因子分析發(fā)現(xiàn)貝葉斯因子BF= 1.18, 在零假設(shè)出現(xiàn)當(dāng)前數(shù)據(jù)的可能性是在備擇假設(shè)下可能性的1.18倍, 有較弱強度的證據(jù)支持接受零假設(shè)H(Jeffreys, 1961)。包含確定/即刻選項條件下, 風(fēng)險任務(wù)的SM值的均值(= 0.06,= 0.64)與跨期任務(wù)SM值的均值(= 0.05,= 0.57)無顯著差異,(1, 32) = 0.001,= 0.98。貝葉斯因子分析發(fā)現(xiàn)貝葉斯因子BF= 5.37, 說明在零假設(shè)出現(xiàn)當(dāng)前數(shù)據(jù)的可能性是在備擇假設(shè)下可能性的5.37倍, 中等強度的證據(jù)支持接受零假設(shè)(Jeffreys, 1961), 即在包含確定/即刻選項條件下, 風(fēng)險和跨期任務(wù)的SM值無顯著差異。以上結(jié)果說明, 風(fēng)險和跨期任務(wù)在加工方向上類似, 部分支持H。

進一步地, 分別對兩個條件下的風(fēng)險和跨期任務(wù)的SM值與0進行單樣本檢驗(單尾), 包含確定選項時, 風(fēng)險任務(wù)的SM值與0無顯著差異,(32) = 0.92,= 0.30。貝葉斯因子分析發(fā)現(xiàn)貝葉斯因子BF= 4.74, 在零假設(shè)出現(xiàn)當(dāng)前數(shù)據(jù)的可能性是在備擇假設(shè)下可能性的4.74倍, 有中等強度的證據(jù)支持接受零假設(shè)H(Jeffreys, 1961), 即風(fēng)險任務(wù)中無優(yōu)勢眼跳模式; 包含即刻選項時, 跨期任務(wù)的SM值與0無顯著差異,(32) = 0.92,= 0.29, 貝葉斯因子分析發(fā)現(xiàn)貝葉斯因子BF= 4.67, 在零假設(shè)出現(xiàn)當(dāng)前數(shù)據(jù)的可能性是在備擇假設(shè)下可能性的4.67倍, 中等強度的證據(jù)支持接受零假設(shè)(Jeffreys, 1961), 即跨期任務(wù)中無優(yōu)勢眼跳模式。不含確定/即刻選項時, 風(fēng)險任務(wù)和跨期任務(wù)的SM值均顯著小于0 (t(32) = ?1.90,= 0.03, Cohen’s= ?0.33;t(32) = ?4.12,< 0.001, Cohen’s= ?0.71)。以上結(jié)果說明在包含確定/即刻選項時, 風(fēng)險和跨期任務(wù)無優(yōu)勢眼跳, 在不包含確定/即刻選項時, 風(fēng)險和跨期任務(wù)都更基于維度加工。

圖6 加工方向過程特征比較結(jié)果(M ± SE)

3.3 整體過程特征

以眼動軌跡的相似性分?jǐn)?shù)為因變量, 分別在不含/包含確定或即刻選項條件下進行單因素重復(fù)測量方差分析(ANOVA)。結(jié)果發(fā)現(xiàn)(圖7), 在不含確定/即刻選項條件下, 風(fēng)險和跨期決策任務(wù)內(nèi)與任務(wù)間眼動軌跡相似性得分差異顯著,(1, 32)= 16.82,< 0.001, η= 0.35, 95% CI [0.45, 0.49]。事后比較(Tukey HSD法)顯示, 兩任務(wù)間的眼動軌跡相似性分?jǐn)?shù)(= 0.44,= 0.06)均顯著低于風(fēng)險決策任務(wù)內(nèi)(= 0.50,= 0.05,< 0.001)和跨期決策任務(wù)內(nèi)(= 0.47,= 0.07,= 0.007)。包含確定/即刻選項條件下, 兩任務(wù)內(nèi)與任務(wù)間眼動軌跡相似性差異顯著,(1, 32) = 10.58,< 0.001, η= 0.24, 95% CI [0.47, 0.49]。事后比較(Tukey HSD)顯示, 兩任務(wù)間的眼動軌跡相似性(= 0.46,= 0.05)均顯著低于風(fēng)險決策任務(wù)內(nèi)(= 0.50,= 0.03,= 0.001)和跨期決策任務(wù)內(nèi)(= 0.48,= 0.06,= 0.01)。這一結(jié)果拒絕了H, 說明風(fēng)險和跨期決策眼動軌跡, 即二者整體動態(tài)過程特征不相似。

圖7 眼動軌跡相似性分?jǐn)?shù)比較結(jié)果(M ± SE)

(左：不含確定/即刻條件, 右：包含確定/即刻條件)

風(fēng)險和跨期任務(wù)的典型試次如圖8所示。K-S檢驗結(jié)果顯示, 風(fēng)險任務(wù)(不含確定:= 0.14,= 0.13; 包含確定:= 0.09,= 0.20)和跨期任務(wù)(不含即刻:= 0.06,= 0.20; 包含即刻:= 0.09,= 0.20)的任務(wù)內(nèi)相似性分?jǐn)?shù)均符合正態(tài)分布, 因此, 典型試次軌跡可代表任務(wù)條件內(nèi)的平均眼動軌跡。通過觀察典型試次, 我們可以發(fā)現(xiàn), 相對而言, 風(fēng)險任務(wù)中存在較多的基于維度眼跳, 然而跨期決策任務(wù)并未在整體眼動模式上體現(xiàn)出類似的眼動模式。此外, 與SM值的結(jié)果類似, 不含確定/即刻選項時, 存在更多基于維度眼跳, 包含確定/即刻選項時, 存在更多基于選項眼跳。

3.4 分層貝葉斯模型擬合

本研究分別對風(fēng)險和跨期任務(wù)進行指數(shù)模型、雙曲線模型和啟發(fā)式模型的擬合。結(jié)果發(fā)現(xiàn)(表1), 無論是風(fēng)險還是跨期任務(wù), 相對于經(jīng)典的基于選項加工的折扣模型(模型1、2), 基于維度加工的啟發(fā)式模型(模型3)對風(fēng)險和跨期任務(wù)的擬合度都更高, WAIC顯著低于其他兩個模型。且啟發(fā)式模型對兩個任務(wù)的結(jié)果預(yù)測率高達80%以上, 比折扣模型更能正確預(yù)測個體的選擇, 以上結(jié)果支持H。根據(jù)ITCH模型的理論假設(shè), 我們可以推測, 個體在風(fēng)險和跨期決策中, 可能均采用了一系列簡單啟發(fā)式規(guī)則組合而成的策略, 例如, 先進行結(jié)果維度、概率/時間維度之間的比較, 然后做出決策。

表1 分層貝葉斯模型擬合結(jié)果

圖8 各任務(wù)條件中典型試次的眼動軌跡

注：箭頭代表眼動軌跡的方向, S代表起始位置, E代表終止位置。

表2 過程特征檢驗和模型擬合結(jié)果小結(jié)

4 討論

本研究以確定效應(yīng)和即刻效應(yīng)為例, 從行為特征、局部和整體過程特征對風(fēng)險和跨期決策進行了綜合比較, 并通過分層貝葉斯模型擬合, 檢驗兩類決策是否更符合非折扣模型的預(yù)測。結(jié)果表明, 對于行為特征, 個體過分偏好確定或即刻選項, 表現(xiàn)出了確定效應(yīng)和即刻效應(yīng)。對于局部過程特征, 二者的加工深度屬性在所有參數(shù)條件下均相似; 但加工方向、加工復(fù)雜程度屬性, 僅在包含確定/即刻選項的參數(shù)條件下相似。對于整體過程特征, 二者整體動態(tài)的眼動過程不同。對于模型擬合, 二者潛在認(rèn)知過程相似, 均能更好地被非折扣模型擬合。以上結(jié)果表明, 風(fēng)險和跨期決策在所檢驗的大多數(shù)屬性上具有共同的過程機制, 且二者在加工過程上不符合補償性模型折扣計算的假設(shè), 更符合非補償性的ITCH模型的假設(shè), 可能采用了一系列啟發(fā)式規(guī)則組合成的策略進行決策。

4.1 風(fēng)險和跨期決策的共同過程機制

本研究基于“補償/非補償性”以及“基于維度/基于選項”規(guī)則的決策特征, 對兩類決策的共同過程機制進行探索。發(fā)現(xiàn)二者核心的加工規(guī)則符合非補償性的、基于維度的特征。

其中, 加工深度和復(fù)雜程度的結(jié)果說明, 二者均符合非補償性加工規(guī)則：人們在做出決策前不會加工所有的選項特征, 而是依據(jù)部分信息進行決策; 且加工過程也可能不包含審慎的復(fù)雜計算過程。這一結(jié)果與前人, 如Stewart等人(2015)及Gl?ckner及同事(2011, 2012)的發(fā)現(xiàn)均一致。本研究發(fā)現(xiàn)兩類決策過程中單個注視點平均時長較短(平均216 ms), 不符合補償性規(guī)則的預(yù)期, 更支持啟發(fā)式?jīng)Q策規(guī)則假設(shè)。此外, 本研究報告的決策前注視的選項特征數(shù)量為93.6%, 高于Su等人(2013)報告的平均注視量88.50%。這可能是由于本研究使用了單結(jié)果決策任務(wù), 而Su等人(2013)使用的是雙結(jié)果決策任務(wù)。由此可推測, 隨著任務(wù)復(fù)雜程度增大, 人們在決策前所關(guān)注的信息量更小, 更不會進行補償性加工。

加工方向和模型擬合的結(jié)果說明, 二者均符合基于維度的加工規(guī)則：人們在決策中更多地按照維度進行信息的搜索加工, 符合啟發(fā)式模型的預(yù)測。這一結(jié)果和Su等人(2013)和Fisher等人(2013)的發(fā)現(xiàn)一致, 說明兩類決策在信息比較過程中, 占優(yōu)的搜索模式均為基于維度的比較。且這一基于維度比較的加工過程可以通過眼動過程真實地探測, 也可以通過模型擬合的方式被驗證, 且二者結(jié)果一致, 更符合ITCH模型假設(shè), 即決策者在風(fēng)險和跨期決策中可能依據(jù)了一系列不同啟發(fā)式規(guī)則的組合, 如對不同維度的絕對差異和相對差異等的比較, 且人們對不同的規(guī)則的使用賦予了不同的權(quán)重(Ericson et al., 2015)。盡管本文僅選用了ITCH作為基于維度加工模型代表, 但考慮到不同加工模型的研究中, 基于維度加工模型家族的解釋力差異不大(Ericson et al., 2015), 但相對基于選項加工模型均表現(xiàn)更好(Dai & Busemeyer, 2014; Scholten & Read, 2010)。因此我們推測, 未來研究如選用其他啟發(fā)式模型, 有可能得到相似的結(jié)果：相對于基于選項加工的折扣模型, 基于維度加工的啟發(fā)式模型對風(fēng)險和跨期任務(wù)的擬合度更高。

需要注意的是, 貝葉斯因子分析的結(jié)果顯示, 在不含確定/即刻選項條件下, 只有較弱的證據(jù)支持兩類決策的加工方向一致, 但考慮到二者的SM值與0差異均顯著, 即表現(xiàn)出基于維度加工。因此, 定性而言, 兩類決策在加工方向上具有相似性。

綜上, 本研究證實了決策主流理論中所一致接受的折扣計算(或加權(quán)求和)過程未必適用于風(fēng)險和跨期決策, 未來的研究在嘗試建立二者共同理論框架時, 或應(yīng)考慮非折扣模型。

4.2 風(fēng)險和跨期決策過程的特異性

本研究亦發(fā)現(xiàn)兩類決策在少數(shù)行為和過程特征上存在特異性：相對于風(fēng)險決策, 人們進行跨期決策的時間更長, 加工復(fù)雜度和加工深度更高(不含確定/即刻選項時), 且在整體過程特征上, 風(fēng)險任務(wù)中基于維度比較特征更顯著。尤其在觀察典型試次的結(jié)果可見, 二者在整體動態(tài)眼動過程上的差異可能體現(xiàn)在信息比較的模式上：在不含確定選項的風(fēng)險任務(wù)中, 個體相繼進行基于概率和結(jié)果維度的信息比較然后做出決策, 然而在跨期決策中并未體現(xiàn)出類似的眼動模式。

這些特異性的存在可能有兩個原因：其一, 與跨期決策相比, 風(fēng)險決策可能更接近自動化、平行的加工方式, 而人們進行跨期決策時, 尤其在不含即刻選項時, 審慎程度或加工難度可能相對更高。其二, 研究中兩個任務(wù)的部分材料(不含確定/即刻選項條件)僅匹配了結(jié)果的大小, 但并未對概率和時間的大小按照其心理感受進行等量匹配, 如45%的概率獲得300元, 其心理感受可能并不等價于280天后獲得300元。未來研究可針對兩種決策任務(wù)設(shè)置匹配的實驗參數(shù), 以避免參數(shù)差異對結(jié)果帶來的混淆。

4.3 確定和即刻信息在風(fēng)險和跨期決策過程中的特異性

本研究發(fā)現(xiàn)兩類決策中是否包含確定/即刻選項在各局部過程特征上均存在差異, 這說明個體對確定和即刻信息的加工具有特異性：當(dāng)不含確定/即刻選項時, 人們更傾向于按照偏向補償性規(guī)則及基于維度的規(guī)則決策：當(dāng)不含確定/即刻選項時, 決策的加工復(fù)雜程度更高, 加工深度更深, 加工方向更基于維度; 但當(dāng)包含確定/即刻選項時, 人們在加工方向上并無占優(yōu)的模式。

本研究發(fā)現(xiàn)的確定/即刻選項的特異性, 與前人對確定和即刻效應(yīng)的解釋一致, 即個體對確定選項和即刻選項賦予過高權(quán)重(Kahneman & Tversky, 1979; Kirby & Herrnstein, 1995)。由于高權(quán)重, 個體對這些信息的注意時間更短, 可能更不需要進行深度加工, 或依賴其與風(fēng)險/將來選項的相對評估和比較, 即可對確定/即刻選項進行效用評估。此外, 確定/即刻的參數(shù)信息在本研究實驗中固定不變, 相對非確定/即刻的參數(shù)來說認(rèn)知難度更小, 隨著實驗進行, 更容易被忽略。

值得注意的是, 確定和即刻信息的這一特異性說明, 特異的參數(shù)或情境對風(fēng)險和跨期決策的加工存在較大影響, 因此, 未來研究中應(yīng)關(guān)注非特異參數(shù)情境中兩類決策的比較。

4.4 研究意義

本文在理論和方法上進行了幾方面的積極探索。在理論層面, 我們發(fā)現(xiàn)風(fēng)險和跨期決策具有共同的過程機制, 為建立兩類決策的共同解釋框架做出了有益的嘗試, 將有助于未來研究從本質(zhì)上認(rèn)識人類決策的內(nèi)在機制, 發(fā)展出同時適用于風(fēng)險決策與跨期決策的普遍性決策理論。未來研究或可基于兩類決策其他對應(yīng)的行為效應(yīng)進行比較, 如量級效應(yīng)(magnitude effect), 進一步考察二者的相似性和特異性。

在方法層面, 本研究綜合了眼動過程和結(jié)果的多維度數(shù)據(jù), 并使用新近的眼動軌跡分析法, 有利于多層次地認(rèn)識風(fēng)險和跨期決策的差異以及共同機制, 嘗試克服以往研究忽視決策模型中信息搜索與評價的動態(tài)序列過程假設(shè)的不足。未來研究應(yīng)基于整體動態(tài)視角, 考察決策過程的時間序列等整體的過程屬性, 并考慮多種決策過程或策略共存的情況, 即基于不同實驗參數(shù)條件, 如是否在無差別點(indifference point)附近, 決策者可能采用不同的決策策略。這種策略的區(qū)分或可依據(jù)分析不同參數(shù)條件的眼動軌跡等指標(biāo)來實現(xiàn)。

特別地, 在計算建模層面, 本研究采用分層貝葉斯模型擬合法, 同時估計個體層面和群體層面的參數(shù), 對結(jié)果進行更精確的估計(Vincent, 2016), 有效克服本領(lǐng)域以往模型擬合研究(Green et al., 1999; Myerson, Green, Hanson, Holt, & Estle, 2003)受限于數(shù)據(jù)樣本大小、被試個體差異的弱點, 為“相對于經(jīng)典的折扣計算模型, 風(fēng)險和跨期決策是否可以被啟發(fā)式模型更好地預(yù)測”這一問題提供了更為精確的解答。

4.5 研究的不足

本研究存在以下不足。首先, 本研究只涉及了獲益框架, 沒有進一步討論風(fēng)險和跨期決策在損失框架、損益混合框架的異同。在生活中, 非獲得框架的風(fēng)險和跨期決策普遍存在, 且獲得與損失具有不對稱性：獲得領(lǐng)域的折扣程度比損失領(lǐng)域更大, 人們在面臨獲得和損失時可能采用不同的決策策略(Kahneman & Tversky, 1979; Zhang et al., 2016)。因此, 基于獲得框架的研究結(jié)果難以直接推廣到其他框架, 未來的研究應(yīng)針對損失或損益混合框架, 對風(fēng)險和跨期決策進行進一步地比較。

其次, 本研究對所有被試采用統(tǒng)一的、自行設(shè)定的概率或時間參數(shù), 忽略了概率和時間參數(shù)的等量轉(zhuǎn)換關(guān)系, 以及參數(shù)設(shè)置的個體差異。概率和時間參數(shù)取值分別對兩類決策的屬性有很大影響, 不同的參數(shù)取值可導(dǎo)致行為和過程差異, 無法排除由參數(shù)效應(yīng)給實驗結(jié)果帶來的可能偏差。此外, 對不同個體采用同一套風(fēng)險和跨期決策的題目也可能難以排除個體差異對結(jié)果帶來的混淆。未來的研究可充分考慮概率和時間的等量對應(yīng)關(guān)系, 以及決策中個體偏好的差異, 以更好地控制參數(shù)差異對結(jié)果可能造成的影響。

最后, 未來研究或可基于神經(jīng)基礎(chǔ)層面, 借助基于模型的腦認(rèn)知神經(jīng)方法(model-based neuroimaging)對兩類決策進行神經(jīng)影像學(xué)的比較, 探索二者共同的神經(jīng)機制。

5 結(jié)論

本研究以確定效應(yīng)和即刻效應(yīng)為例, 對風(fēng)險和跨期決策進行了決策過程的比較, 結(jié)合行為、局部及整體過程特征和模型擬合的證據(jù), 發(fā)現(xiàn)：1)在決策基本規(guī)則上, 風(fēng)險和跨期決策具有共同機制, 都不遵循折扣模型所假設(shè)的補償性的、基于選項的加工規(guī)則, 更可能依據(jù)簡捷的、非補償性模型所預(yù)期的啟發(fā)式規(guī)則決策; 2)風(fēng)險和跨期決策的過程存在部分特異性：跨期決策的加工復(fù)雜程度、加工深度均高于風(fēng)險決策, 且二者整體動態(tài)的眼動過程存在差異; 3)風(fēng)險決策的確定信息和跨期決策的即刻信息在過程機制上存在特異性：當(dāng)不包含確定/即刻選項時, 個體加工的補償性程度更高, 更傾向于采用基于維度的加工方式, 但包含確定/即刻選項時, 個體加工的補償性程度更低, 不具有占優(yōu)的加工方式。

Ahn, W.-Y., Haines, N., & Zhang, L. (2017). Revealing neuro- computational mechanisms of reinforcement learning and decision-making with the hBayesDM package.,, 24–57. doi: 10.1162/cpsy_a_00002

Allais, M. (1953). Le comportement de l'homme rationnel devant le risque: Critique des postulats et axioms de l'ecole americaine [Rational man's behavior in face of risk: Critique of the American School's postulates and axioms].503–546.

B?ckenholt, U., & Hynan, L. S. (1994). Caveats on a process- tracing measure and a remedy.(2)103–117. doi: 10.1002/bdm.3960070203

Brandst?tter, E., Gigerenzer, G., & Hertwig, R. (2006). The priority heuristic: Making choices without trade-offs.(2)409–432. doi: 10.1037/0033-295X.113.2.409

Brandst?tter, E., & K?rner, C. (2014). Attention in risky choice.,, 166–176. doi: 10.1016/j.actpsy.2014. 08.008

Burnham, K. P., & Anderson, D. R. (2004). Multimodel inference: Understanding AIC and BIC in model selection.,(2), 261–304. doi: 10.1177/0049124104268644

Dai, J., & Busemeyer, J. R. (2014). A probabilistic, dynamic, and attribute-wise model of intertemporal choice.(4)1489–1514. doi: 10.1037/a0035976

Ericson, K. M. M., White, J. M., Laibson, D. I., & Cohen, J. D. (2015). Money earlier or later? Simple heuristics explain intertemporal choices better than delay discounting does.,(6), 826–833. doi: 10.1177/ 0956797615572232

Fiedler, S., & Gl?ckner, A. (2012). The dynamics of decision making in risky choice: An eye-tracking analysis.,335. doi: 10.3389/fpsyg.2012.00335

Figner, B., Knoch, D., Johnson, E. J., Krosch, A. R., Lisanby, S. H., Fehr, E., & Weber, E. U. (2010). Lateral prefrontal cortex and self-control in intertemporal choice.,(5), 538–539. doi: 10.1038/nn.2516

Fisher, G., & Rangel, A. (2013).. Paper presented atSociety for Judgment and Decision Making Annual Conference, Toronto, Canada.

Franco-Watkins, A. M., Mattson, R. E., & Jackson, M. D. (2016). Now or later? Attentional processing and intertemporal choice.(2-3)206–217. doi: 10.1002/bdm.1895

Frederick, S., Loewenstein, G., & O'donoghue, T. (2002). Time discounting and time preference: A critical review.(2), 351–401. doi: 10.1257/ 002205102320161311

Gelman, A., Carlin, J. B., Stern, H. S., Dunson, D. B., Vehtari, A., & Rubin, D. B. (2014).(3rd ed.). New York, NY: CRC Press.

Gelman, A., & Rubin, D. B. (1992). Inference from iterative simulation using multiple sequences.,(4), 457–472. doi: 10.1214/ss/1177011136

Gl?ckner, A., & Herbold, A- K. (2011). An eye-tracking study on information processing in risky decisions: Evidence for compensatory strategies based on automatic processes.(1)71–98. doi: 10.1002/bdm.684

Green, L., Myerson, J., & Ostaszewski, P. (1999). Amount of reward has opposite effects on the discounting of delayed and probabilistic outcomes.(2), 418–427. doi: 10.1037/0278-7393.25.2.418

Green, L., Myerson, J., & Vanderveldt, A. (2014) Delay and probability discounting. In: F. K. McSweeney & E. Murphy (ds.),(pp. 307–337). Chichester, England: Wiley.

Hardisty, D. J., & Pfeffer, J. (2016). Intertemporal uncertainty avoidance: When the future is uncertain, people prefer the present, and when the present is uncertain, people prefer the future.,(2), 519–527. doi: 10.1287/mnsc.2015.2349

Horstmann, N. (2009). How distinct are intuition and deliberation? An eye-tracking analysis of instruction-induced decision modes.,(5), 335–354. doi: 10.2139/ssrn.1393729

Hu, C-P., Kong, X-Z., Wagenmakers, E-J., Ly, A., & Peng K-P. (2018). The bayes factor and its implementation in JASP: A pratical primer.(6)951–965. doi: 10.3724/SP. J.1042.2018.00951

[胡傳鵬, 孔祥禎, Wagenmakers, E-J., Ly, A., 彭凱平. (2018). 貝葉斯因子及其在JASP中的實現(xiàn).,(6)951–965.]

JASP Team. (2017). JASP (Version 0.8.2) [Computer software]

Jeffreys, H. (1961).(3rd ed.). Oxford, UK: Oxford University Press.

Kable, J. W., & Glimcher, P. W. (2007). The neural correlates of subjective value during intertemporal choice.,(12), 1625–1633. doi: 10.1038/nn2007

Kahneman, D., & Tversky, A. (1979). Prospect theory: An analysis of decision under risk.(2)263–291. doi: 10.2307/1914185

Kahneman, D., & Tversky, A. (1984). Choices, values, and frames.(4), 341–350.

Kirby, K. N., & Herrnstein, R. J. (1995). Preference reversals due to myopic discounting of delayed reward.,(2), 83–89. doi: 10.1111/j.1467-9280.1995.tb00311.x

Konstantinidis, E., van Ravenzwaaij, D., & Newell, B. R. (2017). Exploring the decision dynamics of risky intertemporal choice., 694-699. Retrieved from https://pdfs.semanticscholar.org/68cb/ebe19485a7c8ed97948ecec6b0aa6fd49e92.pdf

Kuhnen, C. M., & Knutson, B. (2005). The neural basis of financial risk taking.,(5), 763–770. doi: 10.1016/j.neuron.2005.08.008

Li, S. (2004). A behavioral choice model when computational ability matters.(2)147–163. doi: 10.1023/B:APIN.0000013337.01711.c7

Li, S., Su, Y., & Sun, Y. (2010). The effect of pseudo-immediacy on intertemporal choices.(6), 781–787. doi: 10.1080/13669870903551704

Liang., Z-Y., Zhou, L., & Su, Y. (2016, Aug.). The hidden-zero effect in risky choice: An eye-tracking study. Paper presented at the, Yokohama, JAPAN.

Luckman, A., Donkin, C., & Newell, B. R. (2017). Can a single model account for both risky choices and inter-temporal choices? Testing the assumptions underlying models of risky inter-temporal choice.,785–792. doi: 10.3758/s13423-017-1330-8

Loewenstein, G., & Prelec, D. (1992). Anomalies in intertemporal choice: Evidence and an interpretation.(2), 573–597. doi: 10.1006/obhd.1996.0028

Ly, A., Verhagen, J., & Wagenmakers, E.-J. (2016a). An evaluation of alternative methods for testing hypotheses, from the perspective of Harold Jeffreys.,, 43–55. doi: 10.1016/j.jmp.2016.01.003

Ly, A., Verhagen, J., & Wagenmakers, E-J. (2016b). Harold Jeffreys’s default Bayes factor hypothesis tests: Explanation, extension, and application in psychology.,, 19–32. doi: 10.1016/j.jmp. 2015.06.004

Magen, E., Dweck, C., & Gross, J. J. (2008). The hidden-zero effect: Representing a single choice as an extended sequence reduces impulsive choice.(7)648–649. doi: 10.1111/j.1467-9280.2008.02137.x

Marsman, M., & Wagenmakers, E-J. (2017). Bayesian benefits with JASP.(5), 545–555. doi: 10.1080/17405629.2016.1259614

Mazur, J. E. (1987). An adjusting procedure for studying delayed reinforcement. In M. L. Commons, J. E. Mazur, J. A. Nevin, & H. Rachlin (s.),(pp. 55–73). Hillsdale, NJ: Erlbaum.

McClure, S. M., Laibson, D. I., Loewenstein, G., & Cohen, J. D. (2004). Separate neural systems value immediate and delayed monetary rewards.,(5695), 503–507. doi: 10.1126/science.1100907

Myerson, J., Green, L., Hanson, S. J., Holt, D. D., & Estle, S. J. (2003). Discounting delayed and probabilistic rewards: Processes and traits.(5), 619–635. doi: 10.1016/S0167-4870(03)00005-9

Noton, D., & Stark, L. (1971). Scanpaths in eye movements during pattern perception.(3968)308–311. doi: 10.1126/science.171.3968.308

Pascal, B. (1670).(W. F. Trotter, Trans.). Retrieved Nov. 22, 2018, from https://sourcebooks.fordham.edu/mod/ 1660pascal-pensees.asp

Rao, L-L., & Li, S. (2011). New paradoxes in intertemporal choice.(2), 122–129.

Rayner, K. (.) (2013).. New York: Springer-Verlag. doi: 10.1007/978-1-4612-2852-3

Read, D., Frederick, S., & Scholten, M. (2013). DRIFT: An analysis of outcome framing in intertemporal choice.,(2), 573–588. doi: 10.1037/a0029177

Read, D., Loewenstein G., & Kalyanaraman, S. (1999). Mixing virtue and vice: Combining the immediacy effect and the diversification heuristic.,(4), 257–273. doi: 10.1002/(SICI)1099-0771 (199912)12:4%3C257::AID-BDM327%3E3.0.CO;2-6

Reeck, C., Wall, D., & Johnson, E. J. (2017). Search predicts and changes patience in intertemporal choice.,(45), 11890– 11895. doi: 10.1073/pnas.1707040114

Rouder, J. N., Speckman, P. L., Sun, D. C., Morey, R. D., & Iverson, G. (2009). Bayesian t-tests for accepting and rejecting the null hypothesis., 225–237. doi: 10.3758/PBR.16.2.225

Samuelson, P. A. (1937). A note on measurement of utility.(2), 155–161.

Scheibehenne, B., & Pachur, T. (2015). Using Bayesian hierarchical parameter estimation to assess the generalizability of cognitive models of choice.,(2), 391–407. doi: 10.3758/s13423-014-0684-4

Schneider, E., Streicher, B., Lermer, E., Sachs, R., & Frey, D. (2017). Measuring the zero-risk bias: Methodological artefact or decision-making strategy?,, 31–44. doi:10.1027/2151-2604/a000284

Schulte-Mecklenbeck, M., Johnson, J. G., B?ckenholt, U., Goldstein, D. G., Russo, J. E., Sullivan, N. J., & Willemsen, M. C. (2017). Process-tracing methods in decision making: On growing up in the 70s.,(5), 442–450. doi: 10.1177/0963721417708229

Schulte-Mecklenbeck, M., Kühberger, A., Gagl, B., & Hutzler, F. (2017). Inducing thought processes: Bringing process measures and cognitive processes closer together.,(5), 1001–1013. doi: 10.1002/bdm.2007

Scholten, M., & Read, D. (2010). The psychology of intertemporal tradeoffs.(3), 925–944. doi: 10.1037/a001

Simon, H. A. (1982).. Cambridge, US: MIT Press.

Stewart, N., Hermens, F., & Matthews, W. J. (2015). Eye movements in risky choice.,(2-3), 116–136. doi: 10.1002/bdm.1854

Stevens, J. R. (2011). Mechanisms for decisions about the future. In R. Menzel, & J. Fischer (s.)(pp. 93– 104). Cambridge, MA: MIT Press.

Stevenson, M. K., Busemeyer, J. R., & Naylor, J. C. (1990). Judgment and decision-making theory. In D. M. Dunnette, & L. M. Hough (Eds.)(pp. 283–374). CA, US: Consulting Psychologists Press.

Su, Y., Rao, L. L., Sun, H. Y., Du, X. L., Li, X., & Li, S. (2013). Is making a risky choice based on a weighting and adding process? An eye-tracking investigation.(6)1765–1780. doi: 10.1037/a0032861

Vehtari, A., Gelman, A., & Gabry, J. (2015). Efficient implementation of leave-one-out cross-validation and WAIC for evaluating fitted Bayesian models.. doi: 1007/s11222-016-9696-4

Vincent, B. T. (2016). Hierarchical Bayesian estimation and hypothesis testing for delay discounting tasks.,, 1608–1620. doi: 10.3758/s13428-015- 0672-2

Wagenmakers, E-J., Love, J., Marsman, M., Jamil, T., Ly, A., Verhagen, J., … van Doorn, J. (2018a). Bayesian inference for psychology. Part II?: Example applications with JASP.,(1), 58–76. doi: 10.3758/s13423-017-1323-7

Wagenmakers, E.- J., Marsman, M., Jamil, T., Ly, A., Verhagen, J., Love, J., … Morey, R. D. (2018b). Bayesian inference for psychology. Part I: Theoretical advantages and practical ramifications.,(1), 35–57. doi: 10.3758/s13423-017-1343-3

Wang Z-J., & Li S. (2012). Tests of the integrative model and priority heuristic model from the point of view of choice process: Evidence from an eye-tracking study.,(2)179–198. doi: 10.3724/SP.J.1041.2012.00179

[汪祚軍, 李紓. (2012). 對整合模型和占優(yōu)啟發(fā)式模型的檢驗：基于信息加工過程的眼動研究證據(jù).(2)179–198.]

Weber, B. J., & Chapman, G. B. (2005). The combined effects of risk and time on choice: Does uncertainty eliminate the immediacy effect? Does delay eliminate the certainty effect?(2), 104–118. doi: 10.1016/j.obhdp.2005.01.001

Weber, B. J., & Huettel, S. A. (2008). The neural substrates of probabilistic and intertemporal decision making., 104-115. doi: 10.1016/j.brainres.2008.07.105

Wei, Z-H., & Li, X. S. (2015). Decision process tracing: Evidence from eye-movement data.(12)2029–2041. doi: 10.3724/SP.J.1042.2015.02029

[魏子晗, 李興珊. (2015). 決策過程的追蹤: 基于眼動的證據(jù).(12), 2029–2041.]

Wu F., Gu Q., Shi Z-H., Gao Z-F., & Shen M-W. (2018). Striding over the “classical statistical inference trap” —Application of Bayes factors in psychological studies. Chinese Journal of Applied Psychology, 24(3), 195–202.

[吳凡, 顧全, 施壯華, 高在峰, 沈模衛(wèi). (2018). 跳出傳統(tǒng)假設(shè)檢驗方法的陷阱——貝葉斯因子在心理學(xué)研究領(lǐng)域的應(yīng)用. 應(yīng)用心理學(xué), 24(3), 195–202.]

Wu Y., Zhou X-L., & Luo Y-J. (2010). The neuroscience of intertemporal choices and decision-making under risk and uncertainty.,(1), 76-80.

[吳燕, 周曉林, 羅躍嘉. (2010). 跨期選擇和風(fēng)險決策的認(rèn)知神經(jīng)機制.,(1), 76–80.]

Zhang, Y-Y., Xu, L-J., Rao, L-L., Zhou, L., Zhou, Y, Jiang, T-Z, Li, S., & Liang, Z-Y. (2016). Gain-loss asymmetry in neural correlates of temporal discounting: An approach-avoidance motivation perspective., 31902. doi: 10.1038/srep31902

Zhou, L. (2017).(Unpublished Doctoral dissertation). University of Chinese Academy of Sciences, Beijing, China.

[周蕾(2017).(博士學(xué)位論文). 中國科學(xué)院大學(xué).]

Zhou, L., Zhang Y-Y., Li S.& Liang, Z-Y. (2018). New paradigms for the old question: Challenge the expectation rule held by risky decision-making theories.,, e17. doi:10.1017/prp.2018.4

Zhou, L., Zhang, Y-Y., Wang, Z-J., Rao, L-L., Wang, W., Li, S., Li, X. S., & Liang, Z-Y. (2016). A scanpath analysis of the risky decision-making process.(2-3), 169–182. doi: 10.1002/bdm.1943

① 在0附近相對概率密度更小的柯西分布允許更多的大效應(yīng), 因此被認(rèn)為更適合于備擇假設(shè)的先驗分布(Jeffreys, 1961; Ly, Verhagen, & Wagenmakers, 2016a, 2016b; Rouder et al., 2009)。

Similarity in processes of risky choice and intertemporal choice: The case of certainty effect and immediacy effect

ZHOU Lei; LI Ai-Mei; ZHANG Lei; LI Shu; LIANG Zhu-Yuan

(Management School, Jinan University, Guangzhou 510632, China)(CAS Key Laboratory of Behavioral Science, Institute of Psychology, Beijing 100101, China)(Department of Psychology, University of Chinese Academy of Sciences, Beijing 100049, China)(Institute for Systems Neuroscience, University Medical Center Hamburg-Eppendorf, Hamburg 20246, Germany)

Risky choice (RC) and intertemporal choice (IC) are two types of common decisions that are vital to human’s everyday life. RC and IC share similarities regarding theoretical development, behavioral effects, and neural basis. One critical challenge is that, although previous studies have revealed that RC and IC involve similar cognitive processes, results are mixed regarding what the exact mechanism might be. The mainstream discounting model hypothesizes that both RC and IC follow aandrule. However, other models suggest that RC and IC commonly involve-andprocessing. Moreover, prior studies primarily based their findings on outcome data and few have attempted to determine whether RC and IC shared a common decision process at the cognitive computational level.

To fill this gap, the present study adopts a systematic approach to disentangle the exact mechanism of RC and IC. We considered two well-studied behavioral effects, namely,of RC andof IC, respectively, and compared their underlying local and holistic process characteristics by using eye-tracking technique. Besides, we employed hierarchical Bayesian modeling to assess whether alternative- or attribute-based models better fit both RC and IC. We designed a 2×2 within-subject paradigm, with the choice task (RC vs. IC) and the construct of decision options (with vs. without certain/immediate option) as factors. Thirty-three postgraduate students participated in our study. As we were particularly interested in two pairs of decision rules, i.e.,rules andrules, we included a series of decision attributes that reflected them, based on the local and holistic process characteristics derived from eye-movement data to test our hypotheses.

Our entire set of analyses aimed to (1) determine whether the decision processes of RC and IC are similar and (2) identify the best computational model that is more suitable for both decisions. For the first aim, results show that RC and IC indeed share comparable decision processes, albeit having a few differences in other aspects. Specifically, RC and IC differ in process characteristics, such as complexity and holistic eye-movement dynamics, and IC is processed in a relatively more deliberate, deeper fashion than RC. However, they are similar in other characteristics, such as search direction, which is more relevant to making decisions. For the second aim, computational modeling of process characteristics suggests that both types of decisions are consistent with non-discounting models. In particular, results of search direction, in light of Bayesian model comparison, reveals that participants are more likely to follow therule rather than therule when deciding for both RC and IC. Furthermore, different task constructs of decision options,, show distinct process characteristics, such as direction, complexity, and depth in both RC and IC.

To conclude, the present study shows that although differences exist between RC and IC, they indeed have shared cognitive mechanisms at the core of the decision processes. In both types of decisions, contrary to classic discounting models, individuals seem not to followrules, which undergoes a “weighting and summing” or “delay discounting” process. Instead, they are more likely to use simple heuristic rules hypothesized by non-discounting models. Moreover, when including certain or immediate options, individuals tend to follow lessand non-dominant (neithernor) rules. In sum, our findings not only provide a theoretical and empirical basis for the establishment of a common framework for RC and IC, but also provide a novel direction for thorough theoretical and methodological comparisons between variant decision tasks.

risky choice; intertemporal choice; eye-tracking; hierarchical Bayesian modeling; certainty effect; immediacy effect

B849: C91

10.3724/SP.J.1041.2019.00337

2018-05-11

* 國家自然科學(xué)基金青年項目(71801110), 國家自然科學(xué)基金面上項目(71471171, 31471005, 71571087), 教育部人文社會科學(xué)研究青年基金項目(18YJC630268), 中國博士后科學(xué)基金資助項目(2018M633270), 中國科學(xué)院行為科學(xué)重點實驗室自主研究課題項目(Y5CX052003), 廣東省自科重大培育項目(2017A030308013)資助。

梁竹苑, Email: liangzy@psych.ac.cn; 李紓, Email: lishu@psych.ac.cn