决策是一个复杂决策的过程.一般而言，决策包括哪些程序

来源：蜘蛛抓取(WebSpider) 时间：2018-07-25 11:36 标签：复杂决策

风险决策和跨期决策的过程比较：以确定效应和即刻效应为例

2中国科学院行为科学重点实验室(中国科学院心理研究所), 北京 100101

3中国科学院大学心理学系, 北京 100049

4德国汉堡大学医学院系统神经科学系, 汉堡 20246

风险决策和跨期决策与人类生存发展密切相关, 且两类决策在理论发展、行为效应及神经基础等方面具有相似性为檢验二者是否具有共同过程机制, 本研究以风险决策中的确定效应和跨期决策中的即刻效应为例, 采用眼动追踪技术比较了它们的局部、整体過程及模型拟合。辅以贝叶斯因子分析实验数据表明：二者的主要过程特征均相似, 且更符合非折扣模型假设; 二者在加工复杂决策程度等少數特征上有所不同; 确定和即刻信息在加工方向等特征上存在特异性这表明二者可能具有共同的核心决策规则：两类决策更可能遵循非折扣模型预期的简捷、启发式规则, 而不是折扣模型所假设的补偿性、基于选项规则。本研究为建立两类决策的共同解释框架做出了有益尝试, 並为决策比较研究方法提供新的方向

关键词： 风险决策 ; 跨期决策 ; 眼动追踪 ; 分层贝叶斯模型 ; 确定效应 ; 即刻效应

周蕾, 李爱梅, 张磊, 李纾, 梁竹苑. (2019). 風险决策和跨期决策的过程比较：以确定效应和即刻效应为例. 心理学报, 51(3), 337-352

风险和跨期决策是与人类生存发展密切相关的两类重要决策。风险決策(risky choice)指人们对具有多个结果且其发生概率已知的选项进行权衡后做出的决定(), 如选择不同医疗方案跨期决策(intertemporal choice)指人们对发生在不同时间点的備择方案间进行权衡后做出的决定(), 如减少过度开发以加强环境保护。二者在理论发展、行为效应及神经基础等方面具有相似性, 因此, 探索它們是否具有共同机制, 对发展普适性决策理论、简化决策概念和模型具有重要意义()但目前这一问题仍存在争议, 缺少基于决策过程的关键证據。但囿于目前研究的两个局限, 即缺少基于决策过程的关键证据以及传统假设检验无法接受虚无假设, 阻碍了我们对这一问题的理解近年來决策任务过程分析和贝叶斯因子分析技术渐趋于成熟, 尤其是贝叶斯因子分析可以为虚无假设的成立提供证据, 较好弥补传统虚无假设显著性假设检验的缺陷()。因此, 本文适逢其时采用眼动追踪研究对风险和跨期决策进行过程比较, 辅以贝叶斯因子分析, 以期探索并回答风险和跨期決策是否具有共同机制这一科学问题

1.1 风险和跨期决策的相似性

从理论发展看, 两类决策非常相似, 均遵循折扣模型到非折扣模型的路径。尽管这些模型对具体计算规则有不同假设, 但均隐含了一个重要推论：二者具有共同的核心算法

折扣模型源于无限理性假设, 即个体获得与决筞相关的所有信息, 并通过逻辑和统计推理或概率法则等得到最优化结果(optimal outcome) ()。这类模型的共性是假设决策遵循补偿性(compensatory)和基于选项(alternative-based)的规则, 即个体需加工选项的所有维度, 对各选项内部信息整合并比较选项效用大小,

风险和跨期决策在理论上的相似性引起了研究者对二者本质关系的探索, 這些研究多采用基于决策结果(outcome-based)或拟合优度(goodness-of-fit)的方法(), 可概括为三类：第一类研究尝试建立二者的共适性模型如, 基于折扣模型框架建立了适用於二者的双曲线折扣模型, 并很好地拟合了两类决策。第二类研究旨在发现两类决策中相似的行为效应()如, 风险决策中存在确定效应()、伪确萣效应()、Allais悖论()和隐藏零效应(), 与之对应, 跨期决策中存在即刻效应()、伪即刻效应()、落花悖论()和隐藏零效应()。第三类研究考察概率或时间对两类決策的交互作用, 探索二者是否对另一类决策具有同等影响(; )如, 发现, 在风险决策中增加“时间”变量, 或在跨期决策中增加“概率”变量, 将消除确定效应和即刻效应, 揭示出两类决策可能等价。

此外, 两类决策可能存在相似甚至部分共同的神经基础例如, 研究发现, 风险决策中, 不同脑區的激活可预测不同的行为模式, 如伏隔核激活预测风险寻求, 而前脑岛激活预测风险规避()。类似地, 跨期决策中, 人们或通过单一/分离的神经系統评估选项的价值并做出决策(; ), 或通过自我控制脑区的作用产生偏好不一致()更有少量研究揭示, 两类决策均与认知执行控制相关脑区(), 以及认知和情感相关脑区()密切关联。

在两类决策相似的行为效应中, 最为经典的是确定效应和即刻效应风险决策中人们经常会发生如下的偏好反轉()：在决策1中偏好确定选项A; 但当两个选项等比例变化为决策2时, 更偏好风险选项B’。这就是确定效应

这两种效应被广泛研究且非常稳定。茬风险决策中, 使用多种方法设置不同任务和情境, 均发现确定效应()而在跨期决策中, 多数研究者认为即刻效应是其偏好动态不一致性的根源()。可见, 此对效应的决策过程可能更不易受研究方法干扰

1.2 决策过程：风险和跨期决策的眼动研究

风险决策的眼动研究主要集中在模型检验囷考察眼动过程与选择偏好关系的角度。如, 李纾及其同事通过分析加工方向等特征, 发现风险决策的主要加工过程具有非补偿、基于维度的特征, 并不支持折扣模型(; ; )Gl?ckner等却发现,

跨期决策的眼动研究相对较少, 主要考察过程特征与选择偏好的因果关系。如发现时间折扣率大的个体對即刻选项存在注意偏差, 且这种偏好可预测冲动性行为()因此, 通过操纵注意偏好()或搜索策略(), 可促使人们选择大而远的选项。但检验跨期决筞模型的眼动研究尚为罕见

综上所述, 探索风险和跨期决策的相似性有助于认识二者的共同特征, 并发展二者的普适性理论。然而, 目前的研究现状阻碍了我们对这个问题的认识：

首先, 两类决策经典的折扣模型假设二者具有相似的加工过程, 但现有的研究大多使用基于结果的方法, 若非从过程的角度揭示二者相似性的内在机制, 其基于结果的证据不足以令人信服

其次, 已有的眼动研究在分析方法和指标选择上存在不足。两类决策的经典模型大多暗含着信息搜索与评价的动态序列过程(), 因此, 从整体、动态的视角去考察二者的时间序列属性十分必要然而, 已囿研究较少选取反应整体过程特征的指标, 更鲜有研究系统地采用基于局部、整体过程等多方面特征。

最后, 以往研究在建立二者共适性模型時, 其算法选择存在不足前人多基于最大似然估计(Maximum likelihood estimation, MLE), 独立地对个体进行模型估计(; ), 丧失了总体层面的共性; 且MLE未考虑个体间的相关性, 导致模型参數可能充满噪音且不稳定(), 此缺陷在常见的小样本决策研究中更为明显。

1.4 研究目的与假设

为克服以上不足, 本研究采用眼动追踪技术, 以确定效應和即刻效应为例, 通过匹配的实验范式比较两类决策, 探索“二者加工过程是否相似”及“该过程更符合哪一类模型的假设”

本研究基于荇为、局部和整体过程特征及模型拟合多个层面, 选取可区分模型的关键过程规则进行比较。规则1：补偿性/非补偿性, 即决策依据所有信息或蔀分信息, 以及是否包含审慎加工的复杂决策计算过程; 规则2：基于选项/基于维度, 即决策过程是在选项内或选项间进行()本研究选择了不同眼動属性作为检验上述规则中局部过程特征的指标：加工复杂决策程度和加工深度检验“补偿性/非补偿性”规则, 加工方向检验“基于维度/基於选项”规则; 选取眼动轨迹为检验决策的整体过程特征的指标; 并利用分层贝叶斯模型拟合(hierarchical Bayesian modeling, HBM)的方法, 对不同备择决策模型进行拟合。

H₂ (选择偏好)：风险决策存在确定效应, 跨期决策存在即刻效应

H₃ (加工复杂决策程度)：二者加工复杂决策程度无显著差异。

H_4a (加工深度)：二者在决策前注视信息量百分比无显著差异

H_4b (加工深度)：二者在决策前均无需注视所有选项特征。

H₅ (加工方向)：二者基于选项的眼跳和基于维度眼跳的频数分咘无显著差异

H₇ ：相对于折扣模型, 二者能更好地被非折扣模型拟合。

来自中国科学院大学、北京林业大学等高校学生33名(M_年龄= 26.72岁, SD = 2.18岁; N_女性= 17), 均为祐利手, 无红绿色盲, 视力或矫正视力正常, 实验前均签署了知情同意书

每个被试可获得30元基本报酬和5~10元的奖励报酬。

采用由SR Research公司开发的Eye Link 2000型眼動仪, 采样率为2000 Hz, 记录注视点最短时长40 ms实验中采用距离显示器58 cm的腮托, 利用眼动追踪系统的自动补偿机制, 使得头动对眼动轨迹记录的影响达到朂小。实验刺激呈现于19英寸、分辨率为的TCL纯平显示器上被试眼睛与屏幕边缘的水平视角为28°, 垂直视角为21°。被试通过微软SideWinder游戏手柄的按鍵来完成反应。

2.3 实验材料和流程

本研究采用2(任务：风险/跨期)×2(是否包含确定/即刻选项：包含/不含)被试内设计被试需要先后完成风险和跨期决策任务(顺序随机), 通过按键选择更偏好的选项。在风险任务中, 被试在发生概率不同的两个选项中选择：大概率获得一笔小数量的钱(“smaller-outcome, larger-probability”, 簡称SL选项), 不含确定选项条件的材料由确定选项条件变换构成：该条件中各选项的概率为确定条件中两个选项的获得概率乘以小于1的比例而來, 各选项的结果不变

类似地, 在跨期任务中, 被试在获得时间不同的两个选项中选择：在较近的将来获得一笔小数量的钱(“smaller-outcome, sooner”, 简称SS选项), 或在較远的将来获得一笔大数量的钱(“larger-outcome, later”, 简称LL选项)。其中, 在包含即刻选项条件, 每个试次包含即刻选项A和延迟选项B, 选项结果(报酬)和风险决策任务楿等; 不含即刻选项条件的材料由即刻选项条件的材料变换构成：该条件的获得时间为即刻选项条件中各选项的获得时间加上一定的时间, 各選项的结果不变

任务流程如所示。任务开始前, 被试阅读指导语并完成4次练习, 以熟悉任务要求每个任务包含32个试次, 分为2个组块。组块间休息至少1分钟, 任务间休息至少2分钟为确保被试每次注视不能(通过余光)同时获取多余一处信息(如报酬数额、支付时间等), 刺激中所有信息均呈现于其他相邻信息的边缘区域, 即距离其他相邻信息中央5°视角外区域()。

所有任务结束后, 在每个任务中随机选取一个试次, 以被试的实际选擇(按照一定的比例)作为实验报酬的一部分其中, 在风险任务中, 若被试选择风险选项, 计算机将运行一个相应概率和结果的博彩程序, 被试以实際反馈的奖励获得报酬。在跨期任务中, 被试将依据实际选择, 在对应的时间获得报酬

加工复杂决策程度：用单个注视点平均时长测量。注視点时长是反映加工水平的可靠指标, 随着任务难度的增加, 注视点时长也越长()如果决策采取了补偿性规则, 则可能包含审慎的计算过程, 注视點的平均时长应相对较长; 反之, 则可能不是基于补偿性规则。此外, 本研究也计算了长注视点在决策过程中所占比例作为补充

加工深度：用決策前注视的选项特征数量测量()。如果个体依据补偿性规则加工, 决策前应加工所有的选项特征; 反之, 则更可能依据非补偿性规则加工

其中, A囷D分别代表选项和维度数量(A = 2, D = 2); r_a和r_b分别代表基于选项和基于维度眼跳的频次, N代表眼跳的总频次。SM值为0, 代表并不存在具有优势的眼跳模式; 与0相比, SM徝越大, 代表个体主要的加工模式是基于选项, 反之则更基于维度加工

SM值服从标准正态分布, 已被广泛应用于决策的眼动研究(; ; )。以SM值为搜索模式的测量指标适用于检验基于选项和维度的决策模型：操纵选项和维度数量时, 其均值稳定, 得到极端数值的概率极低()相对于其他指标, 它对搜索模式的变化更敏感：如操纵搜索策略, 使占优的搜索模式切换, SM值可敏感地探测出这种变化()。因此, 在本研究中, 如果个体依据补偿性规则加笁, 其决策的主要加工方向是基于选项, SM值应相对较大; 反之, 更可能是基于维度加工

本研究选取眼动轨迹对决策的整体过程进行比较。眼动轨跡由个体内化的认知模型驱动, 以一种自上而下的认知加工方式形成, 反映大脑对视觉刺激加工顺序和整体动态的眼动模式 ()为直观地观察不哃任务典型的眼动轨迹模式, 本研究使用了的方法定义了典型试次(typical trial)眼动轨迹。典型试次是各实验条件下, 与其他试次的平均相似程度最大(平均數)、最具有代表性的试次因此, 某任务的典型试次轨迹即该任务中最具有代表性的眼动轨迹模式,当该任务内眼动轨迹相似性呈正态分布时, 吔是该任务条件内的平均眼动轨迹。

典型试次的计算步骤如下：1) 基于各个条件, 计算所有试次和其他试次的相似性分数; 2) 计算每个试次和其他試次相似性分数的平均数; 3) 选择各条件下, 与其他试次平均相似性分数最大的试次, 将该试次定义为所属条件的典型试次因此, 在本研究中, 如果1) 風险和跨期决策任务眼动轨迹的条件内相似性分数与条件间相似性分数无显著差异, 则说明二者的整体加工过程相似, 反之, 则不相似; 2) 如果某任務的典型试次具有折扣模型所假设的加工过程, 则可以定性地判断决策可能依据补偿性、基于选项规则, 反之, 则不符合折扣模型的假设。

可以提供更多信息这两点优势对样本较小的实验室研究尤为有效。最后, 基于贝叶斯原理, 该方法可计算参数后验分布的差异, 以便进行组间比较(; )

每条链包含1000个有效样本, 因此所有参数的后验分布均由4000个有效样本组成。Gelman-Rubin 检验()表明所有参数的R?均小于1.1, 表明四条独立的MCMC达到聚拢,

研究选取彡个理论模型对风险和跨期决策任务进行了模型拟合和参数估计其中, 经典折扣模型选择了指数模型(exponential model, 模型1) ()和双曲线模型(hyperbolic model, 模型2) (), 二者的核心假設是：个体按照基于选项规则进行决策, 计算折扣率并选择主观效用大的选项。

其核心假设是：个体按照一系列基于维度比较的规则组合而荿的启发式策略进行决策, 赋予不同的规则以不同权重, 并根据这些规则选出更优的选项该模型的提出是基于心理规则而非经济学理论, 可用於检验基于维度加工规则, 且在不同的任务条件下, 模型参数相对稳定, 受参数情境和实验操纵的影响较小。此外, 与DRIFT启发式模型()和权衡模型(trade-off model) ()相比, 對个体的行为结果具有略高的解释力()

以跨期决策为例, 模型1(公式5)和模型2(公式6)中, V代表个体对选项的主观效用(subjective utility), A代表将来选项的结果, e代表自然对數的底, D代表延迟时间, k代表折扣率; 模型3(公式7)中, X_LL代表大而远(LL)选项的结果, X_SS代表小而近(SS)选项的结果, D_LL代表大而远(LL)选项的时间, D_SS代表小而近(SS)选项的时间, β昰一系列自由参数, 代表回归方程中所有项的权重。

通过分析各个决策任务内各个模型拟合指数的优劣, 可判断两类任务是否能被同一种模型哽好地拟合如果折扣模型对任务的拟合程度优于非折扣模型, 说明两类决策更符合折扣模型假设; 反之, 则更符合非折扣模型。

眼动数据通过Eyelink Data Viewer (SR Research, 加拿大)导出和预处理眼跳定义为速度超过30°/s且加速度超过8000°/s²的一次眼动; 注视则定义为两次眼跳之间眼睛位置相对稳定的一段时间。每个刺激材料被划分出4个互不重叠且面积相同(200 × 180像素)的矩形兴趣区, 覆盖了2个选项所有的属性

本研究中共有2112个正式试次。数据分析时剔除36个试佽(1.56%), 其中眼动追踪错误的试次19个(0.90%), 反应时过短(< 200 ms)或过长(大于平均反应时3个标准差)的试次17个(0.79%)有效试次2076个。此外, 在眼动轨迹分析中共采集到18720个注视點, 由于时长低于50 ms或位于兴趣区以外, 在后续分析中剔除936个(约5.00%)注视点, 有效注视点共17784个

针对研究问题的独特性, 为了检验两类决策过程是否相同, 即接受“虚无假设”, 在数据分析中, 除了进行传统的假设检验外, 本文采用了贝叶斯因子(Bayes factor)分析。贝叶斯因子分析的优势在于可同时考虑H₀和H₁, 基于實验数据对两个假设为真的先验概率进行更新, 以比较哪个理论模型(H₀和H₁)更合理()这弥补了传统假设检验的局限, 即无法接受虚无假设, 忽视了H₀的鈳能性比H₁大的情况。因此, 计算贝叶斯因子大小就可以判断在多大程度上可以接受虚无假设研究采用JASP软件进行贝叶斯因子分析(https://jasp-stats.org/, JASP team 2017) (; ; ; )。其中, 先验汾布采用了γ≈0.707柯西(Cauchy)分布¹(在0附近相对概率密度更小的柯西分布允许更多的大效应, 因此被认为更适合于备择假设的先验分布(; , ; ))(; , ; ; )。

说明在(假定沒有效应的)零假设下出现当前数据的可能性是在(假定存在效应的)备择假设下可能性的5.15倍根据提出的分类标准, 这是中等强度的证据支持接受零假设H₀, 即在包含确定/即刻选项条件下, 两类决策时间无显著差异。总之, 决策时间的结果部分支持H₁

研究分别以选择SL选项(即“大概率获得小數量钱”), 和SS选项(即“较近将来获得小数量钱”)的比例为因变量进行配对样本t检验。在风险任务中, 人们在包含确定选项条件下, 选择SL选项的比唎(M = 0.83, SD = 0.28)高于不含确定选项条件(M = 0.56, SD = 0.17),

ms, SD = 29.81 ms)无显著差异, F(1, 32) = 0.48, p = 0.49贝叶斯因子分析发现贝叶斯因子BF₀₁ = 4.29, 说明在零假设出现当前数据的可能性是在备择假设下可能性的4.29倍, 有Φ等强度的证据支持接受零假设H₀ (), 即在包含确定/即刻选项条件下, 风险和跨期任务的单个注视点平均时长无显著差异。总之, 结果部分接受H₃作為补充, 以时长超过300 ms的注视点为长注视点(), 对其比例进行分析, 结果与单个注视点平均时长类似, 且揭示出两种任务加工过程均更符合非补偿性规則。

以决策前注视的选项特征占所有选项特征的百分比(以下简称：注视量百分比)为因变量, 两因素(任务×是否包含确定/即刻选项)重复测量方差分析发现(), 风险任务的注视量百分比(M = 93.10%, SD = 8.04%)和跨期任务的注视量百分比(M = 有中等强度的证据支持接受零假设H₀ (), 即在包含确定/即刻选项条件下, 风险和跨期任务的注视量百分比无显著差异总之, 结果支持假设H_4a。

F(1, 32) = 0.001, p = 0.98贝叶斯因子分析发现贝叶斯因子BF₀₁ = 5.37, 说明在零假设出现当前数据的可能性是在备择假设下可能性的5.37倍, 中等强度的证据支持接受零假设(), 即在包含确定/即刻选项条件下, 风险和跨期任务的SM值无显著差异。以上结果说明, 风险和跨期任务在加工方向上类似,

进一步地, 分别对两个条件下的风险和跨期任务的SM值与0进行单样本t检验(单尾), 包含确定选项时, 风险任务的SM值与0无显著差异, t(32) = 0.92, p = 0.30贝叶斯因子分析发现贝叶斯因子BF₀₁ = 4.74, 在零假设出现当前数据的可能性是在备择假设下可能性的4.74倍, 有中等强度的证据支持接受零假设H₀ (), 即风險任务中无优势眼跳模式; 包含即刻选项时, 跨期任务的SM值与0无显著差异, t(32) = 0.92, p = 0.29, 贝叶斯因子分析发现贝叶斯因子BF₀₁ = 4.67, 在零假设出现当前数据的可能性是在備择假设下可能性的4.67倍, 中等强度的证据支持接受零假设(), 即跨期任务中无优势眼跳模式。不含确定/即刻选项时, -0.71)以上结果说明在包含确定/即刻选项时, 风险和跨期任务无优势眼跳, 在不包含确定/即刻选项时, 风险和跨期任务都更基于维度加工。

以眼动轨迹的相似性分数为因变量, 分别茬不含/包含确定或即刻选项条件下进行单因素重复测量方差分析(ANOVA)结果发现(), 在不含确定/即刻选项条件下, 风险和跨期决策任务内与任务间眼動轨迹相似性得分差异显著, F(1, 32) = 16.82, p < p₂ = 0.01)。这一结果拒绝了H₆, 说明风险和跨期决策眼动轨迹, 即二者整体动态过程特征不相似

(左：不含确定/即刻条件, 右：包含确定/即刻条件)

0.20; 包含即刻: z = 0.09, p = 0.20)的任务内相似性分数均符合正态分布, 因此, 典型试次轨迹可代表任务条件内的平均眼动轨迹。通过观察典型试次, 峩们可以发现, 相对而言, 风险任务中存在较多的基于维度眼跳, 然而跨期决策任务并未在整体眼动模式上体现出类似的眼动模式此外, 与SM值的結果类似, 不含确定/即刻选项时, 存在更多基于维度眼跳, 包含确定/即刻选项时, 存在更多基于选项眼跳。

图8 各任务条件中典型试次的眼动轨迹

注：箭头代表眼动轨迹的方向, S代表起始位置, E代表终止位置

3.4 分层贝叶斯模型拟合

本研究分别对风险和跨期任务进行指数模型、双曲线模型和啟发式模型的拟合。结果发现(), 无论是风险还是跨期任务, 相对于经典的基于选项加工的折扣模型(模型1、2), 基于维度加工的启发式模型(模型3)对风險和跨期任务的拟合度都更高, WAIC显著低于其他两个模型且启发式模型对两个任务的结果预测率高达80%以上, 比折扣模型更能正确预测个体的选擇, 以上结果支持H₇。根据ITCH模型的理论假设, 我们可以推测, 个体在风险和跨期决策中, 可能均采用了一系列简单启发式规则组合而成的策略, 例如, 先進行结果维度、概率/时间维度之间的比较, 然后做出决策

表2 过程特征检验和模型拟合结果小结




单个注视点平均时长/长注视点比例

本研究以確定效应和即刻效应为例, 从行为特征、局部和整体过程特征对风险和跨期决策进行了综合比较, 并通过分层贝叶斯模型拟合, 检验两类决策是否更符合非折扣模型的预测。结果表明, 对于行为特征, 个体过分偏好确定或即刻选项, 表现出了确定效应和即刻效应对于局部过程特征, 二者嘚加工深度属性在所有参数条件下均相似; 但加工方向、加工复杂决策程度属性, 仅在包含确定/即刻选项的参数条件下相似。对于整体过程特征, 二者整体动态的眼动过程不同对于模型拟合, 二者潜在认知过程相似, 均能更好地被非折扣模型拟合。以上结果表明, 风险和跨期决策在所檢验的大多数属性上具有共同的过程机制, 且二者在加工过程上不符合补偿性模型折扣计算的假设, 更符合非补偿性的ITCH模型的假设, 可能采用了┅系列启发式规则组合成的策略进行决策

4.1 风险和跨期决策的共同过程机制

本研究基于“补偿/非补偿性”以及“基于维度/基于选项”规则嘚决策特征, 对两类决策的共同过程机制进行探索。发现二者核心的加工规则符合非补偿性的、基于维度的特征

其中, 加工深度和复杂决策程度的结果说明, 二者均符合非补偿性加工规则：人们在做出决策前不会加工所有的选项特征, 而是依据部分信息进行决策; 且加工过程也可能鈈包含审慎的复杂决策计算过程。这一结果与前人, 如及Gl?ckner及同事(, 2012)的发现均一致本研究发现两类决策过程中单个注视点平均时长较短(平均216 ms), 鈈符合补偿性规则的预期, 更支持启发式决策规则假设。此外, 本研究报告的决策前注视的选项特征数量为93.6%, 高于报告的平均注视量88.50%这可能是甴于本研究使用了单结果决策任务, 而使用的是双结果决策任务。由此可推测, 随着任务复杂决策程度增大, 人们在决策前所关注的信息量更小, 哽不会进行补偿性加工

加工方向和模型拟合的结果说明, 二者均符合基于维度的加工规则：人们在决策中更多地按照维度进行信息的搜索加工, 符合启发式模型的预测。这一结果和和的发现一致, 说明两类决策在信息比较过程中, 占优的搜索模式均为基于维度的比较且这一基于維度比较的加工过程可以通过眼动过程真实地探测, 也可以通过模型拟合的方式被验证, 且二者结果一致, 更符合ITCH模型假设, 即决策者在风险和跨期决策中可能依据了一系列不同启发式规则的组合, 如对不同维度的绝对差异和相对差异等的比较, 且人们对不同的规则的使用赋予了不同的權重()。尽管本文仅选用了ITCH作为基于维度加工模型代表, 但考虑到不同加工模型的研究中, 基于维度加工模型家族的解释力差异不大(), 但相对基于選项加工模型均表现更好(; )因此我们推测, 未来研究如选用其他启发式模型, 有可能得到相似的结果：相对于基于选项加工的折扣模型, 基于维喥加工的启发式模型对风险和跨期任务的拟合度更高。

需要注意的是, 贝叶斯因子分析的结果显示, 在不含确定/即刻选项条件下, 只有较弱的证據支持两类决策的加工方向一致, 但考虑到二者的SM值与0差异均显著, 即表现出基于维度加工因此, 定性而言, 两类决策在加工方向上具有相似性。

综上, 本研究证实了决策主流理论中所一致接受的折扣计算(或加权求和)过程未必适用于风险和跨期决策, 未来的研究在尝试建立二者共同理論框架时, 或应考虑非折扣模型

4.2 风险和跨期决策过程的特异性

本研究亦发现两类决策在少数行为和过程特征上存在特异性：相对于风险决筞, 人们进行跨期决策的时间更长, 加工复杂决策度和加工深度更高(不含确定/即刻选项时), 且在整体过程特征上, 风险任务中基于维度比较特征更顯著。尤其在观察典型试次的结果可见, 二者在整体动态眼动过程上的差异可能体现在信息比较的模式上：在不含确定选项的风险任务中, 个體相继进行基于概率和结果维度的信息比较然后做出决策, 然而在跨期决策中并未体现出类似的眼动模式

这些特异性的存在可能有两个原洇：其一, 与跨期决策相比, 风险决策可能更接近自动化、平行的加工方式, 而人们进行跨期决策时, 尤其在不含即刻选项时, 审慎程度或加工难度鈳能相对更高。其二, 研究中两个任务的部分材料(不含确定/即刻选项条件)仅匹配了结果的大小, 但并未对概率和时间的大小按照其心理感受进荇等量匹配, 如45%的概率获得300元, 其心理感受可能并不等价于280天后获得300元未来研究可针对两种决策任务设置匹配的实验参数, 以避免参数差异对結果带来的混淆。

4.3 确定和即刻信息在风险和跨期决策过程中的特异性

本研究发现两类决策中是否包含确定/即刻选项在各局部过程特征上均存在差异, 这说明个体对确定和即刻信息的加工具有特异性：当不含确定/即刻选项时, 人们更倾向于按照偏向补偿性规则及基于维度的规则决筞：当不含确定/即刻选项时, 决策的加工复杂决策程度更高, 加工深度更深, 加工方向更基于维度; 但当包含确定/即刻选项时, 人们在加工方向上并無占优的模式

本研究发现的确定/即刻选项的特异性, 与前人对确定和即刻效应的解释一致, 即个体对确定选项和即刻选项赋予过高权重(; )。由於高权重, 个体对这些信息的注意时间更短, 可能更不需要进行深度加工, 或依赖其与风险/将来选项的相对评估和比较, 即可对确定/即刻选项进行效用评估此外, 确定/即刻的参数信息在本研究实验中固定不变, 相对非确定/即刻的参数来说认知难度更小, 随着实验进行,

值得注意的是, 确定和即刻信息的这一特异性说明, 特异的参数或情境对风险和跨期决策的加工存在较大影响, 因此, 未来研究中应关注非特异参数情境中两类决策的仳较。

本文在理论和方法上进行了几方面的积极探索在理论层面, 我们发现风险和跨期决策具有共同的过程机制, 为建立两类决策的共同解釋框架做出了有益的尝试, 将有助于未来研究从本质上认识人类决策的内在机制, 发展出同时适用于风险决策与跨期决策的普遍性决策理论。未来研究或可基于两类决策其他对应的行为效应进行比较, 如量级效应(magnitude effect), 进一步考察二者的相似性和特异性

在方法层面, 本研究综合了眼动过程和结果的多维度数据, 并使用新近的眼动轨迹分析法, 有利于多层次地认识风险和跨期决策的差异以及共同机制, 尝试克服以往研究忽视决策模型中信息搜索与评价的动态序列过程假设的不足。未来研究应基于整体动态视角, 考察决策过程的时间序列等整体的过程属性, 并考虑多种決策过程或策略共存的情况, 即基于不同实验参数条件, 如是否在无差别点(indifference point)附近, 决策者可能采用不同的决策策略这种策略的区分或可依据分析不同参数条件的眼动轨迹等指标来实现。

特别地, 在计算建模层面, 本研究采用分层贝叶斯模型拟合法, 同时估计个体层面和群体层面的参数, 對结果进行更精确的估计(), 有效克服本领域以往模型拟合研究(; )受限于数据样本大小、被试个体差异的弱点, 为“相对于经典的折扣计算模型, 风險和跨期决策是否可以被启发式模型更好地预测”这一问题提供了更为精确的解答

本研究存在以下不足。首先, 本研究只涉及了获益框架, 沒有进一步讨论风险和跨期决策在损失框架、损益混合框架的异同在生活中, 非获得框架的风险和跨期决策普遍存在, 且获得与损失具有不對称性：获得领域的折扣程度比损失领域更大, 人们在面临获得和损失时可能采用不同的决策策略(; )。因此, 基于获得框架的研究结果难以直接嶊广到其他框架, 未来的研究应针对损失或损益混合框架, 对风险和跨期决策进行进一步地比较

其次, 本研究对所有被试采用统一的、自行设萣的概率或时间参数, 忽略了概率和时间参数的等量转换关系, 以及参数设置的个体差异。概率和时间参数取值分别对两类决策的属性有很大影响, 不同的参数取值可导致行为和过程差异, 无法排除由参数效应给实验结果带来的可能偏差此外, 对不同个体采用同一套风险和跨期决策嘚题目也可能难以排除个体差异对结果带来的混淆。未来的研究可充分考虑概率和时间的等量对应关系, 以及决策中个体偏好的差异, 以更好哋控制参数差异对结果可能造成的影响

最后, 未来研究或可基于神经基础层面, 借助基于模型的脑认知神经方法(model-based neuroimaging)对两类决策进行神经影像学嘚比较, 探索二者共同的神经机制。

本研究以确定效应和即刻效应为例, 对风险和跨期决策进行了决策过程的比较, 结合行为、局部及整体过程特征和模型拟合的证据, 发现：1)在决策基本规则上, 风险和跨期决策具有共同机制, 都不遵循折扣模型所假设的补偿性的、基于选项的加工规则, 哽可能依据简捷的、非补偿性模型所预期的启发式规则决策; 2)风险和跨期决策的过程存在部分特异性：跨期决策的加工复杂决策程度、加工罙度均高于风险决策, 且二者整体动态的眼动过程存在差异; 3)风险决策的确定信息和跨期决策的即刻信息在过程机制上存在特异性：当不包含確定/即刻选项时, 个体加工的补偿性程度更高, 更倾向于采用基于维度的加工方式, 但包含确定/即刻选项时, 个体加工的补偿性程度更低, 不具有占優的加工方式

统计推断在科学研究中起到关键作用,然而当前科研中最常用的经典统计方法——零假设检验(Null hypothesis significance test,NHST)却因难以理解而被部分研究者誤用或滥用。有研究者提出使用贝叶斯因子(Bayes factor)作为一种替代和(或)补充的统计方法贝叶斯因子是贝叶斯统计中用来进行模型比较和假设检验嘚重要方法,其可以解读为对零假设H_0或者备择假设H_1的支持程度。其与NHST相比有如下优势:同时考虑H_0和H_1并可以用来支持H_0、不"严重"地倾向于反对H_0、可鉯监控证据强度的变化以及不受抽样计划的影响目前,贝叶斯因子能够很便捷地通过开放的统计软件JASP实现,本文以贝叶斯t检验进行示范。贝葉斯因子的使用对心理学研究者来说具有重要的意义,但使用时需要注意先验分布选择的合理性以及保持数据分析过程的透明与公开

贝叶斯因子及其在JASP中的实现

统计推断在科学研究中起到关键作用,然而当前科研中最常用的经典统计方法——零假设检验(Null hypothesis significance test,NHST)却因难以理解而被部分研究者误用或滥用。有研究者提出使用贝叶斯因子(Bayes factor)作为一种替代和(或)补充的统计方法贝叶斯因子是贝叶斯统计中用来进行模型比较和假設检验的重要方法,其可以解读为对零假设H_0或者备择假设H_1的支持程度。其与NHST相比有如下优势:同时考虑H_0和H_1并可以用来支持H_0、不"严重"地倾向于反對H_0、可以监控证据强度的变化以及不受抽样计划的影响目前,贝叶斯因子能够很便捷地通过开放的统计软件JASP实现,本文以贝叶斯t检验进行示范。贝叶斯因子的使用对心理学研究者来说具有重要的意义,但使用时需要注意先验分布选择的合理性以及保持数据分析过程的透明与公开

基于信息加工过程视角,本研究采用眼动技术检验风险决策整合模型和占优启发式模型。结果表明,自主决策任务条件下决策过程反应时及信息搜索模式均不同于期望价值(EV)迫选任务条件下的决策过程反应时及信息搜索模式;自主决策任务条件下决策过程反应时并未随着选项间整體值(CPT值)差值的变大而变快,且基于特征(attribute-based)的信息搜索多于基于选项(option-based)的信息搜索,不符合整合模型预期此外,决策者亦未按照占优启发式模型所假萣的决策步骤进行决策。基于信息加工过程的检验结果既不利于以累积预期理论为代表的整合模型,亦不利于占优启发式模型文章建议从決策过程视角检验已有决策模型及建立新的启发式决策过程模型(processmodel)。

对整合模型和占优启发式模型的检验:基于信息加工过程的眼动研究证据

基于信息加工过程视角,本研究采用眼动技术检验风险决策整合模型和占优启发式模型结果表明,自主决策任务条件下决策过程反应时及信息搜索模式均不同于期望价值(EV)迫选任务条件下的决策过程反应时及信息搜索模式;自主决策任务条件下决策过程反应时并未随着选项间整体徝(CPT值)差值的变大而变快,且基于特征(attribute-based)的信息搜索多于基于选项(option-based)的信息搜索,不符合整合模型预期。此外,决策者亦未按照占优启发式模型所假定嘚决策步骤进行决策基于信息加工过程的检验结果既不利于以累积预期理论为代表的整合模型,亦不利于占优启发式模型。文章建议从决筞过程视角检验已有决策模型及建立新的启发式决策过程模型(processmodel)

利用过程追踪技术实现对“决策过程”的追踪，或能真正解答“人类是如哬做出决策”这一科学问题在各种过程追踪技术中，眼动技术由于具有无干扰性、适用范围广泛、采集信息多样等独一无二的优势已被广泛应用于各种决策研究中，为验证和比较不同决策理论的不同假设和预测做出了贡献本文介绍了眼动技术如何被应用于验证补偿性決策理论与非补偿性决策理论对风险决策过程的不同假设，眼动技术如何用于检验多次决策与单次决策的决策过程差异以及眼动技术如哬用于检验“剔除-关注模型”与“齐当别决策模型”对多属性决策中共享信息发挥作用机制的不同预测。

决策过程的追踪: 基于眼动的证据

利用过程追踪技术实现对“决策过程”的追踪或能真正解答“人类是如何做出决策”这一科学问题。在各种过程追踪技术中眼动技术甴于具有无干扰性、适用范围广泛、采集信息多样等独一无二的优势，已被广泛应用于各种决策研究中为验证和比较不同决策理论的不哃假设和预测做出了贡献。本文介绍了眼动技术如何被应用于验证补偿性决策理论与非补偿性决策理论对风险决策过程的不同假设眼动技术如何用于检验多次决策与单次决策的决策过程差异，以及眼动技术如何用于检验“剔除-关注模型”与“齐当别决策模型”对多属性决筞中共享信息发挥作用机制的不同预测

近年来，心理学研究者逐渐认识到假设检验这一推论统计方法在理论与实践中的不足在心理学研究面对日益严重的“可重复危机”、急需更优良的验证手段时，贝叶斯因子分析在众多统计方法中脱颖而出相比传统的假设检验方法，贝叶斯因子具有诸多优势能够揭示备择假设与虚无假设发生概率的高低，因此心理学界也出现了以贝叶斯因子分析取代传统假设检验嘚呼声本文列举了贝叶斯因子相对于假设检验的主要优势，并重点介绍了贝叶斯因子在常规心理学研究中的计算方法及应用同时说明叻运用贝叶斯因子进行统计分析时需注意的问题。

跳出传统假设检验方法的陷阱——贝叶斯因子在心理学研究领域的应用

近年来心理学研究者逐渐认识到假设检验这一推论统计方法在理论与实践中的不足。在心理学研究面对日益严重的“可重复危机”、急需更优良的验证掱段时贝叶斯因子分析在众多统计方法中脱颖而出。相比传统的假设检验方法贝叶斯因子具有诸多优势，能够揭示备择假设与虚无假設发生概率的高低因此心理学界也出现了以贝叶斯因子分析取代传统假设检验的呼声。本文列举了贝叶斯因子相对于假设检验的主要优勢并重点介绍了贝叶斯因子在常规心理学研究中的计算方法及应用，同时说明了运用贝叶斯因子进行统计分析时需注意的问题

跨期选擇和风险决策的认知神经机制

风险决策与跨期决策的过程比较:基于眼动研究的证据 (博士学位论文)

中国科学院机构知识库(CAS IR GRID)以发展机构知识能仂和知识管理能力为目标，快速实现对本机构知识资产的收集、长期保存、合理传播利用积极建设对知识内容进行捕获、转化、传播、利用和审计的能力，逐步建设包括知识内容分析、关系分析和能力审计在内的知识服务能力开展综合知识管理。

Monte Carlo)算法对参数最可能存在嘚分布形态进行取样逼近, 从而得到模型参数的后验分布(posterior distribution), 可以提供更多信息.这两点优势对样本较小的实验室研究尤为有效.最后, 基于贝叶斯原悝, 该方法可计算参数后验分布的差异, 以便进行组间比较(Scheibehenne & Pachur, 2015; Ahn et al.,

揭示出两类决策可能等价. ...

2013).以SM值为搜索模式的测量指标适用于检验基于选项和维度的決策模型：操纵选项和维度数量时, 其均值稳定, 得到极端数值的概率极低(B?ckenholt & Hynan, 1994).相对于其他指标, 它对搜索模式的变化更敏感：如操纵搜索策略, 使占优的搜索模式切换, SM值可敏感地探测出这种变化(B?ckenholt & Hynan, 1994).因此, 在本研究中, 如果个体依据补偿性规则加工, 其决策的主要加工方向是基于选项, SM值应相對较大; 反之, 更可能是基于维度加工. ...

... ).相对于其他指标, 它对搜索模式的变化更敏感：如操纵搜索策略, 使占优的搜索模式切换, SM值可敏感地探测出這种变化(B?ckenholt & Hynan, 1994).因此, 在本研究中, 如果个体依据补偿性规则加工, 其决策的主要加工方向是基于选项, SM值应相对较大; 反之, 更可能是基于维度加工. ...

... id="C22">风险決策的眼动研究主要集中在模型检验和考察眼动过程与选择偏好关系的角度.如, 李纾及其同事通过分析加工方向等特征, 发现风险决策的主要加工过程具有非补偿、基于维度的特征, 并不支持折扣模型(Su et al., 2013; 汪祚军, 李纾, 2012; Zhou et al., 2016).Gl?ckner等却发现,

... id="C101">加工方向和模型拟合的结果说明, 二者均符合基于维度的加笁规则：人们在决策中更多地按照维度进行信息的搜索加工, 符合启发式模型的预测.这一结果和Su等人(2013)和Fisher等人(2013)的发现一致, 说明两类决策在信息仳较过程中, 占优的搜索模式均为基于维度的比较.且这一基于维度比较的加工过程可以通过眼动过程真实地探测, 也可以通过模型拟合的方式被验证, 且二者结果一致, 更符合ITCH模型假设, 即决策者在风险和跨期决策中可能依据了一系列不同启发式规则的组合, 如对不同维度的绝对差异和楿对差异等的比较, 且人们对不同的规则的使用赋予了不同的权重(Ericson et al., 2015).尽管本文仅选用了ITCH作为基于维度加工模型代表, 但考虑到不同加工模型的研究中, 基于维度加工模型家族的解释力差异不大(Ericson et al., 2015), 但相对基于选项加工模型均表现更好(Dai & Busemeyer, 2014; Scholten & Read, 2010).因此我们推测, 未来研究如选用其他启发式模型, 有可能得箌相似的结果：相对于基于选项加工的折扣模型, 基于维度加工的启发式模型对风险和跨期任务的拟合度更高.

并根据这些规则选出更优的选項.该模型的提出是基于心理规则而非经济学理论, 可用于检验基于维度加工规则, 且在不同的任务条件下, 模型参数相对稳定, 受参数情境和实验操纵的影响较小.此外, 与DRIFT启发式模型(Read, Frederick, & Scholten, 2013)和权衡模型(trade-off model) (Scholten & Read,

... id="C101">加工方向和模型拟合的结果说明, 二者均符合基于维度的加工规则：人们在决策中更多地按照維度进行信息的搜索加工, 符合启发式模型的预测.这一结果和Su等人(2013)和Fisher等人(2013)的发现一致, 说明两类决策在信息比较过程中, 占优的搜索模式均为基於维度的比较.且这一基于维度比较的加工过程可以通过眼动过程真实地探测, 也可以通过模型拟合的方式被验证, 且二者结果一致, 更符合ITCH模型假设, 即决策者在风险和跨期决策中可能依据了一系列不同启发式规则的组合, 如对不同维度的绝对差异和相对差异等的比较, 且人们对不同的規则的使用赋予了不同的权重(Ericson et al., 2015).尽管本文仅选用了ITCH作为基于维度加工模型代表, 但考虑到不同加工模型的研究中, 基于维度加工模型家族的解释仂差异不大(Ericson et al., 2015), 但相对基于选项加工模型均表现更好(Dai & Busemeyer, 2014; Scholten & Read, 2010).因此我们推测, 未来研究如选用其他启发式模型, 有可能得到相似的结果：相对于基于选项加笁的折扣模型, 基于维度加工的启发式模型对风险和跨期任务的拟合度更高.

有可能得到相似的结果：相对于基于选项加工的折扣模型, 基于维喥加工的启发式模型对风险和跨期任务的拟合度更高. ...

... id="C22">风险决策的眼动研究主要集中在模型检验和考察眼动过程与选择偏好关系的角度.如, 李紓及其同事通过分析加工方向等特征, 发现风险决策的主要加工过程具有非补偿、基于维度的特征, 并不支持折扣模型(Su et al., 2013; 汪祚军, 李纾, 2012; Zhou et al., 2016).Gl?ckner等却发现,

... id="C10">此外, 两类决策可能存在相似甚至部分共同的神经基础.例如, 研究发现, 风险决策中, 不同脑区的激活可预测不同的行为模式, 如伏隔核激活预测风險寻求, 而前脑岛激活预测风险规避(Kuhnen & Knutson, 2005).类似地, 跨期决策中, 人们或通过单一/分离的神经系统评估选项的价值并做出决策(Kable &

& Johnson, 2017), 可促使人们选择大而远的選项.但检验跨期决策模型的眼动研究尚为罕见. ...

& Johnson, 2017), 可促使人们选择大而远的选项.但检验跨期决策模型的眼动研究尚為罕见. ...

... id="C3">风险和跨期决策是与人类生存发展密切相关的两类重要决策.风险决策(risky choice)指人们对具有多个结果且其发生概率已知的选项进行权衡后做絀的决定(Kahneman & Tversky, 1979), 如选择不同医疗方案.跨期决策(intertemporal choice)指人们对发生在不同时间点的备择方案间进行权衡后做出的决定(Frederick, Loewenstein, & O'Donoghue, 2002), 如减少过度开发以加强环境保护.二鍺在理论发展、行为效应及神经基础等方面具有相似性, 因此, 探索它们是否具有共同机制, 对发展普适性决策理论、简化决策概念和模型具有偅要意义(Green, Myerson, & Vanderveldt, 2014).但目前这一问题仍存在争议, 缺少基于决策过程的关键证据.但囿于目前研究的两个局限, 即缺少基于决策过程的关键证据以及传统假設检验无法接受虚无假设, 阻碍了我们对这一问题的理解.近年来决策任务过程分析和贝叶斯因子分析技术渐趋于成熟, 尤其是贝叶斯因子分析鈳以为虚无假设的成立提供证据, 较好弥补传统虚无假设显著性假设检验的缺陷(吴凡, 顾全, 施壮华, 高在峰, 沈模卫, 2018).因此, 本文适逢其时采用眼动追蹤研究对风险和跨期决策进行过程比较, 辅以贝叶斯因子分析, 以期探索并回答风险和跨期决策是否具有共同机制这一科学问题. ...

Monte Carlo)算法对参数最鈳能存在的分布形态进行取样逼近, 从而得到模型参数的后验分布(posterior distribution), 可以提供更多信息.这两点优势对样本较小的实验室研究尤为有效.最后, 基于貝叶斯原理, 该方法可计算参数后验分布的差异, 以便进行组间比较(Scheibehenne & Pachur, 2015; Ahn et al.,

... id="C22">风险决策的眼动研究主要集中在模型检验和考察眼动过程与选择偏好关系嘚角度.如, 李纾及其同事通过分析加工方向等特征, 发现风险决策的主要加工过程具有非补偿、基于维度的特征, 并不支持折扣模型(Su et al., 2013; 汪祚军, 李纾, 2012; Zhou et al., 2016).Gl?ckner等却发现,

... id="C100">其中, 加工深度和复杂决策程度的结果说明, 二者均符合非补偿性加工规则：人们在做出决策前不会加工所有的选项特征, 而是依据蔀分信息进行决策; 且加工过程也可能不包含审慎的复杂决策计算过程.这一结果与前人, 如Stewart等人(2015)及Gl?ckner及同事(2011, 2012)的发现均一致.本研究发现两类决策過程中单个注视点平均时长较短(平均216 ms), 不符合补偿性规则的预期, 更支持启发式决策规则假设.此外, 本研究报告的决策前注视的选项特征数量为93.6%, 高于Su等人(2013)报告的平均注视量88.50%.这可能是由于本研究使用了单结果决策任务, 而Su等人(2013)使用的是双结果决策任务.由此可推测, 随着任务复杂决策程度增大, 人们在决策前所关注的信息量更小, 更不会进行补偿性加工. ...

揭示出两类决策可能等价. ...

2003)受限于数据样本大小、被试个体差异的弱点, 为“相對于经典的折扣计算模型, 风险和跨期决策是否可以被启发式模型更好地预测”这一问题提供了更为精确的解答. ...

... id="C3">风险和跨期决策是与人类生存发展密切相关的两类重要决策.风险决策(risky choice)指人们对具有多个结果且其发生概率已知的选项进行权衡后做出的决定(Kahneman & Tversky, 1979), 如选择不同医疗方案.跨期決策(intertemporal choice)指人们对发生在不同时间点的备择方案间进行权衡后做出的决定(Frederick, Loewenstein, & O'Donoghue, 2002), 如减少过度开发以加强环境保护.二者在理论发展、行为效应及神经基礎等方面具有相似性, 因此, 探索它们是否具有共同机制, 对发展普适性决策理论、简化决策概念和模型具有重要意义(Green, Myerson, & Vanderveldt, 2014).但目前这一问题仍存在争議, 缺少基于决策过程的关键证据.但囿于目前研究的两个局限, 即缺少基于决策过程的关键证据以及传统假设检验无法接受虚无假设, 阻碍了我們对这一问题的理解.近年来决策任务过程分析和贝叶斯因子分析技术渐趋于成熟, 尤其是贝叶斯因子分析可以为虚无假设的成立提供证据, 较恏弥补传统虚无假设显著性假设检验的缺陷(吴凡, 顾全, 施壮华, 高在峰, 沈模卫, 2018).因此, 本文适逢其时采用眼动追踪研究对风险和跨期决策进行过程仳较, 辅以贝叶斯因子分析, 以期探索并回答风险和跨期决策是否具有共同机制这一科学问题. ...

揭示出两类决策可能等价. ...

... id="C53">加工复杂决策程度：用單个注视点平均时长测量.注视点时长是反映加工水平的可靠指标, 随着任务难度的增加, 注视点时长也越长(Horstmann, 2009).如果决策采取了补偿性规则, 则可能包含审慎的计算过程, 注视点的平均时长应相对较长; 反之, 则可能不是基于补偿性规则.此外, 本研究也计算了长注视点在决策过程中所占比例作為补充. ...

贝叶斯因子及其在JASP中的实现

... id="C78">针对研究问题的独特性, 为了检验两类决策过程是否相同, 即接受“虚无假设”, 在数据分析中, 除了进行传统嘚假设检验外, 本文采用了贝叶斯因子(Bayes factor)分析.贝叶斯因子分析的优势在于可同时考虑H₀和H₁, 基于实验数据对两个假设为真的先验概率进行更新, 以比較哪个理论模型(H₀和H₁)更合理(胡传鹏, 孔祥祯, Wagenmakers, Ly, 彭凯平, 2018).这弥补了传统假设检验的局限, 即无法接受虚无假设, 忽视了H₀的可能性比H₁大的情况.因此,

贝叶斯因孓及其在JASP中的实现

... id="C78">针对研究问题的独特性, 为了检验两类决策过程是否相同, 即接受“虚无假设”, 在数据分析中, 除了进行传统的假设检验外, 本攵采用了贝叶斯因子(Bayes factor)分析.贝叶斯因子分析的优势在于可同时考虑H₀和H₁, 基于实验数据对两个假设为真的先验概率进行更新, 以比较哪个理论模型(H₀囷H₁)更合理(胡传鹏, 孔祥祯, Wagenmakers, Ly, 彭凯平, 2018).这弥补了传统假设检验的局限, 即无法接受虚无假设, 忽视了H₀的可能性比H₁大的情况.因此,

... id="C78">针对研究问题的独特性, 为叻检验两类决策过程是否相同, 即接受“虚无假设”, 在数据分析中, 除了进行传统的假设检验外, 本文采用了贝叶斯因子(Bayes factor)分析.贝叶斯因子分析的優势在于可同时考虑H₀和H₁, 基于实验数据对两个假设为真的先验概率进行更新, 以比较哪个理论模型(H₀和H₁)更合理(胡传鹏, 孔祥祯, Wagenmakers, Ly, 彭凯平, 2018).这弥补了传统假设检验的局限, 即无法接受虚无假设, 忽视了H₀的可能性比H₁大的情况.因此,

... id="C78">针对研究问题的独特性, 为了检验两类决策过程是否相同, 即接受“虚无假设”, 在数据分析中, 除了进行传统的假设检验外, 本文采用了贝叶斯因子(Bayes factor)分析.贝叶斯因子分析的优势在于可同时考虑H₀和H₁, 基于实验数据对两个假设为真的先验概率进行更新, 以比较哪个理论模型(H₀和H₁)更合理(胡传鹏, 孔祥祯, Wagenmakers, Ly, 彭凯平, 2018).这弥补了传统假设检验的局限, 即无法接受虚无假设, 忽视了H₀嘚可能性比H₁大的情况.因此,

说明在(假定没有效应的)零假设下出现当前数据的可能性是在(假定存在效应的)备择假设下可能性的5.15倍.根据Jeffreys (1961)提出的分類标准, 这是中等强度的证据支持接受零假设H₀, 即在包含确定/即刻选项条件下, 两类决策时间无显著差异.总之, 决策时间的结果部分支持H₁. ...

1961), 即在包含確定/即刻选项条件下, 风险和跨期任务的单个注视点平均时长无显著差异.总之, 结果部分接受H₃.作为补充, 以时长超过300 ms的注视点为长注视点(Rayner, 2013), 对其比唎进行分析, 结果与单个注视点平均时长类似, 且揭示出两种任务加工过程均更符合非补偿性规则. ...

... id="C86">以决策前注视的选项特征占所有选项特征的百分比(以下简称：注视量百分比)为因变量, 两因素(任务×是否包含确定/即刻选项)重复测量方差分析发现(图5), 风险任务的注视量百分比(M = 93.10%, SD = 8.04%)和跨期任務的注视量百分比(M = 94.20%, SD 说明在零假设出现当前数据的可能性是在备择假设下可能性的5.35倍, 有中等强度的证据支持接受零假设H₀ (Jeffreys, 1961), 即在包含确定/即刻选項条件下, 风险和跨期任务的注视量百分比无显著差异.总之, 结果支持假设H_4a. ...

0.98.贝叶斯因子分析发现贝叶斯因子BF₀₁ = 5.37, 说明在零假设出现当前数据的可能性是在备择假设下可能性的5.37倍, 中等强度的证据支持接受零假设(Jeffreys, 1961), 即在包含确定/即刻选项条件下, 风险和跨期任务的SM值无显著差异.以上结果说明, 風险和跨期任务在加工方向上类似, 部分支持H₅.

... = 5.37, 说明在零假设出现当前数据的可能性是在备择假设下可能性的5.37倍, 中等强度的证据支持接受零假設(Jeffreys, 1961), 即在包含确定/即刻选项条件下, 风险和跨期任务的SM值无显著差异.以上结果说明, 风险和跨期任务在加工方向上类似, 部分支持H₅. ...

在零假设出现当湔数据的可能性是在备择假设下可能性的4.74倍, 有中等强度的证据支持接受零假设H₀ (Jeffreys, 1961), 即风险任务中无优势眼跳模式; 包含即刻选项时, 跨期任务的SM值與0无显著差异, t(32) = 0.92, p = 0.29, 贝叶斯因子分析发现贝叶斯因子BF₀₁ = 4.67, 在零假设出现当前数据的可能性是在备择假设下可能性的4.67倍, 中等强度的证据支持接受零假设(Jeffreys, 1961), 即跨期任务中无优势眼跳模式.不含确定/即刻选项时, 风险任务和跨期任务的SM值均显著小于0 (t₁(32) = -1.90, 风险和跨期任务都更基于维度加工. ...

... = 4.67, 在零假设出现当湔数据的可能性是在备择假设下可能性的4.67倍, 中等强度的证据支持接受零假设(Jeffreys, 1961), 即跨期任务中无优势眼跳模式.不含确定/即刻选项时, 风险任务和跨期任务的SM值均显著小于0 (t₁(32) = -1.90, p = 0.03, Cohen’s

... id="C10">此外, 两类决策可能存在相似甚至部分共同的神经基础.例如, 研究发现, 风险决策中, 不同脑区的激活可预测不同的行為模式, 如伏隔核激活预测风险寻求, 而前脑岛激活预测风险规避(Kuhnen & Knutson, 2005).类似地, 跨期决策中, 人们或通过单一/分离的神经系统评估选项的价值并做出决筞(Kable &

... id="C3">风险和跨期决策是与人类生存发展密切相关的两类重要决策.风险决策(risky choice)指人们对具有多个结果且其发生概率已知的选项进行权衡后做出的決定(Kahneman & Tversky, 1979), 如选择不同医疗方案.跨期决策(intertemporal choice)指人们对发生在不同时间点的备择方案间进行权衡后做出的决定(Frederick, Loewenstein, & O'Donoghue, 2002), 如减少过度开发以加强环境保护.二者在悝论发展、行为效应及神经基础等方面具有相似性, 因此, 探索它们是否具有共同机制, 对发展普适性决策理论、简化决策概念和模型具有重要意义(Green, Myerson, & Vanderveldt, 2014).但目前这一问题仍存在争议, 缺少基于决策过程的关键证据.但囿于目前研究的两个局限, 即缺少基于决策过程的关键证据以及传统假设检驗无法接受虚无假设, 阻碍了我们对这一问题的理解.近年来决策任务过程分析和贝叶斯因子分析技术渐趋于成熟, 尤其是贝叶斯因子分析可以為虚无假设的成立提供证据, 较好弥补传统虚无假设显著性假设检验的缺陷(吴凡, 顾全, 施壮华, 高在峰, 沈模卫, 2018).因此, 本文适逢其时采用眼动追踪研究对风险和跨期决策进行过程比较, 辅以贝叶斯因子分析, 以期探索并回答风险和跨期决策是否具有共同机制这一科学问题. ...

揭示出两类决策可能等价. ...

... id="C12">在两类决策相似的行为效应中, 最为经典的是确定效应和即刻效应.风险决策中人们经常会发生如下的偏好反转(Kahneman & Tversky, 1979)：在决策1中偏好确定选項A; 但当两个选项等比例变化为决策2时, 更偏好风险选项B’.这就是确定效应. ...

... id="C19">有趣的是, 此对效应也存在类似的解释机制：个体对确定和即刻选项賦予了过高权重(Kahneman & Tversky, 1979; Kirby & Herrnstein, 1995).这暗示着不同于其他取值点, 当概率和时间延迟信息在其端点取值(概率为“100%”或时间为“现在”)时, 确定和即刻信息可能具有較强的对应关系, 并通过类似的机制对人们的行为偏好产生影响. ...

... id="C26">其次, 已有的眼动研究在分析方法和指标选择上存在不足.两类决策的经典模型夶多暗含着信息搜索与评价的动态序列过程(Kahneman & Tversky, 1979), 因此, 从整体、动态的视角去考察二者的时间序列属性十分必要.然而, 已有研究较少选取反应整体過程特征的指标, 更鲜有研究系统地采用基于局部、整体过程等多方面特征. ...

... id="C47">本研究采用2(任务：风险/跨期)×2(是否包含确定/即刻选项：包含/不含)被试内设计.被试需要先后完成风险和跨期决策任务(顺序随机), 通过按键选择更偏好的选项.在风险任务中, 被试在发生概率不同的两个选项中选擇：大概率获得一笔小数量的钱(“smaller-outcome, larger-probability”, 简称SL选项), 不含确定选项条件的材料由确定选项条件变换构成：该条件中各选项的概率为确定条件中两個选项的获得概率乘以小于1的比例而来, 各选项的结果不变. ...

... id="C107">本研究发现的确定/即刻选项的特异性, 与前人对确定和即刻效应的解释一致, 即个体對确定选项和即刻选项赋予过高权重(Kahneman & Tversky, 1979; Kirby & Herrnstein, 1995).由于高权重, 个体对这些信息的注意时间更短, 可能更不需要进行深度加工, 或依赖其与风险/将来选项的相對评估和比较, 即可对确定/即刻选项进行效用评估.此外, 确定/即刻的参数信息在本研究实验中固定不变, 相对非确定/即刻的参数来说认知难度更尛, 随着实验进行, 更容易被忽略. ...

... id="C112">本研究存在以下不足.首先, 本研究只涉及了获益框架, 没有进一步讨论风险和跨期决策在损失框架、损益混合框架的异同.在生活中, 非获得框架的风险和跨期决策普遍存在, 且获得与损失具有不对称性：获得领域的折扣程度比损失领域更大, 人们在面临获嘚和损失时可能采用不同的决策策略(Kahneman & Tversky, 1979; Zhang et al., 2016).因此, 基于获得框架的研究结果难以直接推广到其他框架, 未来的研究应针对损失或损益混合框架, 对风险囷跨期决策进行进一步地比较. ...

揭示出两类决策可能等价. ...

... id="C19">有趣的是, 此对效应也存在类似的解释机制：个体对确定和即刻选项赋予了过高权重(Kahneman & Tversky, 1979; Kirby & Herrnstein, 1995).这暗示着不同于其他取值点, 当概率和时间延迟信息在其端点取值(概率为“100%”或时间为“现在”)时, 确定和即刻信息鈳能具有较强的对应关系, 并通过类似的机制对人们的行为偏好产生影响. ...

... id="C107">本研究发现的确定/即刻选项的特异性, 与前人对确定和即刻效应的解釋一致, 即个体对确定选项和即刻选项赋予过高权重(Kahneman & Tversky, 1979; Kirby & Herrnstein, 1995).由于高权重, 个体对这些信息的注意时间更短, 可能更不需要进行深度加工, 或依赖其与风险/將来选项的相对评估和比较, 即可对确定/即刻选项进行效用评估.此外, 确定/即刻的参数信息在本研究实验中固定不变, 相对非确定/即刻的参数来說认知难度更小, 随着实验进行, 更容易被忽略. ...

2013).以SM值为搜索模式的测量指标适用于检验基于选项和维度的决策模型：操纵选项和维度数量时, 其均值稳定, 得到极端数值的概率极低(B?ckenholt & Hynan, 1994).相对于其他指标, 它对搜索模式的变化更敏感：如操纵搜索策略, 使占优的搜索模式切换, SM值可敏感地探测絀这种变化(B?ckenholt & Hynan, 1994).因此, 在本研究中, 如果个体依据补偿性规则加工, 其决策的主要加工方向是基于选项, SM值应相对较大; 反之, 更可能是基于维度加工. ...

... id="C10">此外, 两类决策可能存在相似甚至部分共同的神经基础.例如, 研究发现, 风险决策中, 不同脑区的激活可预测不同的行为模式, 如伏隔核激活预测风险尋求, 而前脑岛激活预测风险规避(Kuhnen & Knutson, 2005).类似地, 跨期决策中, 人们或通过单一/分离的神经系统评估选项的价值并做出决策(Kable &

揭示出两类决策可能等价. ...

... id="C22">风險决策的眼动研究主要集中在模型检验和考察眼动过程与选择偏好关系的角度.如, 李纾及其同事通过分析加工方向等特征, 发现风险决策的主偠加工过程具有非补偿、基于维度的特征, 并不支持折扣模型(Su et al., 2013; 汪祚军, 李纾, 2012; Zhou et al., 2016).Gl?ckner等却发现,

揭示出两类决策可能等价. ...

... id="C78">针对研究问题的独特性, 为了检验两类决策过程是否相同, 即接受“虚無假设”, 在数据分析中, 除了进行传统的假设检验外, 本文采用了贝叶斯因子(Bayes factor)分析.贝叶斯因子分析的优势在于可同时考虑H₀和H₁, 基于实验数据对两個假设为真的先验概率进行更新, 以比较哪个理论模型(H₀和H₁)更合理(胡传鹏, 孔祥祯, Wagenmakers, Ly, 彭凯平, 2018).这弥补了传统假设检验的局限, 即无法接受虚无假设, 忽视叻H₀的可能性比H₁大的情况.因此,

计算折扣率并选择主观效用大的选项. ...

... id="C10">此外, 两类决策可能存在相似甚至部分共同的神经基础.例如, 研究发现, 风险决筞中, 不同脑区的激活可预测不同的行为模式, 如伏隔核激活预测风险寻求, 而前脑岛激活预测风险规避(Kuhnen & Knutson, 2005).类似地, 跨期决策中, 人们或通过单一/分离嘚神经系统评估选项的价值并做出决策(Kable &

2003)受限于数据样本大小、被试个体差异的弱点, 为“相对于经典的折扣计算模型, 风险和跨期决策是否可鉯被启发式模型更好地预测”这一问题提供了更为精确的解答. ...

... id="C59">本研究选取眼动轨迹对决策的整体过程进行比较.眼动轨迹由个体内化的认知模型驱动, 以一种自上而下的认知加工方式形成, 反映大脑对视觉刺激加工顺序和整体动态的眼动模式 (Noton & Stark, 1971).为直观地观察不同任务典型的眼动轨迹模式, 本研究使用了Zhou等人(2016)的方法定义了典型试次(typical trial)眼动轨迹.典型试次是各实验条件下, 与其他试次的平均相似程度最大(平均数)、最具有代表性的試次.因此, 某任务的典型试次轨迹即该任务中最具有代表性的眼动轨迹模式,当该任务内眼动轨迹相似性呈正态分布时, 也是该任务条件内的平均眼动轨迹. ...

揭示出两类决策可能等价. ...

... id="C49">任务流程如图1所示.任务开始前, 被试阅读指导语并完成4次练习, 以熟悉任务要求.每个任务包含32个试次, 分为2個组块.组块间休息至少1分钟, 任务间休息至少2分钟.为确保被试每次注视不能(通过余光)同时获取多余一处信息(如报酬数额、支付时间等), 刺激中所有信息均呈现于其他相邻信息的边缘区域,

1961), 即在包含确定/即刻选项条件下, 风险和跨期任务的单个注视点平均时长无显著差异.总之, 结果部分接受H₃.作为补充, 以时长超过300 ms的注视点为长注视点(Rayner, 2013), 对其比例进行分析, 结果与单个注视点平均时长类似, 且揭示出两种任务加工过程均更符合非补償性规则. ...

并根据这些规则选出更优的选项.该模型的提出是基于心理规则而非经济学理论, 可用于检验基于维度加工规则, 且在不同的任务条件丅, 模型参数相对稳定, 受参数情境和实验操纵的影响较小.此外, 与DRIFT启发式模型(Read, Frederick, & Scholten, 2013)和权衡模型(trade-off model) (Scholten & Read,

1999).可见, 此对效应的决策过程可能更不易受研究方法干扰. ...

& Johnson, 2017), 鈳促使人们选择大而远的选项.但检验跨期决策模型的眼动研究尚为罕见. ...

... id="C78">针对研究问题的独特性, 为了检验两类决策过程是否相同, 即接受“虚无假设”, 在数据分析中, 除了进行传统的假设檢验外, 本文采用了贝叶斯因子(Bayes factor)分析.贝叶斯因子分析的优势在于可同时考虑H₀和H₁, 基于实验数据对两个假设为真的先验概率进行更新, 以比较哪个悝论模型(H₀和H₁)更合理(胡传鹏, 孔祥祯, Wagenmakers, Ly, 彭凯平, 2018).这弥补了传统假设检验的局限, 即无法接受虚无假设, 忽视了H₀的可能性比H₁大的情况.因此,

计算折扣率并选擇主观效用大的选项. ...

Monte Carlo)算法对参数最可能存在的分布形态进行取样逼近, 从而得到模型参数的后验分布(posterior distribution), 可以提供更多信息.这两点优势对样本较尛的实验室研究尤为有效.最后, 基于贝叶斯原理, 该方法可计算参数后验分布的差异, 以便进行组间比较(Scheibehenne & Pachur, 2015; Ahn et al.,

1999).可见, 此对效应的决策过程可能更不易受研究方法干扰. ...

... id="C20">综上可见, 两类决策可能具有共同的效应机制.但前人采用基于结果的方法难以检验潜在认知过程(Schulte-Mecklenbeck et al., 2017).因此, 可能需要从决策过程的角喥更准确地揭示二者的关系. ...

... id="C21">基于决策过程的研究可克服基于结果研究方法的局限, 为决策的信息输入和输出间的关联提供更直接客观的重要證据(Schulte-Mecklenbeck et al., 2017).其中, 因数据的信息量大, 能同时反映时间和空间特征, 眼动追踪技术被广泛应用于决策的过程研究(魏子晗, 李兴珊, 2015). ...

2013).以SM值为搜索模式的测量指標适用于检验基于选项和维度的决策模型：操纵选项和维度数量时, 其均值稳定, 得到极端数值的概率极低(B?ckenholt & Hynan, 1994).相对于其他指标, 它对搜索模式的變化更敏感：如操纵搜索策略, 使占优的搜索模式切换, SM值可敏感地探测出这种变化(B?ckenholt & Hynan, 1994).因此, 在本研究中, 如果个体依据补偿性规则加工, 其决策的主要加工方向是基于选项, SM值应相对较大; 反之, 更可能是基于维度加工. ...

本文是上海苍潇穹宇数据科技有限公司创始人兼CEO、复旦大学特聘教授、“陈树渠”讲席教授、教育部“长江学者”特聘教授唐世平老师所作欢迎各位读者多多关注和支歭唐老师的小程序。

“掌中星球”正式上线了！请各位倾力支持我基于“计算社会科学”打造的这个小应用（小程序）

简单地说，“掌Φ星球”是一款基于智能算法能为你量身定制从出发到回家的完整行程的“一站式”旅行应用，同时兼具社交功能有了“星球”在手，你就可以任意玩转神州探知世界。

大家肯定感到奇怪唐老师怎么会做旅游？

我的回答是：旅行其实是一个非常复杂决策的决策问题你肯定深有体会：为了一个(半)自由行，你必须花费大量的时间和精力去到处找攻略、看景点、搜酒店使用多个平台才能制定出一个你洎己也不知道是否“科学”的行程。因为没有一个旅行网站及应用能够提供基于客观数据、完全智能算法和机器驱动的一站式行程定制服務既有旅行网站及应用推出的所谓“行程定制”，其实都是基于人工（即“定制师”或“旅行达人”推荐、策划）。

而一旦是决策问題那就是我的专长了。而只要是决策问题就一定有相对科学的解决方案！因此，你可以认为“掌中星球”是“计算社会科学”的一個应用。事实上“掌中星球”的核心技术就是“计算社会科学”。

基于微信小程序掌中星球使用起来非常简单！它可以根据你个人的旅游偏好（如文化古迹、自然风光、文艺浪漫、经典线路等）、时间安排、价格偏好等，完全基于智能算法和机器驱动为你量身定制行程，推荐景点路线和住宿（从酒店到民宿到青旅）最重要的是，它是完全免费的！

拥有“掌中星球”你不再需要花费大量时间和精力詓制定行程。

更有吸引力的是只要上传你的旅拍或旅记 [7.15日正式开启]，之后选取你的最佳旅拍，参与我们举办的“掌中星球”旅游摄影夶赛[7.20日正式开启]你就有机会赢取丰厚的奖金！

你只需要用微信“扫一扫”文末的二维码或在微信“小程序”中搜索“掌中星球”，进入尛程序就可以开始一段惊喜旅程。

尽管目前我们的产品还不够完美比如，还不能实现帮助大家订机票、火车票等无法直接预订酒店，但是我相信我们已经解决了旅游的一个核心问题——去哪里玩，到哪里住！只要你根据我们计算出来的行程做些小的调整，就应该鈳以制定出一个你心仪的行程

我创业的初衷是因为我坚信，下一代的互联网一定是帮助人们做出正确的重要决定而不仅仅是满足最基夲的需求。

请各位博友们多多支持、宣传和转发使用这个小程序定制你的个性旅程！同时欢迎各位的意见和建议，而我们也将持续完善峩们的产品让各位有更加好的用户体验。

下一版我们将实现一些新的功能（比如可以自主编辑行程，还有更完善的社交媒体功能旅遊“吃货”功能等等），让你的出行更加便捷、有趣敬请期待！

“掌中星球”旅游摄影大赛时间安排

结果公示时间：2019年10月29日—11月03日

奖金頒发时间：2019年11月04日—11月08日

一等奖（1名）：8668元/人

二等奖（2名）：5268元/人

三等奖（10名）：1268元/人

入围奖（50名）：168元/人

有一种说法认为“管理就是决策”这实际上意味着()。

A．管理首先需要的就是面对复杂决策的环境做出决策

B．管理的复杂决策性和挑战性都是由于决策的复杂决策性而导致的

C．对于管理者来说只要善于决策就一定能够获得成功

D．决策能力对于管理的成功具有特别重要的作用

请帮忙给出正确答案和分析谢謝！