Измерение субъективной ценности рискованный и неоднозначный вариантов с использованием экспериментальной экономики и функциональной МРТ методы

Neuroscience

Your institution must subscribe to JoVE's Neuroscience section to access this content.

Fill out the form below to receive a free trial or learn more about access:

Welcome!

Enter your email below to get your free 10 minute trial to JoVE!





We use/store this info to ensure you have proper access and that your account is secure. We may use this info to send you notifications about your account, your institutional access, and/or other related products. To learn more about our GDPR policies click here.

If you want more info regarding data storage, please contact gdpr@jove.com.

 

Summary

Использование функциональной МРТ и поведенческие методы определения нейронных представление субъективное значение рискованный и неоднозначный вариантов в человеческом мозге.

Cite this Article

Copy Citation | Download Citations

Levy, I., Rosenberg Belmaker, L., Manson, K., Tymula, A., Glimcher, P. W. Measuring the Subjective Value of Risky and Ambiguous Options using Experimental Economics and Functional MRI Methods. J. Vis. Exp. (67), e3724, doi:10.3791/3724 (2012).

Please note that all translations are automatically generated.

Click here for the english version. For other languages click here.

Abstract

Большинство выбор мы делаем имеют неопределенные последствия. В некоторых случаях вероятности для различных возможных исходов точно известно, состояние называется "рискованным". В других случаях, когда вероятность не может быть оценена, это состояние описывается как "неоднозначные". Хотя большинство людей не склонны к риску, как и неоднозначность 1,2, степень отвращения тех, существенно различаются у разных людей, так что субъективная ценность одного и того же рискованно или двусмысленные опция может быть очень разным для разных людей. Мы объединяем функциональной МРТ (фМРТ) с экспериментальной экономики на основе метода 3 для оценки нервной представление субъективного значения рискованный и неоднозначный варианта 4. Этот метод может быть использован в настоящее время для изучения этих нейронных представлений в разных популяциях, таких как различных возрастных групп и разных популяций пациентов.

В нашем эксперименте, предметы внести соответствующие б выборыetween две альтернативы, а их нейронную активацию отслеживаются с помощью МРТ. На каждом испытуемых выбор между лотерей, которые различаются по своей денежной сумме и в любом вероятность выигрыша этой суммы или двусмысленности уровень, связанный с победы. Наши параметрического проектирования позволяет нам использовать электорального поведения каждого человека оценить их отношение к риску и неопределенности, и таким образом оценить субъективные значения, что каждый вариант, предназначенные для них. Еще одной важной особенностью дизайна является то, что результат выбранной лотереи не раскрывается в ходе эксперимента, так что не обучение может иметь место, и, таким образом неоднозначные варианты остаются неоднозначными и отношением к риску являются стабильными. Вместо этого, в конце сессии сканирования одного или нескольких испытаний выбираются случайным образом и играл на реальные деньги. Так как объекты не знаем заранее, какие испытания будут выбраны, они должны относиться к каждому судебное разбирательство, если оно и только оно было одно исследование, на которые они будут платить. Этот дизайн ваннойгарантирует, что мы можем оценить истинную субъективная ценность каждого варианта для каждого предмета. Затем мы рассмотрим на области мозга, чья активация коррелирует с субъективной ценности рискованные варианты и для областей, которые активации коррелирует с субъективной ценности неоднозначные варианты.

Protocol

1. Подготовка эксперимента

  1. Первый шаг заключается в разработке визуальных стимулов представляет рискованный и неоднозначный выбор, который будет представлен на экране в сканер. Мы используем изображения, такие как представлено на рисунке 1 представляют собой мешки с покерные фишки, которые мы называем "лотереи мешки". Графически эти изображения могут рассматриваться как стеки фишек, прежде чем они помещаются в сумку. Важно, что эти изображения представляют реальную контейнеров, в нашем случае конверты, заполненные с 100 красных и синих фишек, которые субъект будет видеть перед началом эксперимента. Это гарантирует, что субъекты оба понимаем лотерей им придется столкнуться и считают, что дисплей компьютера точно представлены эти лотереи. Для рискованных лотереи вероятность выигрыша, соотношение красного голубых фишек в данный конверт, точно заявил использованием числа и графических раздражителя (рис. 1А). Для неоднозначной части лотерей ИНФОРМАЦИЯп о вероятности отсутствует (рис. 1б), что оптимальное соотношение между красным голубых фишек ограничен, но не указано, что делает вероятность выигрыша частично неоднозначно.
  2. Для рискованных лотерей красные и синие области каждом изображении пропорциональна количеству красных и синих фишек в конверте. Мы рекомендуем использовать как минимум 3 вероятностей исходов 4 (рис. 1А). Точное вероятности используются может варьироваться в зависимости от конкретных требований эксперимента, но экспериментаторы должны быть осторожны при использовании очень высоких и очень низких вероятностей. Известно, что человеческие субъекты правило, искажают вероятность ниже 10% или выше 90% 5. Если человек намерен изучить это систематическое искажение этих крайностей следует избегать.
  3. Чтобы передать неоднозначность центральной части фишки в дисплей компьютера закрыт с серым окклюдера (рис. 1б). В серой зоне числоBER фишек каждого цвета будет неизвестно, и, таким образом, вероятность вытащить красный или синий чип не будет точно известно. Например, в середине мешка на рисунке 1b окклюдера покрывает 50% сумку, и, таким образом, количество красных фишек может быть где-то между 25 (если все фишки за окклюдера являются синий) и 75 (если все фишки за окклюдера красный). Конечно, количество голубых фишек также может быть где-то между этими двумя значениями.
  4. Увеличение размера окклюдера увеличивает неопределенность уровня (диапазон возможных вероятностей для рисования красных или голубых фишек). Мы рекомендуем использовать по крайней мере, 3 уровня окклюзии, охватывающей 25 ~, 50 или 75% из мешка (рис. 1б).
  5. Когда субъекты выполнить задачу на компьютере, мы представляем каждому вероятность выигрыша / неоднозначности уровня с диапазоном возможной суммы результатов. Мы рекомендуем использовать 5 Награды уровне 4, охватывающих широкий спектр количествах, например: 5, 9,5, 18, ​​34 и 65 долЛарс. На экране, мы представляем результаты количестве рядом с наградами цвет и надпись "0" рядом с другим цветом. Например, на рисунке 2 рисования красного чипа приведет к победе $ 18 во время рисования голубых фишек приведет к нулевым результатом.
  6. Важно отметить, что на каждом испытуемых будут выбирать между двумя лотереями. Для простоты мы держим один из вариантов постоянным в течение всего эксперимента (в данном примере 50% шансов на победу $ 5) и изменяться только другой вариант. Это имеет два преимущества. Во-первых, постоянный вариант не должны появляться на экране, что упрощает визуальное отображение (хотя напоминанием то и может оказаться полезным). Во-вторых, потому, что один вариант никогда не меняется, на основе регрессии анализа МРТ сигнал может эффективно пренебрегать этим параметром. Обратите внимание, что для того, чтобы иметь «единую валюту» для субъективных значений рискованный и неоднозначный лотерей ссылкой опция должна быть одинаковой для обоих видов испытаний.
  7. Каждая комбинацияния вероятности или двусмысленности уровня и количества должны быть представлены в общей сложности по меньшей мере 4 раза, и предпочтительно более, для обеспечения достаточной статистической мощностью, как в поведенческих и МРТ анализ. В половине из красного повторений должно быть связано с ненулевой результат и в других синих половину, чтобы избежать предвзятости и цвета, чтобы обеспечить симметрию в двусмысленность.
  8. Мы решили использовать медленные связанных с событиями конструкции (рис. 3), в которых гемодинамические реакции на различные испытания, хорошо разнесены во времени. В такой конструкции каждой лотереи должны быть представлены в качестве стимула кратко, в нашем случае в течение 2 секунд, затем период задержки (в нашем случае, 6 с), чтобы дать время для решения связанных нейронную активацию расти. Ответы должны быть сделаны в течение короткого интервала времени (1-2 с). Используйте изображения, такие как показано на рисунке 3 в качестве краткого обратной связи, так что субъект знает их реакция была записана. Отделить испытаний длинными периодами отдыха (10 с или море) для обеспечения гемодинамики, чтобы вернуться к исходному уровню. Более короткие периоды отдыха могут быть использованы с соответствующим джиттера. Группа испытаний в блоках до 30 испытаний каждого, но будьте уверены, чтобы не позволить блоков дольше, чем 10 минут. Это позволяет периоды отдыха в сканер, который максимально увеличить производительность и минимизировать предмет усталости. Для того чтобы, по крайней мере, 4 повторений каждого сочетания вероятности / двусмысленности и количество общее число испытаний будет по меньшей мере 120, то есть 4 блока.
  9. Подготовка физической мешки (в нашем случае конвертах), поэтому они могут быть показаны предметы, прежде чем они выполнить задачу. Они будут использованы в дальнейшем играть в случайно выбранном суда (ы) для окупятся. Подготовить пакет для каждого лотерейного изображение, используемое в эксперименте. Заполните каждую сумку с в общей сложности 100 покере / бинго красные и голубые фишки, с пропорциями соответствующие вероятности нанесения чипов каждого цвета из этой сумке отображается на дисплее. Для неоднозначное мешки использовать генератор случайных чиселпринять решение о фактической численности красные и голубые фишки, соответствующие каждой неоднозначности уровня. Подготовка ссылкой сумку с 50 красных и 50 синих фишек. Подготовка физического сумки и показывать их субъектов является особенно важным для субъектов, набранных в психологии ведомств. Эти вопросы, скорее всего, подозреваю, что некоторые виды обмана и они должны подозревать обман своих ответах будет uninterpretable.

2. Подготовка Тема

  1. Каждый субъект должен заполнить форму согласия и скрининг анкеты. Скрининга форма подтверждает, что тема не имеет никакого металла в теле, что они не являются беременными или клаустрофобия, и что они могут быть безопасно сканировать. Субъекты также должны удалить все металлы из их тела, чтобы обеспечить безопасность в сканер окружающей среды. Это очень важно.
  2. Обеспечить эту тему с подробными инструкциями об эксперименте. Задайте им несколько простых вопросов, чтобы убедиться, что они понимают, как вероятностиность и количестве перемещаемых в каждый образ, и убедиться, что они понимают свои задачи. Убедитесь в том, чтобы не раскрывать любую информацию, которая может повлиять на их выбор. Например, не кадр проблема выбора перед ними таким образом, чтобы предвзятость по отношению к предметам особое отношение риска. Покажите им физической мешки и подчеркивают, что каждое изображение в эксперименте относится к одной конкретной физической сумку, которую вы можете и не будет вмешиваться. Объясните также, что в половине исследований сине будет выигрышной цвета и в два раза красным цветом. Объясните механизм оплаты, так что предмет понимает, что они будут выплачены в соответствии с их выбором. Поощряйте субъектов задавать вопросы обо всем, что они не понимают. Это очень важный период, когда убеждения субъектов об эксперименте создаются. Очень важно, чтобы субъекты быть уверены, что эксперимент не связаны с любым типом обмана или поведенческих и нервных результаты будут uninterpretable.
  3. Печать пакетов и есть предмет подписать свое имя на уплотнение. Объясните, что это даст им возможность убедиться в конце эксперимента, что вы не измените содержимое мешков в ходе эксперимента. Это помогает успокоить предметам, которые они играют совсем честную игру. Объясните также, что после лотереи разыгрываются в конце эксперимента им будет позволено заглянуть в содержимое сумки, чтобы убедиться, что они соответствуют указанной вероятности или двусмысленности уровне.

3. Сканирование

  1. Мы используем 3Т МРТ сканера с головой катушки (4 канала и более), чтобы получить оксигенации крови в зависимости от уровня (BOLD) сигналы от целого мозга.
  2. Используйте 2-кнопка ответа окно для съемки объектов выборы.
  3. Анатомические сканирования: Мы используем T1-взвешенных MPRAGE последовательности, чтобы получить четкий высокого разрешения (1х1х1 мм) изображение головного мозга субъекта, которые могут быть использованы для реконструкции 3D. Любой высокого разрешения последовательность может быть использована для этой рЗАДАЧА.
  4. Функциональные сканирования: Мы используем T2 *-взвешенные последовательности EPI, с TR 2 с, а 3x3x3 мм вокселей. Убедитесь в том, чтобы поместить кусочки так, что они включают в областях мозга, Вы наиболее заинтересованы в, как правило, префронтальной коры, теменной коры и базальных ганглиев. Параметры сканирования должны быть оптимизированы для конкретного сканера, мы использовали: TE 30 мс, флип углом 75 °, 36 3 мм ломтиками, не между срез щель, параллельную AC-локальная сеть, в плоскости резолюции 3x3 мм, угол обзора 192 мм . Другие исследования показали, что позиционирование ломтики на 30 ° по отношению к AC-PC линия может уменьшить сигнал отсева в орбитофронтальной коры 6.

4. Процедура оплаты

  1. После удаления предмета от сканера, получить поведенческие данные с компьютера, который записал ответов испытуемого.
  2. Случайно выбрать одно или несколько испытаний для оплаты. Лучше пусть предмет сделать выбор, например, путем использования пронумерованы покерную фишкуиз непрозрачного мешок, который содержит все фишки с номерами суда. Это позволит обеспечить к теме, что выбор действительно является случайным.
  3. Для каждого выбранного суде показать предмет представлен вариант и выбор, который они сделали на этом суде. Попросите их, чтобы сделать чип из сумки выбраны на этом суде, и оплатить их в соответствии с нарисованными цветом и количеством представленных на суд.

Например, если выбранный суд представлены в лотерее изображен на рисунке 2 (неоднозначные лотерею, предлагая $ 18, если красный чип обращается) и предмета выбрали эту лотерею (а не ссылка лотерею), то этот вопрос должен сделать чип из физические сумку соответствующие лотереи изображения. Если красный чип обращается субъект получит $ 18, если голубых фишек обращается они не получат ничего.

5. Анализируя данные о поведении

  1. Использование максимального правдоподобия мы вписываемся выбор данных по каждому предмету в логистическойФункция вида:

Уравнение 1
Где Pv вероятность того, что субъект выбрал переменную лотереи, SV и SV F V, являются субъективным значения постоянной и переменной вариантов соответственно, а γ является наклон логистическая функция, которая является предметом конкретного параметра. Альтернативный подход состоит в использовании пробит распределения.

  1. Для моделирования субъективная ценность каждого варианта по каждому предмету, вы можете использовать одну из нескольких моделей, которые учитывают суммы, вероятности и неопределенности уровня опции и отношение отдельного субъекта к риску и неопределенности. Мы решили использовать 5-степенной функцией, которая включает линейный эффект неопределенности на предполагаемой вероятностью 7:

Уравнение 2
Где Р цели задачиспособности (по определению 0.5 для данного класса неоднозначное лотерей), является неоднозначность уровне (доля от общей вероятности того, что неизвестно, 0 для рискованных лотерей), V представляет собой сумму, а α и βare предметом особого риска и неопределенности Отношение параметров соответственно. Один из нескольких альтернативных подходов является включение двусмысленности, экспоненциальный эффект 8:

Уравнение 3
Установка выбор данных с функцией выбора таким образом, обеспечивает оценки отношения к риску (α) и неоднозначность отношения (β) по каждому предмету.

6. Анализ нейронных данных

  1. Выполните стандартную предварительную обработку данных, в том числе: 1) часть скан-временной коррекции для учета небольших различий в сканировании время различных разрезах; 2) коррекции движения для учета внутри-и межрегиональных выполнения движения объекта и 3) удаление низкие частоты, которые обычно гприподнятое к физиологическим шумом и сканер сугробы.
  2. Регистрация функциональные данные каждого с учетом их анатомических данных.
  3. Для анализа на одном уровне модели субъект деятельности каждого воксела как устойчивый ответ в течение всего судебного разбирательства (в нашем случае 10 с), свернут со стандартным гемодинамической функции отклика 9. Использование общей линейной модели со следующими предикторы:
  • Два предикторы субъективное значение (SV), по одному для рискованных испытаний и один для неоднозначных процессов. Использование уравнения 2 и отдельного субъекта конкретных параметров, полученных от поведенческих подходят для расчета SV каждой лотереи. Поскольку ссылкой лотереи является одинаковым для всех испытаний мы можем использовать SV переменной лотерею один в каждом испытании. Для рискованных предиктором SV вставить SV для каждой рискованной суд, и 0 для каждого неоднозначного судебного разбирательства, и наоборот для неоднозначных предсказателя.
  • Два манекена предсказателей, по одному для рискованных испытаний и один для неоднозначного исследования, в довершениетуры общей активации, таких, как зрительно-моторной активации.
  1. Посмотрите на вокселов, в которой коэффициенты SV условиях риска и / или при неоднозначности являются значительными. Тест на значимость следует принимать во внимание множественные сравнения выполнены. Метод, который мы использовали, была предельный минимальный размер кластера до 6 смежных функциональных вокселей 10. Кроме того, другие методы, такие как ложного Discovery (FDR) 11, могут быть использованы для корректировки несколько поправок.

7. Представитель Результаты

Поведение

На рисунке 4 представлены поведенческие результаты трех субъектов представитель. Каждая панель представляет выбор данных и соответствия модели результаты для одного предмета либо риска (слева) или двусмысленности (справа). Графики показывают долю испытания, в которых субъект выбрал переменную лотереи в зависимости от суммы, отдельно для каждого уровня вероятностиСпособность или двусмысленности. Как можно видеть, субъектов может варьироваться много в их отношении к риску и неопределенности.

Для изучения качественным подбором, проверьте R 2, которая в идеале должна быть более 0,5, а также проверить кривые визуально. В то время как все три темы были примером законопослушного поведения, которые позволили разумной припадки, отметим, что вопрос 2 вряд ли выбрал переменную вариант в условиях риска с наименьшей вероятностью (0,13). Это говорит о том, что расширение спектра суммы и / или использования более высоких вероятности может обеспечить лучшие результаты, потому что он будет гарантировать, что предметы выбрать различные опции по крайней мере, некоторые из испытаний. Другой вариант заключается в предварительной проверки каждого объекта на широкий диапазон сумм и выбрать те суммы, которые обеспечивают сопоставимое число ссылок и переменная выбор опции для каждого человека.

МРТ

На рисунке 5 представлены результаты визуализации в один представительпредмете. Выделенные вокселей являются те, в которых коэффициент субъективной предиктором значение при неоднозначности (вверху) или риска (внизу) существенно отличается от 0. В этом типичная тема, значимая корреляция была найдена в медиальной префронтальной коре (MPFC) и полосатого тела при обоих условиях. Эти районы являются самыми последовательными по предметам, но значимые корреляции можно также ожидать в тех областях, в медиальной и латеральной теменной коре, а также в миндалине. Как деятельности в этом типе задач, как правило, слабые и шумных вы должны ожидать высокой изменчивостью по субъектам со многими субъектами выставке значимых корреляций только в подмножестве области.

Рисунок 1
Рисунок 1. Рискованный и неоднозначные стимулы.) В рискованные стимулы красные и синие области каждое изображение на экране пропорционально количеству красных и синих фишек в конверте. Три вероятностей исходов Wпрежде чем использовать здесь: 0,13, 0,25 и 0,38. B) В неоднозначные стимулы центральной части изображения затемняется серым окклюдера. В серой зоне количество фишек каждого цвета неизвестно, и, таким образом, вероятность извлечения чипа определенного цвета точно не известно. Три уровня неопределенности используется здесь, где 25, 50 или 75% от изображений окклюзии.

Рисунок 2
Рисунок 2. Например лотерею. Это неоднозначное лотереи, на 50% неоднозначности уровня. По меньшей мере 25 чипов в конверт красного и по меньшей мере 25 синего цвета. Если красный чип обращается субъект будет выиграть $ 18, в то время как они ничего не выиграет, если голубых фишек обращается.

Рисунок 3
Рисунок 3. Суд структуры. Лотерее кратко представил, после чего период задержки. Ответ реплику затем предлагает предметы для обозначенияИК выбор между лотерей на экране и ссылки лотереи (в данном случае 50% шансов выиграть $ 5). Испытания перемежаются с длительными периодами покоя.

Рисунок 4
Рисунок 4. Примером одной поведение выбора темы. Графики представляют долю испытания, в которых каждый предмет выбрали вариант переменная по ссылке, в зависимости от предложенной суммы в рискованные (слева) и неоднозначным (справа) испытаний. Разные кривые для различных рисков или неопределенности уровня. α, риск отношение параметра, β, параметр неоднозначность отношения, R 2, псевдо McFadden R-квадрат, мерой качества подгонки поведенческие модели, эквивалентную часть дисперсии, что объясняется моделью, п, число исследований, в которых ответ был сделан (из общего числа 180).

Рисунок 5 <бр /> Рисунок 5. Карты примере одной карты активации темы. Активация представлены на высоком изображение анатомических резолюции. Выделенные области, чьи активации значительно коррелирует с субъективной ценности под риском (сверху) или под двусмысленности (внизу). В большинстве субъектов медиальной префронтальной коры (MPFC) и полосатого тела представляют субъективную ценность в рамках как риск и неопределенность. Исправлено р-значения основаны на минимальный размер кластера из 6 функциональных вокселей. Нажмите, чтобы увеличить показатель .

Subscription Required. Please recommend JoVE to your librarian.

Discussion

Мы использовали метод из экспериментальной экономики для характеристики поведения субъектов и оценить индивидуальное отношение к риску и неопределенности. Затем мы использовали эти оценки для анализа нейронных данных.

Другие методы для изучения МРТ активность в то время как субъекты делают выбор в условиях риска и неопределенности были использованы до 8,12. Наш подход, однако, сочетает в себе несколько важных особенностей. Во-первых, он использует параметрического проектирования, в котором различные параметры (количество, вероятность и неопределенность уровня) систематически разнообразны. Это позволяет нам количественно оценить индивидуальный риск и неопределенность отношений и вычислить субъективная ценность каждого варианта для каждого предмета. Во-вторых, имеющих индивидуальных поведенческих мера позволяет нам смотреть на области мозга, активация которого коррелирует с этой мерой, отдельно для риска и неопределенности, в рамках темы уровне. Это чистый способ изучить нейронную кодирование одного параметра (субъективная ценность) иnder различных условиях (риска и неопределенности), контролируя при этом возможные различия между этими условий (таких, как выбор поведения). В-третьих, случайного выбора суда в конце эксперимента, и он играл на реальные деньги мы рекомендуем субъектам раскрыть свои истинные предпочтения 13.

На поведенческом уровне, этот метод позволяет обобщить уникальный поведение выбор каждого субъекта только с двумя номерами, представляющими риск и неопределенность отношений индивидуального субъекта. Стандартная экономическая теория указывает, что за теми, кто выбирает которые ведут себя последовательно эти необходимые и достаточные характеристики своих предпочтениях. Иными словами, можно доказать, что: 1) никаких других возможных характеристик может быть более полным или компактный и 2) что все более сложными характеристиками являются избыточными. В нейронных уровне, метод позволяет выявить нейронные представление субъективную ценность, что отдельные субъекты ascriбыть варианты с которыми они сталкиваются на этом необходимым и достаточным уровнем характеристик. Конечно, другие характеристики поведения возможны, но с использованием специальных мер "рискованность", которые не могут быть отнесены в полном способом либо поведение или нервные сигналы могут вызвать больше проблем, чем решает 1.

Мы описали конкретный метод для локализации областей, чья деятельность связана с субъективной ценности. Есть и другие, дополнительные, способы анализа нейронных данных в поисковом образом, что не требует предварительной гипотезы. Кластеризации методами и Анализ независимых компонент (ICA) такие методы, которые могли бы выявить дополнительные риски и неопределенность, связанные активации.

Результаты показали существенное поведенческой изменчивости по предметам, предлагая несколько возможных расширений метод, который может быть использован в будущих исследованиях риска и неопределенности. Во-первых, методы могут быть использованы для исследования отличаютсяРазличия в поведении отдельных индивидов, а также выявить нейронные корреляты эти различия, в разных популяциях тему. Особый интерес представляют исследования пациентов предположили проявлять крайнюю рискованного поведения, например, те, проходящих лечение от наркомании. Различие между вкладами риска и неопределенности отношения к такого поведения и разграничения их нейронные корреляты важны для понимания фундаментальных причин для такого патологического поведения, а также за разработку поведенческих и фармакологических вмешательств. Другие интересные места будет рассматривать людей из разных культур и людей разных возрастных групп. Способность идентифицировать конкретное значение деятельности, связанной таким образом, имеет потенциал, чтобы выявить различия между группами, которые лежат в основе наблюдаемых различий в реальной жизни.

Во-вторых, метод может быть использован для изучения влияния конкретного опыта в отношении отдельных ыubjects к риску и неопределенности. Экспериментальная парадигма может, например, быть использованы до и после поведенческих манипуляций проводится или природных событий, таких как образовательные вмешательства, стресс манипуляции, или изменяющие жизнь события.

В-третьих, аналогичные парадигмы могут быть использованы с различными диапазонами результатов и вероятности, соответствующие вопрос, который вы хотели бы обратиться. Например, предметы могут быть представлены с выбором между различными потерями, а не прибыль, более непосредственно связаны экспериментальной установки к рискованному поведению в реальной жизни, потенциал которых результаты часто являются отрицательными (например, неосторожная езда или злоупотребление психоактивными веществами). В-четвертых, неденежные результаты могут быть использованы для изучения отношения к риску и неопределенности в различных областях, таких как выбор пищи и социальных предпочтений.

Важнейшей особенностью этого подхода является то, что она обеспечивает компактную и логически сomplete способ охарактеризовать поведение по отношению к полностью указанный основной переменной, которая полностью характеризует предпочтения соответствует теме. Таким образом, это предлагает мощный подход тесно связан с теорией, которая перемещается за пределы характеристика специальных.

Subscription Required. Please recommend JoVE to your librarian.

Disclosures

Нет конфликта интересов объявлены.

Acknowledgements

Мы благодарим Aldo Rustichini за плодотворные обсуждения и замечания по проекту.
Финансируемая NIA грант R01-AG033406 к IL и ПРГ.

Materials

Name Company Catalog Number Comments
Allegra Head Only 3.0 T MRI Scanner Siemens AG A whole body scanner can also be used
NM-011 transmit head coil Nova Medical
E-prime Psychology Software Tools Stimuli presentation software
Matlab Mathworks

DOWNLOAD MATERIALS LIST

References

  1. Glimcher, P. W. Understanding risk: a guide for the perplexed. Cogn. Affect Behav. Neurosci. 8, 348-354 (2008).
  2. Camerer, C., Weber, M. Recent Developments in Modeling Preferences - Uncertainty and Ambiguity. Journal of Risk and Uncertainty. 5, 325-370 (1992).
  3. Holt, C. A., Laury, S. K. Risk aversion and incentive effects. Am. Econ. Rev. 92, 1644-1655 (2002).
  4. Levy, I., Snell, J., Nelson, A. J., Rustichini, A., Glimcher, P. W. Neural representation of subjective value under risk and ambiguity. J. Neurophysiol. 103, 1036-1047 (2010).
  5. Kahneman, D., Tversky, A. Prospect Theory - Analysis of Decision under Risk. Econometrica. 47, 263-291 (1979).
  6. Deichmann, R., Gottfried, J. A., Hutton, C., Turner, R. Optimized EPI for fMRI studies of the orbitofrontal cortex. Neuroimage. 19, 430-441 (2003).
  7. Gilboa, I., Schmeidler, D. Maxmin Expected Utility with Non-Unique Prior. J. Math Econ. 18, 141-153 (1989).
  8. Hsu, M., Bhatt, M., Adolphs, R., Tranel, D., Camerer, C. F. Neural systems responding to degrees of uncertainty in human decision-making. Science. 310, 1680-1683 (2005).
  9. Boynton, G. A., Engel, S. A., Glover, G., Heeger, D. J Neurosci. 16, 4207-4221 (1996).
  10. Forman, S. D. Improved Assessment of Significant Activation in Functional Magnetic-Resonance-Imaging (Fmri) - Use of a Cluster-Size Threshold. Magnetic Resonance in Medicine. 33, 636-647 (1995).
  11. Genovese, C. R., Lazar, N. A., Nichols, T. Thresholding of statistical maps in functional neuroimaging using the false discovery rate. NeuroImage. 15, 870-878 (2002).
  12. Huettel, S. A., Stowe, C. J., Gordon, E. M., Warner, B. T., Platt, M. L. Neural signatures of economic preferences for risk and ambiguity. Neuron. 49, 765-775 (2006).
  13. Smith, V. L. Papers in experimental economics. Cambridge University Press. (1991).

Comments

0 Comments


    Post a Question / Comment / Request

    You must be signed in to post a comment. Please or create an account.

    Usage Statistics