高低拖延者的跨期选择差异：基于ERP 的研究 *

倪亚琨 赵君哲 李巧灵 郭腾飞 王明辉

(河南大学心理与行为研究所，开封 475004) (河南省心理与行为重点实验室，开封 475004)

1 前言

“明日复明日”的拖延现象从古至今普遍存在。Lay（1986）将拖延（procrastination）定义为个体有意识地延缓、推迟完成既定目标的一种较稳定的行为倾向。因其具有跨时间和跨情境的稳定性，这种行为倾向被确立为一种稳定的特质（Gustavson, Miyake, Hewitt, & Friedman, 2014）。大量研究表明，拖延不仅会影响个体的学业成就和满意度（Balkis & Duru, 2016; Grunschel, Schwinger,Steinmayr, & Fries, 2016）、阻碍职业生涯发展（Nguyen, Steel, & Ferrari, 2013），甚至会对个体的身心健康造成损害（Stead, Shanahan, & Neufeld, 2010）。个体对当前任务进行权衡“现在做还是以后做?”是影响拖延行为是否发生的核心问题（张顺民, 冯庭勇, 2017），对这一决策过程的探讨，有助于揭示拖延发生的心理机制。在决策研究中，类似的心理过程为跨期选择（intertemporal choice），是指个体对发生在不同时间点的成本、结果与收益进行权衡，进而做出判断和选择的过程（Frederick, Loewenstein, & O'Donoghue, 2002）。经典的跨期选择任务通常会设置两个时间点上的立即奖赏和延迟奖赏供被试选择，例如“今天获得10 元，一周后获得15 元”（McClure, Laibson,Loewenstein, & Cohen, 2004）。跨期选择的核心在于 对即时选项和延迟选项的权衡，本质上，拖延决策过程也是一种涉及“现在与未来”的跨期选择过程。同时，时间动机理论（temporal motivation throry, TMT）提出，个体对时间延迟的敏感性是动机效用方程中的一个重要因素（Steel, 2007），而跨期选择任务可以很好对TMT 中这一关键因素进行考察。此外，跨期选择中的时间折扣率能够较好地预测拖延行为（Reuben, Sapienza, & Zingales,2015）。因此，通过考察高、低拖延者在跨期选择任务中的决策加工过程的差异性，有助于揭示不同拖延程度的个体在决策过程中的心理机制。

研究者围绕拖延的概念、行为模型、影响因素、干预措施等方面已经展开了广泛研究（Glick& Orsillo, 2015; Procee, Kamphorst, van Wissen, &Meyer, 2013; 宋梅歌, 苏缇, 冯廷勇, 2015）。但这些研究大多采用问卷法，难以有效解释拖延发生的心理机制。有研究者采用fMRI 技术发现拖延的增加与大脑腹内侧前额叶（vmPFC）和背外侧前额叶（dlPFC）、背侧前扣带回（dACC）和尾状核的功能连接减弱有关（Wu, Li, Yuan, & Tian, 2016）。Zhang, Wang 和Feng（2016）的研究显示，拖延一方面是由于大脑默认网络（default mode network,DMN）过度活跃覆盖了前额控制信号所致，另一方面可能与前额叶前端（aPFC）对DMN 自上而下的控制失败有关。与fMRI 等高空间分辨率技术不同，ERP 技术具有突出的时间分辨率特点，可以对大脑神经动态活动进行实时监测（Yuan et al.,2016）。提供刺激与反应过程的连续测量，更清晰地揭示出拖延者在决策任务中的脑内时程动态变化。Wu 和Gui 等（2016）通过ERP 技术对高低拖延者的跨期选择研究发现，拖延者对延迟时间的信息编码更慢。但该研究通过在拖延量表上的自我报告得分将被试划分为高低拖延组。而拖延作为一种个体稳定的活动倾向，具有一定的特质性。这种方式难以更准确的选取具有此种行为倾向的被试。此外，该研究主要对拖延者在跨期选择任务中延迟时间的信息处理进行了考察，本研究期望在此基础上通过筛选被试，对影响高低拖延者跨期选择中的其他影响因素进一步探讨，以期更加全面的揭示拖延行为发生的心理机制。

Delaney, Denny, Rawdon, Zhang 和Roche（2008）的研究发现跨期选择任务引发了后部N1 和前部P2 成分。后部N1 常出现于大脑顶枕外侧纹状区（Hillyard & Anllo-Vento, 1998），峰值大约出现在刺激呈现后的130 ms 左右，反映了注意力倾斜的加工过程；其峰值潜伏期与加工过程速度有关，潜伏期越长，加工速度越慢（Mangun &Hillyard, 1991）。中期成分P2 出现在N1 之后，与注意资源的分配有关（Yang, Guan, Dedovic, Qi, &Zhang, 2012）。Wu 和Gui 等（2016）研究发现，高拖延者与低拖延者相比表现出更大的P2 波幅。同时，有关跨时间选择任务的ERP 研究发现了不同选择偏好的参与者在P2 成分上具有一定的差异（He, Huang, Yuan, & Chen, 2012; Li et al. 2012）。因此，在跨期选择任务中，不同拖延程度个体的注意资源分配不同可能会造成P2 成分存在差异。

目前有关研究发现，在决策过程中获得和损失存在不对称的“符号效应”（sign effect）（Tanaka, Yamada, Yoneda, & Ohtake, 2014）。有必要同时对获得和损失情景中的跨期选择特点进行探讨。此外，时间维度是跨期选择过程的一个重要影响因素。有研究指出，人们对于较近未来和较远未来的跨期决策结果是不同的（Read,Frederick, & Airoldi, 2012）。本研究参照黄希庭（1994）的未来时间心理结构模型，选择一个月（近未来）和一年（远未来）作为延迟时间的两个水平。在一个实验范式中，同时操纵框架和时间因素，来考察不同拖延程度个体的跨期选择差异。在ERP 研究中，晚期正成分LPP 是有关刺激的情绪唤醒的可靠指标，（Hajcak, Weinberg,MacNamara, & Foti, 2012），同时体现了对刺激初级评价的再评价过程，可以反映个体的趋近性动机（Cunningham, Espinet, DeYoung, & Zelazo,2005）。因此，不同框架和时间水平的跨期选择差异有可能会反应在LPP成分中。

综上所述，本研究采用跨期选择范式，选取不同拖延程度个体作为研究对象，一方面考察不同拖延程度个体的跨期选择行为差异，另一方面比较任务中所诱发的早（N1）、中（P2）和晚（LPP）三个时期的ERP 成分。本研究假设：（1）高拖延组的反应时和选择即时选项的概率高于低拖延组，更加倾向于选择即时选项；且在早期注意N1 成分中，低拖延者对早期信息的注意加工更加警觉，会引发更大的N1 峰值及较长的峰值潜伏期；（2）相较于高拖延者而言，低拖延者会对决策任务投入更多的注意资源，引发较大的P2；（3）受到负性情绪的影响，拖延更可能发生在远端奖励和不愉快的任务中（Sirois, 2014），在延迟时间较长的损失情境下高拖延者会产生更高的LPP波幅。

2 方法

2.1 被试

使用Lay（1986）的一般拖延量表（GPS）对河南大学326 名大学生进行施测，以GPS 得分的前后15% 作为筛选标准，共筛选出高拖延者51人，低拖延者54 人。其中高拖延者平均得分为64.47±5.37；低拖延者平均得分为39.5±3.91。高拖延组得分显著高于低拖延组[t（103）=30.65，p ＜0.001，Cohen's d=6.39]。挑选自愿参加后续实验的高低拖延者各21 人参与实验研究。其中高拖延者组中9 男12 女；低拖延组中8 男13 女；平均年龄22.61±1.23 岁。其中，高拖延组3 人、低拖延组1 人因脑电伪迹严重而被剔除。所有被试均为右利手，视力或校正视力正常。

2.2 实验设计与材料

本研究采用2（被试类型：高拖延、低拖延）×2（实验情景：获得、损失）× 2（延迟时间：一月、一年）混合实验设计。因变量为两组被试在跨期选择任务中的反应时、选择即时选项的概率以及脑电指标。

跨期选择任务程序参照Liu，Feng，Suo，Lee和Li（2012）的研究范式。由于采用虚拟金钱作为刺激材料，为避免被试在延迟选项金额确定时出现天花板效应，先对326 名受测大学生的月生活费情况进行了调查，选取金额分布的中值，并根据分布频率得出加权平均数为817.25 元，取整为820 元。故实验材料中延迟选项的金额从平均数为820 和标准差为410 的高斯分布数列中选取，选取范围为500～1000 元，最终选取650～1000 元之间以50 元为间隔的8 个数额作为延迟选项的金额。即时选项金额确定参照McClure 等（2004）的研究，根据金额差值率（¥R’– ¥R）/¥R（¥R’: 延迟金额, ¥R: 即时金额）分别为5%、10%、15%、25%、35%、50%、70%、95%时，计算出相应的即时选项金额，每个延迟选项金额对应8 个即时选项金额。例如，延迟选项为1000 元时，根据金额差值率所计算出的即时选项金额分别为950、909、870、800、740、667、588、513 元。

2.3 实验程序

实验在安静隔音的脑电实验室进行，被试佩戴电极帽，双眼平视19 寸电脑显示器，距离显示屏约80 cm。实验开始后，被试首先根据指导语在练习阶段熟悉实验任务及按键操作，待其完全理解且可以单独完成实验程序后，开始正式实验。实验流程如图1 所示。首先在屏幕中出现500 ms注视点“+”，600～800 ms 随机空屏后呈现一组配对的时间与金额选项，分别为较小的即时金额选项和较大的延迟金额选项，要求被试根据自己的偏好做出选择。选择即时金额按“A”键，选择延迟金额按“L”键，无时间限制。实验中对刺激的呈现位置进行了平衡：一半被试进行即时金额在屏幕左边而延迟金额在屏幕右边的实验；另一半被试进行配对金额选项位置互换的实验。

按键反应后，在600～800 ms 的随机空屏后呈现反馈刺激，此时，选中的选项下面黄色长方形色块变成红色，持续1000 ms 以示确认，在500 ms空屏之后进入下个试次。实验情景分为获得情景和损失情景，延迟金额选项的延迟时间分为一个月和一年，每个情景下共有64 个试次，4 种实验情景随机顺序呈现，实验共计256 个试次。

2.4 行为和脑电记录与分析

使用E-prime2.0 软件呈现刺激材料，并记录保存行为数据结果。采用SPSS20.0 对被试反应时和即时选项的选择概率进行方差分析。

采用BrainCap 32 导电极帽采集脑电数据，电极位置为国际10～20 扩展系统，参考电极位于Fz 与Cz 连线中点，同时记录垂直眼电（VEOG）和水平眼电（HEOG）。滤波带通为0.01 ～ 100 Hz，采样频率为500 Hz，被试头皮阻抗小于5 kΩ。实验完成后对记录的脑电数据进行离线分析。采用ICA 方法矫正眼电，经0.1～30 Hz 无相数字滤波，分析时程为配对金额选项刺激呈现后800 ms，以刺激呈现前200 ms 为基线，去除波幅大于±80 μV的伪迹信号。4 种实验条件（一月获得/一年获得/一月损失/一年损失）下的总平均有效叠加次数分别为59 次、57 次、58 次、56 次。

分析的ERP 成分包括早期成分N1、中期成分P2 和晚期成分LPP。参考以往文献（Delaney et al.,2008; Herbert, Deutsch, Platte, & Pauli, 2013; Wu et al.,2016），N1 成分选取时间窗为120～200 ms，分析电极点为P3、P7、P4、P8，取左右半球均值。P2 成分选取时间窗为180～260 ms，分析电极点为F3、Fz、F4、FC3、FCz、FC4、C3、Cz、C4，分别取额区、额–中央区、中央区均值。LPP 成分选取时间窗为400～700 ms，分析电极点为P3、Pz、P4。采用SPSS20.0 对N1、P2 的潜伏期和峰值，LPP 的平均波幅进行被试类型（高/低拖延组）、实验情景（获得/损失）、延迟时间（一月/一年）和脑区（电极点）的重复测量方差分析，采用Greenhouse–Geisser 法矫正p 值。为了使脑电分析结果更加清晰，仅报告被试类型或实验条件具有显著效应的统计结果。

3 结果

3.1 行为数据结果

3.1.1 反应时

对跨期选择任务的反应时数据进行2（被试类型: 高拖延、低拖延）× 2（实验情景: 获得、损失）× 2（延迟时间: 一月、一年）的重复测量方差分析。结果如表1、图2A 所示：实验情景主效应显著，F（1, 40）= 5.36，p = 0.026，η= 0.12，获得情景下的被试反应时（1523 ms±124 ms）显著高于损失情景（1321 ms±85 ms）；延迟时间主效应显著，F（1, 40）= 8.52, p = 0.006, η=0.18，延迟时间为一年时被试反应时（1509 ms±109 ms）显著高于延迟时间为一个月时的反应时（1335 ms±93 ms）。被试类型主效应及交互作用均不显著。

3.1.2 选择即时选项的概率

对即时选项选择概率进行2（被试类型：高拖延、低拖延）× 2（实验情景：获得、损失）×2（延迟时间：一月、一年）的重复测量方差分析。结果如表2、图2B 所示：被试类型主效应显著，F（1, 40）= 4.54, p = 0.039, η= 0.10，高拖延组被试选择即时选项的概率（63.82%±2.22%）显著高于低拖延组（57.14%±2.22%）；实验情景主效应显著，F（1, 40）= 210.51, p＜0.001, η= 0.84，损失情景下选择即时选项的概率（88.65%±2.04%）显著高于获得情景（32.31%±2.88%）。延迟时间主效应显著，F（1, 40）= 4.40, p = 0.042, η= 0.10，延迟时间为一年时被试选择即时选项的概率（62.05%±1.87%）显著高于一个月（58.91%±1.58%）。被试类型与实验情景交互作用显著，F（1, 40）= 5.00，p =0.031，η= 0.11。简单效应分析表明，在获得情景下，高拖延组选择即时选项的概率（39.93%±4.07%）高于低拖延组（24.63%±4.07%），F（1, 40）=7.12，p=0.011；在损失情景下，高低拖延组选择即时选项的概率不存在显著差异，F（1, 40）= 0.24，p = 0.625。实验情景与延迟时间交互作用显著，F（1, 40）= 47.75, p＜0.001, η= 0.54。简单效应分析显示，四种实验条件下被试选择即时选项的概率均达到显著水平，获得情景下，延迟时间为一个月时被试选择即时选项的概率（26.04%±2.72%）显著小于一年的（38.58%±3.26%）；损失情景下，延迟时间为一个月时被试选择即时选项的概率（91.78%±1.90%）显著大于一年的（85.52%±2.71%）。

表 1 高、低拖延者在不同条件下行为反应时（ms）

表 2 高、低拖延者在不同条件下选择即时选项的概率（%）

3.2 脑电数据结果

3.2.1 N1

在峰值上，被试类型、实验情景、延迟时间和左右半球交互作用显著，F（1, 37）= 5.15, p =0.029, η= 0.13。简单效应分析显示：低拖延组在获得情景下，延迟时间为一月时，后部右侧脑区N1 峰值（–4.78 μV±0.69 μV）显著高于左侧（–3.35 μV±0.57 μV），F（1, 37）= 6.93, p =0.012；在损失情景下，延迟时间为一年时，后部右侧脑区N1 峰值（–4.99 μV±0.76 μV）显著高于左侧（–3.66 μV±0.63 μV），F（1, 37）= 6.00, p = 0.019（见图3）。

在潜伏期上，被试类型、实验情景、延迟时间和左右半球交互作用显著，F（1, 37）= 5.61, p =0.025, η= 0.14。简单效应分析结果表明：低拖延组在后部左侧脑区，延迟时间为一个月时，获得情景下的N1 潜伏期（144 ms±7 ms）显著长于损失情景（132 ms±6 ms），F（1, 37）= 5.75, p = 0.022。

3.2.2 P2在峰值上，被试类型主效应显著，F（1, 37）=4.19, p = 0.048, η= 0.10，低拖延组的P2 峰值（4.62 μV±0.76 μV）显著高于高拖延组（2.84 μV±0.78 μV）。

在潜伏期上，被试类型和脑区交互作用显著，F（2, 74）= 4.43, p = 0.017, η= 0.11。进一步分析显示：高拖延组中央区P2 潜伏期（234 ms±5 ms）长于额–中央（224 ms±6ms）和额区（223 ms±5 ms），F（2, 74）=15.78, p＜0.001。低拖延组不存在显著差异，F（2, 74）= 2.95，p = 0.059。

3.2.3 LPP

在平均波幅上，实验情景和电极点交互效应显著，F（2, 74）=5.21，p = 0.008，η= 0.13，进一步分析表明：Pz 点获得情景下的平均波幅（5.11 μV±0.58 μV）大于损失情景（4.10 μV±0.56 μV），F（1,37）= 4.13，p = 0.049。被试类型、实验情景、延迟时间和电极点交互作用显著，F（2, 74）= 6.20，p = 0.003，η= 0.15。进一步简单效应分析表明：在低拖延组，延迟时间为一个月时，获得情景下Pz 点波幅（4.73 μV±0.87 μV）大于损失情景（3.15 μV±0.72 μV），F（1, 37）= 4.26，p = 0.046；在高拖延组，延迟时间为一年时，损失情景下P4 点波幅（6.08 μV±1.04 μV）显著大于获得情景（4.64 μV±0.94 μV），F（1, 37）= 4.20，p = 0.048（见图3）。

4 讨论

4.1 行为数据

被试在获得情景下的反应时显著高于损失情景；对延迟时间为一年时的反应时高于一个月。这可能与个体的任务动机有关。个体在面临负性任务时，会表现出更多的回避型动机（Lebreton et al., 2013）。因此在损失情景下，为了回避厌恶刺激，个体通常会较快做出决策反应；相反，在获得情景中，个体期望最大化获得利益，在决策时更加谨慎，反应时较长。而在不同延迟时间条件下，对于近未来的决策，个体通常可以较快做出选择；而对于远未来的决策，由于时间延迟较长，增加了决策的不确定因素，使得被试花费了更多时间考虑。

被试在跨期选择任务中选择即时选项的概率可以作为其选择偏好的测量指标之一，选择即时选项的概率越高，说明被试越倾向于选择小金额的即时选项。本研究发现在获得情景中，高拖延者相对于低拖延者来说，更加偏好即时奖励，在Wu 和Gui 等（2016）研究中高拖延者在延迟时间和奖励处理分离的实验范式中同样表现出了对当前奖励的偏好。由此可知，拖延具有跨情景的稳定性，这种行为倾向是由对短期奖励的偏好发展来的，其特点是以现在为导向，追求即时享乐回报，同时避免对未来回报的投资（Chen & Qu, 2017）。

4.2 脑电数据

在注意条件下通常会引发较大的N1 波幅，并且在颞枕区最为明显（Jha, 2002）。在低拖延组，一月后获得和一年后损失条件下都引发了明显的N1 成分右偏侧化效应。Coslett，Schwartz，Goldberg，Haas 和Perkins（1993）提出大脑右侧半球是空间注意优势侧，负责对左右两侧空间的注意加工。在本研究中，即时选项和延迟选项分别呈现在电脑屏幕的左右两侧，低拖延组被试出现了明显的两侧视觉注意力的倾斜加工，且在获得情景下N1 峰值潜伏期长于损失情景，说明其对于获得情景下材料的加工更加精细，时间较长。而在高拖延组并未发现此效应，这可能由于高拖延组被试未对刺激材料进行较多加工。

P2 成分反映了个体注意资源的分配，Yang 等（2012）研究表明，当个体注意增强时，P2 波幅增大。低拖延组被试的P2 峰值显著高于高拖延组，说明低拖延组被试在实验任务中分配了更多的注意资源。这与Wu 和Gui 等（2016）研究结果不一致。考虑可能是由于实验范式不同所致。Wu和Gui 等的研究采用了延迟时间和奖赏相分离的实验范式，主要分析了前一个及时奖励选项后所呈现的延迟时间阶段和奖励处理阶段的P2 成分。由于高拖延组被试更难将注意力从即时获得刺激上转移到延迟时间信息中，体现了其注意分散能力受损，所以引发了更大的P2 波幅。但在本研究中，刺激材料同时包含了框架、延迟时间及金额信息，根据决策的双系统理论，个体在决策过程中存在冷/热两个系统。冷系统为分析系统，与个体自我控制有关，占用较多的心理资源；热系统为情感系统，被认为是冲动系统，多基于直觉自动加工，占用较少的心理资源。两种系统的交互作用也决定了个体的选择偏好（Metcalfe & Mischel,1999）。在对刺激材料的加工过程中，基于任务的需要而对刺激表征的激活与分析增加时会出现更大的P2 成分（龙长权, 李晓芳, 雷怡，2017），因此，由P2 成分差异可以看出，低拖延组被试投入了更多的注意资源，冷系统在其决策过程中起主导作用，具有较好的自我控制能力，而热系统占主导地位的高拖延组则会表现出偏好即时小奖赏的行为倾向（刘雷, 赵伟华, 冯廷勇, 2012）。此外，神经成像结果显示，冲动和拖延存在共同的神经生物学基础，即背外侧前额叶皮层（dlPFC），反映了运用自上而下的信号实现长期目标最大化的认知控制能力（Liu & Feng, 2017）。P2 成分起源于dlPFC，与认知控制加工有关，引导个体有意识的目标指向性选择，执行最优决策（Polosan et al., 2011）。因此，表现出更大P2 成分的低拖延者通过自上而下的控制机制，会抑制不适合当前需求的自动或奖励驱动的反应及对即时奖励的冲动，而高拖延者去抑制化程度较高，表现出对即时事件更冲动和控制更少。

LPP 成分多发于大脑顶区，与情绪唤醒程度和趋近动机有关，反映了个体的持续性注意（Hajcak et al., 2012），与行为反应时结果一致，获得情景引发了较大的LPP 波幅，说明在获得情景下被试表现出了更多的趋近型动机。同时，在低拖延组被试中，获得情景下LPP 波幅高于损失情景，而在高拖延组被试中则相反，损失情景引发了更大的LPP 波幅。有研究指出，“预期情绪”在决策阶段起着核心调控作用，拖延决策的产生也是对情绪调节的反应（Sirois & Pychyl, 2013）。Liu,Feng, Chen 和Li（2013）指出在跨期选择中想象积极情绪会降低个体的折扣率而消极情绪会增加折扣率。因此，个体在任务中所产生的负性预期情绪会促进个体的拖延倾向（Sigall, Kruglanski, &Fyock, 2000）。损失情景作为一种负性事件能够唤起人们的痛苦情绪体验，当刺激越具有动机意义的时候，情绪体验增强，所诱发的LPP 越大（Schupp et al., 2000）。损失情境唤起了高拖延者更大的情绪体验，对负性的情绪体验产生了更多的持续性注意。为了避免当下体验到不愉快的情绪，个体会表现出更多的回避型动机。相反，相对于损失情境，低拖延者在获得情境中产生了较大的LPP波幅，说明其对积极情绪的唤醒度较高，个体对目标的态度越积极，则启动执行该任务的可能性就越大。由此，任务中的负性体验是导致其拖延动机产生的重要来源。同时，拖延多发生于远端奖励和不愉快的任务中。当出现负面情绪时，延迟时间的影响作用也会愈加凸显（Sirois & Pychyl,2013）。因此，高拖延组在延迟时间为一年时，受到情绪性动机的影响更大。同时，结合P2 成分的结果可以看出，高拖延者具有任务规避与低自我控制的特点，这两者相结合时，就会形成调节当前情绪的一种方式，主要表现为逃避具有负面影响的或者缺乏积极奖励的当前任务，并用更愉快的情绪体验或任务进行取代。因此，当面临负面或者没有即时奖励的任务时，此种形式的自我调节就会成为频繁的反应方式，最终使得拖延成为一种特质性的相对稳定的行为倾向。

5 结论与启示

（1）高低拖延组反应时不存在显著差异，但个体在获得情景和远未来决策中反应时更长；在获得情景中，高拖延组被试选择即时选项的概率显著高于低拖延组，说明高拖延者更偏好即时奖励。

（2）高拖延组与低拖延组在N1、P2、LPP 成分上存在一定差异：低拖延组被试在N1 成分上表现出明显的右偏侧化效应；高拖延组未出现该效应；高拖延组的P2 峰值显著低于拖延组，说明其在任务中投入较少注意资源，去抑制化程度较高，表现出对即时事件更冲动和更少控制；高拖延组被试损失情景下的LPP 波幅更高，而低拖延组获得情景下LPP 更高，说明高拖延组对消极情绪唤醒度更高，为了试图回避厌恶刺激表现出更多的回避型动机，因此，任务规避与低自我控制相结合所产生的自我调节方式导致拖延产生的重要影响因素。

由此，可通过为拖延者建立较为现实、容易衡量的可操作性目标帮助其改善拖延行为，为避免其因“畏难”情绪而引发任务厌恶，可以将目标细化成容易操作和完成的小的目标单元，同时，在其完成小的目标单元时给予及时的正强化奖励，通过建立目标、分解目标、调整情绪、及时强化等措施逐步改善拖延行为。同时，基于计划行为理论，通过增强个体的行为态度、知觉行为控制、主观规范和行为意向的方式可以对拖延行为进行有效的干预（林琳, 2017）。

参 考 文 献

黄希庭. (1994). 未来时间的心理结构. 心理学报, 26(2), 121–127.

林琳. (2017). 拖延行为的干预: 计划行为理论和实施意向的影响. 心理学报, 49(7), 953–965, doi: 10.3724/SP.J.1041.2017.00953.

刘雷, 赵伟华, 冯廷勇. (2012). 跨期选择的认知机制与神经基础. 心理科学, 35(1), 56–61, doi: 10.16719/j.cnki.1671-6981.2012.01.012.

龙长权, 李晓芳, 雷怡. (2017). 类别归纳中典型性效应的ERP 反应. 中国科学: 生命科学, 47(3), 325–340, doi: 10.1360/N052016-00297.

宋梅歌, 苏缇, 冯廷勇. (2015). 拖延行为的时间取向模型. 心理科学进展,23(7), 1216–1225, doi: 10.3724/SP.J.1042.2015.01216.

张顺民, 冯廷勇. (2017). 拖延的决策模型. 心理科学, 40(5), 1242–1247,doi: 10.16719/j.cnki.1671-6981.20170533.

Balkis, M., & Duru, E. (2016). Procrastination, self-regulation failure,academic life satisfaction, and affective well-being: Underregulation or misregulation form. European Journal of Psychology of Education,31(3), 439–459, doi: 10.1007/s10212-015-0266-5.

Chen, B. B., & Qu, W. X. (2017). Life history strategies and procrastination:The role of environmental unpredictability. Personality and Individual Differences, 117, 23–29, doi: 10.1016/j.paid.2017.05.036.

Coslett, H. B., Schwartz, M. F., Goldberg, G., Haas, D., & Perkins, J.(1993). Multi-modal hemispatial deficits after left hemisphere stroke: A disorder of attention? Brain, 116(3), 527–554, doi: 10.1093/brain/116.3.527.

Cunningham, W. A., Espinet, S. D., DeYoung, C. G., & Zelazo, P. D.(2005). Attitudes to the right- and left: Frontal ERP asymmetries associated with stimulus valence and processing goals. Neuroimage,28(4), 827–834, doi: 10.1016/j.neuroimage.2005.04.044.

Delaney, L., Denny, K., Rawdon, C., Zhang, W., & Roche, R. A. P. (2008).Event–related potentials reveal differential brain regions implicated in discounting in two tasks. Ireland: School of Economics, University College Dublin.

Frederick, S., Loewenstein, G., & O'Donoghue, T. (2002). Time discounting and time preference: A critical review. Journal of Economic Literature,40(2), 351–401, doi: 10.1257/002205102320161311.

Glick, D. M., & Orsillo, S. M. (2015). An investigation of the efficacy of acceptance-based behavioral therapy for academic procrastination.Journal of Experimental Psychology: General, 144(2), 400–409, doi:10.1037/xge0000050.

Grunschel, C., Schwinger, M., Steinmayr, R., & Fries, S. (2016). Effects of using motivational regulation strategies on students' academic procrastination, academic performance, and well-being. Learning and Individual Differences, 49, 162–170, doi: 10.1016/j.lindif.2016.06.008.

Gustavson, D. E., Miyake, A., Hewitt, J. K., & Friedman, N. P. (2014).Genetic relations among procrastination, impulsivity, and goalmanagement ability: Implications for the evolutionary origin of procrastination. Psychological Science, 25(6), 1178–1188, doi:10.1177/0956797614526260.

Hajcak, G., Weinberg, A., MacNamara, A., & Foti, D. (2012). ERPs and the study of emotion. In S. J. Luck, & E. S. Kappenman (Eds.), Oxford library of psychology. The Oxford handbook of event–related potential components (pp. 441–472). New York, NY, US: Oxford University Press.

He, J. M., Huang, X. T., Yuan, H., & Chen, Y. G. (2012). Neural activity in relation to temporal distance: Differences in past and future temporal discounting. Consciousness and Cognition, 21(4), 1662–1672, doi:10.1016/j.concog.2012.08.006.

Herbert, C., Deutsch, R., Platte, P., & Pauli, P. (2013). No fear, no panic:Probing negation as a means for emotion regulation. Social Cognitive and Affective Neuroscience, 8(6), 654–661, doi: 10.1093/scan/nss043.

Hillyard, S. A., & Anllo-Vento, L. (1998). Event-related brain potentials in the study of visual selective attention. Proceedings of the National Academy of Sciences of the United States of America, 95(3), 781–787,doi: 10.1073/pnas.95.3.781.

Jha, A. P. (2002). Tracking the time-course of attentional involvement in spatial working memory: An event-related potential investigation.Cognitive Brain Research, 15(1), 61–69, doi: 10.1016/S0926-6410(02)00216-1.

Lay, C. H. (1986). At last, my research article on procrastination. Journal of Research in Personality, 20(4), 474–495, doi: 10.1016/0092-6566(86)90127-3.

Lebreton, M., Bertoux, M., Boutet, C., Lehericy, S., Dubois, B., Fossati, P.,& Pessiglione, M. (2013). A critical role for the hippocampus in the valuation of imagined outcomes. PLoS Biology, 11(10), e1001684, doi:10.1371/journal.pbio.1001684.

Li, J. Z., Gui, D. Y., Feng, C. L., Wang, W. Z., Du, B. Q., Gan, T., & Luo,Y. J. (2012). Victims' time discounting 2.5 years after the Wenchuan earthquake: An ERP study. PLoS One, 7(7), e40316, doi: 10.1371/journal.pone.0040316.

Liu, L., Feng, T. Y., Chen, J., & Li, H. (2013). The value of emotion: How does episodic prospection modulate delay discounting? PLoS One,8(11), e81717, doi: 10.1371/journal.pone.0081717.

Liu, L., Feng, T. Y., Suo, T., Lee, K., & Li, H. (2012). Adapting to the destitute situations: Poverty cues lead to short-term choice. PLoS One,7(4), e33950, doi: 10.1371/journal.pone.0033950.

Liu, P. W., & Feng, T. Y. (2017). The overlapping brain region accounting for the relationship between procrastination and impulsivity: A voxelbased morphometry study. Neuroscience, 360, 9–17, doi: 10.1016/j.neuroscience.2017.07.042.

Mangun, G. R., & Hillyard, S. A. (1991). Modulations of sensory-evoked brain potentials indicate changes in perceptual processing during visual-spatial priming. Journal of Experimental Psychology: Human Perception and Performance, 17(4), 1057–1074, doi: 10.1037/0096-1523.17.4.1057.

McClure, S. M., Laibson, D. I., Loewenstein, G., & Cohen, J. D. (2004).Separate neural systems value, immediate and delayed monetary rewards. Science, 306(5695), 503–507, doi: 10.1126/science.1100907.

Metcalfe, J., & Mischel, W. (1999). A hot/cool-system analysis of delay of gratification: Dynamics of willpower. Psychological Review, 106(1),3–19, doi: 10.1037/0033-295x.106.1.3.

Nguyen, B., Steel, P., & Ferrari, J. R. (2013). Procrastination's impact in the workplace and the workplace’s impact on procrastination. International Journal of Selection and Assessment, 21(4), 388–399, doi: 10.1111/ijsa.12048.

Polosan, M., Baciu, M., Cousin, E., Perrone, M., Pichat, C., & Bougerol, T.(2011). An fMRI study of the social competition in healthy subjects.Brain and Cognition, 77(3), 401–411, doi: 10.1016/j.bandc.2011.08.018.

Procee, R., Kamphorst, B., van Wissen, A., & Meyer, J. J. C. (2013). A formal model of procrastination. Proceedings of the 25th Benelux Conference on Artificial Intelligence (pp. 152–159), Delft, The Netherlands: Delft University of Technology.

Read, D., Frederick, S., & Airoldi, M. (2012). Four days later in Cincinnati:Longitudinal tests of hyperbolic discounting. Acta Psychologica,140(2), 177–185, doi: 10.1016/j.actpsy.2012.02.010.

Reuben, E., Sapienza, P., & Zingales, L. (2015). Procrastination and impatience. Journal of Behavioral and Experimental Economics, 58,63–76, doi: 10.1016/j.socec.2015.07.005.

Schupp, H. T., Cuthbert, B. N., Bradley, M. M., Cacioppo, J. T., Ito, T., &Lang, P. J. (2000). Affective picture processing: The late positive potential is modulated by motivational relevance. Psychophysiology,37(2), 257–261, doi: 10.1111/1469-8986.3720257.

Sigall, H., Kruglanski, A. W., & Fyock, J. (2000). Wishful thinking and procrastination. Journal of Social Behavior and Personality, 15(5),283–296.

Sirois, F., & Pychyl, T. (2013). Procrastination and the priority of short-term mood regulation: Consequences for future self. Social and Personality Psychology Compass, 7(2), 115–127, doi: 10.1111/spc3.12011.

Sirois, F. M. (2014). Out of sight, out of time? A meta‐analytic investigation of procrastination and time perspective. European Journal of Personality, 28(5), 511–520, doi: 10.1002/per.1947.

Stead, R., Shanahan, M. J., & Neufeld, R. W. J. (2010). “I’ll go to therapy,eventually”: Procrastination, stress and mental health. Personality and Individual Differences, 49(3), 175–180, doi: 10.1016/j.paid.2010.03.028.

Steel, P. (2007). The nature of procrastination: A meta-analytic and theoretical review of quintessential self-regulatory failure.Psychological Bulletin, 133(1), 65–94, doi: 10.1037/0033-2909.133.1.65.

Tanaka, S. C., Yamada, K., Yoneda, H., & Ohtake, F. (2014). Neural mechanisms of gain-loss asymmetry in temporal discounting. Journal of Neuroscience, 34(16), 5595–5602, doi: 10.1523/jneurosci.5169-12.2014.

Wu, H. Y., Gui, D. Y., Lin, W. Z., Gu, R. L., Zhu, X. R., & Liu, X. (2016).The procrastinators want it now: Behavioral and event-related potential evidence of the procrastination of intertemporal choices. Brain and Cognition, 107, 16–23, doi: 10.1016/j.bandc.2016.06.005.

Wu, Y., Li, L., Yuan, B. K., & Tian, X. H. (2016). Individual differences in resting-state functional connectivity predict procrastination. Personality and Individual Differences, 95, 62–67, doi: 10.1016/j.paid.2016.02.016.

Yang, J., Guan, L. L., Dedovic, K., Qi, M. M., & Zhang, Q. L. (2012). The neural correlates of implicit self-relevant processing in low self-esteem:An ERP study. Brain Research, 1471, 75–80, doi: 10.1016/j.brainres.2012.06.033.

Yuan, Y. R., Leung, A. W. S., Duan, H. X., Zhang, L., Zhang, K., Wu, J. H.,& Qin, S. Z. (2016). The effects of long-term stress on neural dynamics of working memory processing: An investigation using ERP. Scientific Reports, 6, 23217, doi: 10.1038/srep23217.

Zhang, W. W., Wang, X. P., & Feng, T. Y. (2016). Identifying the neural substrates of procrastination: A resting-state fMRI study. Scientific Reports, 6, 33023, doi: 10.1038/srep33203.