使用实验经济学与功能磁共振成像方法测量风险性与模糊性选项的主观价值

以下实验的总体目标是利用功能性磁共振成像（fMRI）研究大脑对风险型与模糊型选项主观价值的神经编码机制。通过在参与者选择不同金额、概率和模糊程度的风险型与模糊型彩票时进行脑部扫描来实现该目标。随后利用每位参与者所做出的选择，估计其对风险和模糊性的态度，并进一步分析这些态度如何影响参与者对彩票价值的评估。

接下来，将这些估计值作为回归变量纳入一般线性模型，以识别大脑中活动与风险性及模糊性彩票的主观价值相关的脑区。结果显示，在内侧前额叶皮层和纹状体的重叠区域，脑活动与风险性和模糊性选项的主观价值均存在相关性。该方法相较于其他比较风险性与模糊性彩票总体脑活动的方法，其主要优势在于脑激活分析中纳入了每位受试者的个体行为数据。

该方法有助于回答神经经济学领域的一些关键问题，例如大脑如何表征价值，以及价值如何被用于做出决策。本实验方案的第一步是设计视觉刺激，用以呈现扫描过程中涉及的风险性和模糊性选择；可使用如图所示的图像来代表装有扑克筹码的信封，在风险性彩票的刺激材料中称为“彩票袋”，其中获胜概率应为红色筹码与蓝色筹码的数量之比，并需同时通过图形刺激和数字加以说明。此处，每幅图像中红色和蓝色区域的大小与相应颜色筹码的数量成正比。

在实际的实验设计中，对于模糊博弈，建议至少设置三种结果概率。部分概率信息应予以缺失，使得红蓝筹码的可能比例存在边界但不明确指定，从而使获胜概率呈现部分模糊性。

增大遮挡尺寸会提高模糊程度。我们建议至少使用三个遮挡水平，每个水平均呈现相应的获胜概率或模糊水平，并在获胜颜色旁边显示结果金额，另一颜色旁边则显示零。在此情况下，抽到红色筹码将赢得18，而抽到蓝色筹码则结果为零。五。

建议在每次试验中设置涵盖广泛金额范围的奖励水平。受试者将在两个彩票选项之间进行选择。然而，为了简化实验设计，其中一个选项可在整个实验过程中保持恒定，并置于屏幕外，仅变化显示的选项。

每种概率或模糊性水平与金额的组合均应至少呈现四次，以确保足够的统计效能。在分析时，将实验范式设置为慢事件相关设计，使每个彩票作为刺激呈现两秒，随后进入六秒的延迟期，以允许神经血管反应的发生，然后受试者需在一到两秒内做出反应。

使用一张简单的图片作为简短反馈，以提示已记录反应，并在试验之间设置至少10秒的休息间隔。同时，准备与每个彩票图片相对应的实物袋子或信封。在实验中。

在每个信封中放入总共100个红色和蓝色的筹码，其比例应与展示图中从对应袋子中抽取每种颜色筹码的概率一致。在任务开始前应向受试者展示这些信封，因为之后将用于随机抽取试验以确定报酬。根据受试者在实验中的选择给予报酬，对于促使他们真实表达自身偏好至关重要。

使用装有真实筹码的实体袋子进行彩票游戏，可确保受试者明确知晓在扫描前公布的概率结果真实有效。首先，让受试者填写知情同意书以及磁共振成像（MRI）筛查问卷。随后，确保受试者移除所有金属物品，以保障扫描环境中的安全。

接下来，向受试者详细说明实验和任务内容。确保受试者理解每张图像中概率和金额的表示方式，但不得透露任何可能影响其选择的信息。在扫描过程中，将使用一个双按钮反应盒来记录受试者的选择。

同时，需说明支付方式，使受试者了解将根据其选择进行支付。密封事先准备好的袋子，并让受试者在封口处签署姓名。

说明这将允许在实验结束时验证袋子内容物未被更改，因为受试者将被允许查看袋子，以确保其符合所声明的概率或模糊性水平。使用3特斯拉磁共振成像（MRI）扫描仪，首先采用T1加权序列获取受试者大脑的高分辨率图像。该结构像数据将用于三维重建。

任何高分辨率序列均可用于此目的。接下来，使用T2*加权EPI序列采集功能成像。在任务范式期间，务必调整层面位置以包含感兴趣脑区。

通常，应针对特定扫描仪优化前额叶皮层、顶叶皮层和基底神经节的扫描参数，采用 2 秒的重复时间（TR）以及 3×3×3 毫米的体素。扫描完成后，从记录受试者按键反应的计算机中提取行为数据。

然后让受试者随机抽取一个或多个试验用于支付。可以通过让受试者从一个不透明的袋子中抽取标有编号的筹码来实现，袋子中包含所有试验编号对应的筹码。对于每个被选中的试验，向受试者展示该次试验中呈现的选项及其所做的选择。

然后要求受试者从该次试验所选择的袋子中抽取一枚筹码，并根据抽中的颜色及该次试验中显示的金额给予报酬。为了分析行为数据，使用最大似然法将每位受试者的选择数据拟合到一个逻辑函数，如图所示，其中 PV 表示受试者选择可变彩票的概率。

SV_sub_F 和 SV_sub_V 分别表示固定选项和可变选项的主观价值，gamma 为逻辑函数的斜率，是一个个体特异性参数。另一种方法是使用概率分布来建模每个选项的主观价值。对每位受试者，采用一个综合考虑选项金额、概率、模糊性水平以及个体对风险和模糊性态度的模型。我们选择使用包含模糊性对感知概率线性效应的幂函数。

多种替代方法之一是将模糊性作为指数效应纳入模型，使用选择函数拟合选择数据，从而为每位受试者提供风险态度参数 alpha 和模糊性态度参数 beta 的估计值。首先对功能数据进行标准预处理，包括切片、扫描时间校正、头动校正，以及去除与生理噪声和扫描仪漂移相关的低频信号。然后将每位受试者的功能数据与其解剖数据进行共配准。在单个受试者水平的分析中，采用标准的血流动力学响应函数，并将每个体素的活动建模为在整个试验期间持续的响应。使用一般线性模型，包含两个关于主观价值的预测变量，分别对应风险试验和模糊性试验。

利用从行为拟合中得出的个体特异性参数，计算每种彩票的主观价值。同时包含两个虚拟预测变量，一个用于风险试验，另一个用于模糊试验。为了捕捉视觉和运动等一般性激活，显著性检验应考虑此处进行的多重比较校正。

最小簇大小被限制为六个连续的功能体素。也可使用其他方法，如错误发现率。寻找在风险和/或模糊性条件下主观价值系数具有显著性的体素。

此处展示了三位代表性受试者的行为学结果。每个子图分别呈现了一位受试者在风险或模糊性条件下的选择数据及模型拟合结果。图中分别针对每种概率或模糊性水平，描绘了受试者选择可变彩票的试验比例随金额变化的情况。

如图所示，不同个体在对待风险和模糊性方面的态度可能存在很大差异。此处展示了一名受试者的成像结果，其中被突出显示的体素表示在模糊性或风险条件下，主观价值预测因子的系数显著不同于零。在此名代表性受试者中，两种条件下均在内侧前额叶皮层和纹状体发现了显著相关性。

这些脑区在不同受试者之间表现出最高的一致性，但在内侧和外侧顶叶皮层以及杏仁核等区域也可以观察到显著的相关性。该技术使神经经济学领域的研究者能够探索不同情境下不同人群的风险与模糊性态度及其神经相关性。观看本视频后，您应能够充分理解如何测量风险与模糊性态度，以及如何利用这些态度分析参与者在做出选择时获取的fMRI数据。