脑电预测行为：以效率与公平决策研究为例

余嘉， 曾建敏， 裘吉成， 陈有国， 袁宏， 张庆林

(1.西南大学 心理学部 中英认知与老化研究中心，重庆 400715；2.东莞理工学院，广东 东莞 523808)

财富分配中的效率与公平，就像一个硬币的两个面，密不可分.在心理学实验研究中，效率经常用几个人得到的金额的总和来表示，得到的金额总额越高，效率越高；而公平则用几个人所得金额的比例来表示，完全均分公平度最高.公平与效率是一个古老又现代的话题，从古典经济学理论来看，人们总是有获取个体利益最大化的倾向[1].在一个二人独裁者游戏实验中，所有的36个被试都选择了高效率的(800，200)选项而放弃高公平(0，0)选项[2].人们宁愿放弃高公平而选择高效率[3].然而有些研究表明，在社会经济决策中，除了单纯的利益最大化导向外，人们也会考虑分配公平[4].“最后通牒(ultimatum game, UG)”实验充分体现了人们对公平的考虑与选择[5].在经济决策中，人们不仅仅考虑效率优先，由于不公平会带来负面的情绪和体验，人们可能更愿意选择高公平、低效率的经济结果[6].所以，人们更倾向于高公平还是高效率，并无一致结论，与具体情境有关.

随着脑成像技术的发展，研究者开始探究公平相关决策的认知神经机制.fMRI研究表明, 对资金不公平方案的拒绝与前脑岛脑区的激活程度呈显著的正相关[1].大脑杏仁核与负性情绪联系紧密，不公平的分配方案也会诱发杏仁核的激活[7].另外的研究也发现在UG实验任务中，相对于公平的分配方案，不公平方案诱发的扣带前回(anterior cingulate cortex, ACC)激活更强[8].ACC被普遍认为是参与冲突监控的大脑重要区域[9]，因此ACC在UG实验任务中的激活可能反映了被试在UG实验任务中负面情绪与理性认知的强烈冲突.另外有研究发现，腹外侧前额叶(ventrolateral prefrontal cortex, VLPFC)等在经济公平决策行为中起着重要的调节作用.当不公平方案被接受的时候，VLPFC等与情绪调节相关的脑区活动会出现活动增强的趋势[10].但到目前为止，这些脑区的准确功能还在探索之中.

事件相关电位(event-related potential,ERP)提供高时间分辨率的神经活动信息，利用这一特点可以很好地对认知神经反应进行研究[11].Boksem等[12]通过ERP记录在最后通牒实验中参与者对公平和不公平的神经反应，研究结果表明, 在300～350 ms的时间窗口，不公平诱发更大的P300脑电波.

基于前人的研究本研究将试图探索以下问题：对效率与公平的行为敏感性能否由早前的脑电敏感性预测？本研究有如下创新之处：(1)前人研究通常聚焦公平相关脑电位，本文研究效率相关的事件相关脑电位.(2)前人对公平的脑电研究，通常比较高公平与低公平之间的脑电差别，而本研究关注较早的公平相关脑电能否跨被试预测较晚的行为.(3)前人对公平的脑电研究里，被试通常知道自己得到两个分配结果中的哪个，其脑电固然受公平与否影响，但也受具体结果金额的影响，可能存在混淆变量问题.本研究探讨被试不知道自己具体得到两个结果中的哪个结果，因而其脑电排除了具体结果的影响，更纯粹地反映了被试对公平的神经反应.

本研究中，脑电的敏感性由高低效率引发的脑电差值、高低公平引发的脑电差值表示.同理，在本研究中行为敏感性用高低效率下被试对方案的喜欢程度的差值、高低公平下被试对方案的喜欢程度的差值表示.我们预期，在本研究中，有的被试对公平在心理上比较敏感，即对高公平与低公平有较大不同的心理反应，这类被试的脑电敏感性很可能也较大，行为敏感性很可能也较大，因此，被试对公平的脑电敏感性可能用来预测随后的行为敏感性.类似地，被试对效率的脑电敏感性可能用来预测随后的行为敏感性.

1 研究方法

1.1 被试

心理学、经济学、管理学专业除外，22名(11男，11女)大学生自愿报名参与了该实验，平均年龄为22岁(年龄范围在19至25岁之间)，被试身体健康，皆为右利手，视力或矫正视力正常，无精神病或神经疾病史，被试在实验过程中皆扮演决策方.在正式开始实验前，所有被试皆签署该实验的知情同意书，实验后给予被试一定的报酬.

1.2 任务和程序

指导语告诉被试：请设想在一家公司工作，现在公司有个短期项目需要完成，设立A、B两个岗位，每个岗位各一人，其中一人将是您，您将来可能在A岗工作，也可能在B岗工作.该短期项目完成后，公司将为此支付报酬，并在两个岗位间进行分配.在您看来，两个岗位的重要性和工作量都差不多；然而领导的看法跟您可能不一样，因此，两个岗位得到的报酬可能并不相同.领导提出了多种方案(含分配总额和分配比例).这些方案中，最高的分配总额为8 500元，最低的分配总额3 500元；最均匀的分配比例为1∶1，最悬殊的分配比例为1∶5.2.您需要评价自己对各个方案(综合考虑分配总额和分配比例)的喜欢程度.请您如实评价.实验通过E-prime 2.0设计好的程序呈现在电脑上，被试被要求尽量少移动头部和眨眼睛，两眼注视屏幕中央，双眼距屏幕约80 cm.

图1为一个试次的流程图.以下解释除空屏(黑屏)、注视屏(*)之外的其他屏幕，首先呈现分配总金额如“6 000元”(表示效率)，接下来的屏幕为刚才显示的分配总额分配的比例，它总是以1∶x的形式呈现(表示公平).最后一屏呈现的是喜欢度：低，中低，中高，高(单号被试：屏幕从左到右为从低到高；双号被试：反之).此屏幕需要被试综合考虑总金额、分配比例两个因素来决定自己对于工资方案的喜欢度，用右手食指、中指、无名指、小指依次放在U、I、O、P键上做出相应喜欢度的选择.喜欢度低、中低、中高、高分别计分为1, 2, 3, 4.在本研究中，高公平之前，有一半试次是高效率，有一半试次是低效率；低公平之前，亦然.因此先前效率环节对后续公平环节的两个公平水平对应的脑电的影响可以认为大致相仿.

图1 一个试次的流程图

实验一共有300小题(试次)，其中有效题4类，每类60题：高效率高公平，高效率低公平，低效率高公平，低效率低公平.另有填充题5类，每类12题：低效率中公平，高效率中公平，中效率低公平，中效率高公平，中效率中公平.填充题的目的在于使得实验内容不会过于单调，并避免被试形成非常简单的反应策略.300题随机呈现.其中前15道题目未打mark，作为练习题.被试完成150题时，有一次休息，被试适当休息后继续答题.在实验中，低效率(高效率)操作性定义为分配总金额为3 500～4 500(7 500～8 500)元中的某个随机金额(四舍五入至100元的整数倍).高公平(低公平)操作性定义为分配比例为1.1～1.2(1∶5～5.2).

1.3 脑电记录与分析

脑电记录采用Neuroscan设备，应用Matlab及EEGLAB进行数据的预处理和数据初步分析.记录的电极点包括：(1)分布于头皮表面上的60个电极点(CB1、CB2除外)；(2)靠近FCz点的中央位置的接地电极(ground electrode)；(3)垂直眼电(vertical electrooculogram，VEOG)，位于左眼上下的电极记录；(4)水平眼电(the horizontal electrooculogram，HEOG)，位于眼外侧约1.5 cm处的左右电极记录；以左耳乳突M1作为参考电极.电极阻抗保持在10 kΩ以下，采样率为1 000 Hz，滤波为低通400 Hz，高通0.05 Hz.眨眼伪迹通过ICA去除.以效率刺激出现之前300 ms为基线，刺激出现后的1 000 ms作分析时段，选取时程180～320 ms的平均波幅进行分析.脑电地形图如图2所示，脑电波形图如图3所示.

A：低效率，B：高效率，C：低公平，D：高公平.脑电成分为P300.Colorbar代表电位，单位为μV.

A：low efficiency; B：high efficiency; C：low fairness; D：high fairness.The brain potentials were averaged over the time windows of 180～320 ms.Colorbars represent potentials in unit of μV.

图2 脑电地形图

Fig.2 Topography of brain potentials

A：高效率(红线)和低效率(蓝线)；B：高公平(蓝线)和低公平(红线).

2 结果

把试次分为高效率、低效率两类，又把试次分为高公平、低公平两类，然后对这两类试次中的脑电信号分别进行叠加和平均.ERP叠加平均时段选取共1 300 ms，以效率或公平刺激呈现前300 ms为基线，以刺激呈现后的1 000 ms作分析时段，选取时程180～320 ms的平均波幅进行分析，并选取关注的电极点导入SPSS进行差异显著性检验.根据实验假设以及ERP地形图，选取头皮前额区域的11个电极点(FP1、FPz、FP2、AF3、AF4、F1、Fz、F2、FC1、FCz、FC2)、15个电极点(FP1、FPz、FP2、AF3、AF4、F3、F1、Fz、F2、F4、FC3、FC1、FCz、FC2、FC4)、25个电极点(FP1、FPz、FP2、AF7、AF3、AF4、AF8、F7、F5、F3、F1、Fz、F2、F4、F6、F8、FT7、FC5、FC3、FC1、FCz、FC2、FC4、FC6、FT8)与全脑60个电极点.在选取电极点上采用了多种方案，是为了说明分析结果受电极点的选取影响较小，比较稳健.

本研究目的在于回答：对效率和公平的行为敏感性可否由早前的对效率和公平的脑电敏感性预测？例如，有些人对效率在脑电上很敏感，是否随后其行为也很敏感.更一般地说，行为个体差异可否由脑电个体差异预测.要回答此目标问题，必须把脑电与喜欢度做相关分析，而且关注点不能是被试内高效率-低效率之间的差别，而是被试间脑电敏感性与行为敏感性的关系.采用线性回归的办法，具体如下.

(1)被试对效率的脑电敏感性对行为敏感性的预测关系.对各个被试，把高效率时的脑电位跨电极、跨试次平均得到该被试的高效率时的平均电位，类似地可得该被试低效率时的平均电位.把该被试的高效率时的平均电位减去该被试的低效率时的平均电位，得到该被试对效率的脑电敏感性，脑电敏感性高的人对高、低效率的脑电反应有较大差别.采用类似方法，对喜欢度，先平均，后取差，可得各位被试对效率的行为敏感性.然后以行为敏感性为应变量，以脑电敏感性为自变量，做回归分析，结果如下.11、15、25、60个电极的分析结果显著性依次为P=0.041,r=0.461；P=0.036,r=0.470；P=0.027,r=0.494；P=0.007，r=0.582.

(2)被试对公平的脑电敏感性对行为敏感性的预测关系.以高公平与低公平时的被试脑电差异为自变量，以后来被试对高公平与低公平的喜欢度的差异为应变量做跨被试的回归分析，11、15、25、60个电极的分析结果依次为P=0.030,r=0.485；P=0.037,r=0.470；P=0.048，r=0.448；P=0.578，r=0.132.脑电分析很少用到全部电极，因为头皮电位反应往往有集中的区域.若采用局部相关电极分析结果显著，而采用全头皮电极分析结果不显著，并不表明结果不可靠，只是表明头皮电位反应集中在局部.本文此处亦然.

3 讨论

对公平的脑电敏感性强的被试，其后对公平的行为敏感性通常也较强.对效率的脑电敏感性强的被试，其后对效率的行为敏感性通常也较强.本研究结果具有一定的远期应用价值.例如，在国家谈判中，如果能够对谈判对手进行有效的大脑神经活动的探测并预测其接下来的行为反应，可以在谈判中做出最佳讨价还价，使本国利益最大化；根据预测避免坚持对方无法接受的某些条款，可以降低谈判双方爆发冲突和关系破裂的可能性，有利于国际和平稳定.对效率与公平的行为敏感性可由早前的对效率与公平的脑电敏感性预测.本文例示了脑电的个体差异可以用来预测行为的个体差异.