江 晴 吳逸群

當(dāng)實(shí)證主義傳統(tǒng)遇到“大腦黑箱”——神經(jīng)經(jīng)濟(jì)學(xué)“生理效用”理論解析

江 晴 吳逸群

[摘 要]神經(jīng)經(jīng)濟(jì)學(xué)關(guān)于人類決策行為的最新研究對(duì)實(shí)證主義傳統(tǒng)諱莫如深的“大腦黑箱”進(jìn)行了深刻剖析。本文通過對(duì)神經(jīng)經(jīng)濟(jì)學(xué)“生理效用”理論和DDM模型及其應(yīng)用價(jià)值的深入解讀，發(fā)現(xiàn)大腦決策過程實(shí)則是神經(jīng)系統(tǒng)對(duì)“滿意程度”的生物計(jì)算和評(píng)估過程，即一個(gè)對(duì)決策價(jià)值信號(hào)賦值與比較的過程。這些研究第一次系統(tǒng)地在人們的內(nèi)在神經(jīng)活動(dòng)與外在決策行為之間建立起了一種直觀的聯(lián)系，且認(rèn)為如果決策行為是由大腦對(duì)決策價(jià)值進(jìn)行適應(yīng)性編碼產(chǎn)生的，那么無論決策的情境有何差異，其在大腦決策機(jī)制中都有著相似的編碼過程。因此存在一個(gè)對(duì)跨情境選擇行為和反應(yīng)時(shí)間做出一般預(yù)測的可能性，稱為共同決策機(jī)制。這為解決簡單情況下離散選擇的樣本外預(yù)測提供了新思路。顯然，神經(jīng)經(jīng)濟(jì)學(xué)正在深層次上悄然改變著經(jīng)典經(jīng)濟(jì)學(xué)的固有思維模式，為決策理論的微觀基礎(chǔ)提供了全新的科學(xué)詮釋。

[關(guān)鍵詞]生理效用 DDM模型 大腦黑箱 實(shí)證主義傳統(tǒng) 決策行為

一、引言

實(shí)證主義傳統(tǒng)*實(shí)證主義傳統(tǒng)是以新古典經(jīng)濟(jì)學(xué)為代表的主流經(jīng)濟(jì)學(xué)的標(biāo)志性研究方法。其哲學(xué)思想可追溯到19世紀(jì)孔德反對(duì)形而上學(xué)而強(qiáng)調(diào)經(jīng)驗(yàn)證實(shí)的“實(shí)證哲學(xué)”。發(fā)展到20世紀(jì)上半葉，克里克等人結(jié)合邏輯分析方法將實(shí)證分為“邏輯實(shí)證”和“經(jīng)驗(yàn)實(shí)證”兩個(gè)環(huán)節(jié)，創(chuàng)立了“新實(shí)證主義”。由于“新實(shí)證主義”更加強(qiáng)調(diào)前者的重要性，故又被稱作“邏輯實(shí)證主義”，其研究模式是在建立假設(shè)的前提下，通過邏輯推演得到數(shù)理模型，強(qiáng)調(diào)精密計(jì)量檢驗(yàn)的結(jié)果。本文所論述的實(shí)證主義傳統(tǒng)是指這里的“邏輯實(shí)證主義”。主導(dǎo)下的新古典經(jīng)濟(jì)學(xué)對(duì)決策行為的研究以效用為邏輯起點(diǎn)，認(rèn)為個(gè)體的決策過程就是最大化自身效用的過程。顯然，效用的本質(zhì)是心理學(xué)的范疇，而心理又是人腦的功能。然而，新古典經(jīng)濟(jì)學(xué)卻回避了這個(gè)原本不容忽視的核心機(jī)制，簡單牽強(qiáng)地將大腦視為“黑箱”，致使傳統(tǒng)經(jīng)濟(jì)學(xué)決策理論只能用假設(shè)出來的外在尺度表示滿意程度?；谛в米畲蠡睦硇赃x擇模型也不過是“as if”(好像)的模型，即假設(shè)個(gè)體滿足一致性公理的前提下，就“好像”存在著一個(gè)能將選擇結(jié)果與效用相聯(lián)系的效用函數(shù)，且其選擇行為“好像”是在最大化這個(gè)潛在的效用函數(shù)。而更致命的是由此產(chǎn)生的期望效用理論和貼現(xiàn)效用理論成為新古典經(jīng)濟(jì)學(xué)決策理論的基石，并用精美的數(shù)學(xué)語言描述個(gè)體以自身利益最大化為目標(biāo)的決策過程。這些理性選擇模型忽視了產(chǎn)生決策行為的真實(shí)生理過程，而僅把決策行為看作是機(jī)械的計(jì)算過程。這雖然實(shí)現(xiàn)了經(jīng)濟(jì)學(xué)體系內(nèi)部的邏輯自洽，卻因偏離人類真實(shí)的行為邏輯而日益受到不斷涌現(xiàn)的“異象”挑戰(zhàn)。

神經(jīng)經(jīng)濟(jì)學(xué)*Neuroeconomics是Neurology(神經(jīng)生物學(xué))與Economics(經(jīng)濟(jì)學(xué))的合成詞，最早于1996年由喬治梅森大學(xué)的Kevin McCabe提出。中國關(guān)于神經(jīng)經(jīng)濟(jì)學(xué)的研究尚處于起步階段。最初國內(nèi)學(xué)者曾將Neuroeconomics譯為“神經(jīng)元經(jīng)濟(jì)學(xué)”，近年來隨著Neuromanagement(神經(jīng)管理學(xué))、Neuroethics(神經(jīng)倫理學(xué))、Neuromarketing(神經(jīng)營銷學(xué))等以Neuro為前綴命名的學(xué)科被相繼命名為“神經(jīng)某某學(xué)”，國內(nèi)學(xué)界也按慣例將Neuroecomics統(tǒng)稱作“神經(jīng)經(jīng)濟(jì)學(xué)”。本文沿用“神經(jīng)經(jīng)濟(jì)學(xué)”提法。從神經(jīng)生物學(xué)、心理學(xué)角度對(duì)經(jīng)濟(jì)學(xué)決策行為進(jìn)行探討，借助功能磁共振成像技術(shù)(fMRI)、腦電圖(EEG)、正電子發(fā)射計(jì)算機(jī)斷層掃描(PET)、單光子發(fā)射斷層掃描(SPECT)、經(jīng)顱磁刺激(TMS)等先進(jìn)的腦成像技術(shù)將決策研究深入到個(gè)體行為的內(nèi)在神經(jīng)基礎(chǔ)，正視被實(shí)證主義傳統(tǒng)所忽視的一個(gè)重要問題：作為生物人的經(jīng)濟(jì)個(gè)體其真實(shí)的決策過程、基礎(chǔ)、規(guī)律是什么？更值得關(guān)注的是——當(dāng)這個(gè)被視為不可得知的“大腦黑箱”被打開后，以實(shí)證主義傳統(tǒng)為代表的經(jīng)典經(jīng)濟(jì)學(xué)將面臨怎樣的改寫？

在此背景下，本文基于神經(jīng)經(jīng)濟(jì)學(xué)生理效用理論和DDM模型的解讀，對(duì)經(jīng)濟(jì)學(xué)決策理論的發(fā)展做出評(píng)述，并對(duì)實(shí)證主義傳統(tǒng)“效用”理論的微觀基礎(chǔ)進(jìn)行神經(jīng)經(jīng)濟(jì)學(xué)視角的反思。

二、生理效用理論的核心內(nèi)涵

傳統(tǒng)“效用”理論對(duì)決策行為的描述采用的是簡單的代數(shù)形式。而神經(jīng)經(jīng)濟(jì)學(xué)認(rèn)為個(gè)體的決策行為源于大腦活動(dòng)，受到大腦不同的神經(jīng)結(jié)構(gòu)控制，是神經(jīng)系統(tǒng)對(duì)搜集的信息進(jìn)行編碼和處理的產(chǎn)物。據(jù)此，神經(jīng)經(jīng)濟(jì)學(xué)家Glimcher等(2005)[1]提出了生理效用理論(physiological utility theory)，認(rèn)為神經(jīng)系統(tǒng)會(huì)對(duì)“滿意程度”進(jìn)行真實(shí)生物計(jì)算和評(píng)估。研究者通過對(duì)猴子的神經(jīng)生物學(xué)實(shí)驗(yàn)發(fā)現(xiàn)猴腦側(cè)頂葉的神經(jīng)元負(fù)責(zé)對(duì)眼睛掃視動(dòng)作的相對(duì)期望效用進(jìn)行編碼。即猴腦中側(cè)頂葉區(qū)域神經(jīng)元細(xì)胞的行為方式并非“好像”(as if)某種效用函數(shù)，而“確實(shí)就是”(as is)某種生理效用函數(shù)。這一發(fā)現(xiàn)又被進(jìn)一步推廣至人類，Glimcher等人用fMRI研究驗(yàn)證了人腦中與側(cè)頂葉處于相同位置的頂內(nèi)溝具有同樣的活動(dòng)特征。

這里的“生理效用”函數(shù)并不完全等同于實(shí)證主義傳統(tǒng)決策理論中的“效用”函數(shù)，在基于價(jià)值的選擇(value-based choice)領(lǐng)域，表現(xiàn)為對(duì)“決策價(jià)值”(decision value)的計(jì)算與比較?，F(xiàn)有研究對(duì)大腦做出簡單選擇(simple choice)時(shí)的這個(gè)工作機(jī)理已經(jīng)逐漸達(dá)成了共識(shí)。一致認(rèn)為大腦中確實(shí)存在著“決策價(jià)值”信號(hào)，神經(jīng)系統(tǒng)首先會(huì)對(duì)選項(xiàng)進(jìn)行評(píng)估賦值，然后通過比較它們的大小做出選擇。[2-4]顯然，這些研究已經(jīng)突破實(shí)證主義的邏輯框架，從生理變量角度關(guān)注決策行為。

近年來在大腦決策神經(jīng)計(jì)算機(jī)制的研究方面，神經(jīng)經(jīng)濟(jì)學(xué)取得了新的進(jìn)展，建立了以神經(jīng)活動(dòng)為基礎(chǔ)的決策模型。這些模型的計(jì)算結(jié)果具有“生理效用”的特征，是決策過程中大腦活動(dòng)的真實(shí)反映，因而能對(duì)個(gè)體決策行為做出“as is”(確實(shí)就是)的解釋。

(一)DDM模型的提出

根據(jù)簡單選擇領(lǐng)域的研究，神經(jīng)經(jīng)濟(jì)學(xué)決策模型中的核心變量“決策價(jià)值”是神經(jīng)計(jì)算的結(jié)果，其編碼過程位于腹內(nèi)側(cè)前額葉皮層(ventral medial prefrontal cortex)(Harris等，2011[5])，該腦區(qū)不僅能對(duì)簡單選擇進(jìn)行編碼，而且同樣適用于博弈、金錢的延遲支付和慈善捐贈(zèng)等更加復(fù)雜的情形。不同于傳統(tǒng)經(jīng)濟(jì)理論中決策者事先已知自己的偏好并進(jìn)行排序的理論假設(shè)，神經(jīng)經(jīng)濟(jì)學(xué)認(rèn)為個(gè)體會(huì)在選擇時(shí)對(duì)選項(xiàng)進(jìn)行即時(shí)評(píng)價(jià)，且每個(gè)選項(xiàng)的決策價(jià)值由其多重屬性所決定。因此，令di(x)表示選項(xiàng)x的第i維屬性，則選項(xiàng)x的決策價(jià)值為：

vx=∑widi(x)

(1)

其中wi是第i維屬性的權(quán)重。

對(duì)決策價(jià)值進(jìn)行比較是決策過程的關(guān)鍵步驟，在這方面的研究中尤其值得關(guān)注的是漂移擴(kuò)散模型(drift-diffusion model)*漂移擴(kuò)散模型(DDM)是序貫抽樣模型(sequential sampling models)的一種。序貫抽樣模型是被廣泛應(yīng)用于心理和認(rèn)知科學(xué)的動(dòng)態(tài)決策模型，其基本觀點(diǎn)是決策者在做出選擇時(shí)，大腦中選擇信息會(huì)連續(xù)、隨機(jī)地累積，直至達(dá)到一個(gè)可以判斷選項(xiàng)偏好的閥值。，即DDM模型。DDM最早由心理學(xué)家Ratcliff提出并被廣泛應(yīng)用于認(rèn)知科學(xué)的研究，其對(duì)二元認(rèn)知決策和基于價(jià)值決策的心理測量數(shù)據(jù)做出了準(zhǔn)確描述(Ratcliff， 1978[6]；Raticliff 和 Smith，2004[7]；Raticliff 和McKoon，2008[8])。在經(jīng)濟(jì)學(xué)的決策研究中，DDM模型解決的是簡單情況下的隨機(jī)選擇問題，并為隨機(jī)效用模型(random utility models，RUMs)*隨機(jī)效用模型(RUMs)是對(duì)離散選擇行為做出經(jīng)濟(jì)學(xué)解釋的基礎(chǔ)，由Daniel McFadden發(fā)展并應(yīng)用于計(jì)量經(jīng)濟(jì)學(xué)。提供了神經(jīng)生理學(xué)基礎(chǔ)。[9]DDM模型認(rèn)為大腦中的噪音會(huì)使個(gè)體對(duì)選項(xiàng)決策效用的評(píng)價(jià)具有隨機(jī)性，決策者對(duì)x和y兩個(gè)選項(xiàng)做出選擇的過程就是不斷計(jì)算兩者之間相對(duì)決策價(jià)值(relative decision value，RDV)的動(dòng)態(tài)過程。RDV信號(hào)能夠衡量兩個(gè)選項(xiàng)價(jià)值評(píng)估的差異，并一直演變(evolve)直到達(dá)到一個(gè)預(yù)設(shè)的門檻值，即選擇屏障(choice barrier)±B。RDV若達(dá)到+B，表明決策者選擇x選項(xiàng)，而達(dá)到-B則表明選擇y選項(xiàng)。RDV隨時(shí)間變化的過程可以由以下方程表示：

Vt=Vt-1+μt+εt

(2)

其中，Vt代表t時(shí)刻的相對(duì)決策價(jià)值(RDV)，μt代表達(dá)到門檻值的速度的漂移率，εt代表均值為0，方差為σ2的服從獨(dú)立同分布的高斯白噪聲。假設(shè)這個(gè)過程從V(0)=0處開始(因此對(duì)于x、y這兩個(gè)選項(xiàng)不存在初始偏見)，并且觀察到的反應(yīng)時(shí)間包括一段不對(duì)價(jià)值進(jìn)行計(jì)算比較的非決策時(shí)間(non-decision time，NDT)。

式(2)中的漂移率μt是兩個(gè)選項(xiàng)價(jià)值差異的函數(shù)。假設(shè)該函數(shù)為線性，則漂移率可以表示為μt=d(vx-vy)，其中d為常數(shù)，vx、vy分別表示x、y這兩個(gè)選項(xiàng)的決策價(jià)值。從而，式(2)可以重寫為

Vt=Vt-1+d(vx-vy)+εt

(3)

根據(jù)這一模型，決策者做出決策所用的時(shí)間長短即反應(yīng)時(shí)間(response time，RT)取決于選項(xiàng)之間決策價(jià)值的差異vx-vy，兩者之間的差異越大則RDV變動(dòng)的斜率越陡峭，做出決策的時(shí)間越短，反之則越長，從而在反應(yīng)時(shí)間和選擇問題之間建立起了清晰而明確的聯(lián)系。

DDM所描述的決策過程如圖1所示。不同于實(shí)證主義傳統(tǒng)的純粹數(shù)理模型，上述神經(jīng)經(jīng)濟(jì)學(xué)模型的最大特點(diǎn)在于能夠模仿腦神經(jīng)的真實(shí)工作機(jī)制，展現(xiàn)與大腦進(jìn)行簡單決策時(shí)相近的算法。因?yàn)樯窠?jīng)元傳遞信息用的是“有或者沒有”的信號(hào)——?jiǎng)幼麟娢?，這一信號(hào)只有在對(duì)神經(jīng)元的輸入達(dá)到一個(gè)關(guān)鍵門檻時(shí)才會(huì)出現(xiàn)。[10]腦神經(jīng)科學(xué)研究也確實(shí)發(fā)現(xiàn)非人靈長類在進(jìn)行認(rèn)知決策時(shí)其側(cè)頂葉皮層有著與DDM計(jì)算機(jī)制類似的神經(jīng)活動(dòng)(Shadlen和New Some，1996[11]，2001[12])，而人類在進(jìn)行選擇任務(wù)時(shí)該機(jī)制存在于背內(nèi)側(cè)前額葉皮層(Armel等，2008[13])。

圖1 漂移擴(kuò)散模型(Drift-Diffusion Model)決策機(jī)制的圖解

DDM對(duì)于簡單決策過程中選擇行為和反應(yīng)時(shí)間的解釋力已經(jīng)得到了神經(jīng)科學(xué)研究的證實(shí)。Mormann等(2010)[14]通過真實(shí)情境下的食物選擇實(shí)驗(yàn)，第一次從行為神經(jīng)科學(xué)角度檢驗(yàn)了DDM在基于價(jià)值的選擇領(lǐng)域的應(yīng)用效果。他們首先讓被試者對(duì)備選食物的喜好程度評(píng)分，用來衡量每個(gè)選項(xiàng)的決策價(jià)值。然后向被試者隨機(jī)展示兩種食物的圖片，讓其從中選擇更愿意在實(shí)驗(yàn)結(jié)束后吃掉的那項(xiàng)，并記錄反應(yīng)時(shí)間和選擇正確率。在之后的模型擬合過程中，他們發(fā)現(xiàn)的確可以得到相關(guān)參數(shù)使DDM模型的預(yù)測與觀察到的選擇行為及反應(yīng)時(shí)間分布之間具有顯著的定量匹配度。

(二)DDM模型的擴(kuò)展

上文介紹的是DDM基本的標(biāo)準(zhǔn)形式。在此基礎(chǔ)上，考慮到注視(visual fixations)*注視(visual fixations)這里也即注意力(attention)，涉及大腦在不同情境下配置計(jì)算資源(computational resources)的能力，這種配置計(jì)算資源的能力在決策過程中非常重要，因?yàn)榇竽X的計(jì)算資源是稀缺資源，會(huì)隨能量的消耗而減少。對(duì)決策價(jià)值比較過程的引導(dǎo)作用，神經(jīng)經(jīng)濟(jì)學(xué)家又進(jìn)一步提出了注視調(diào)節(jié)下的漂移擴(kuò)散模型(attentional drift-diffusion model)，即aDDM模型(Krajbich等，2010[15])。其核心思想是決策者對(duì)某一選項(xiàng)的注視會(huì)導(dǎo)致暫時(shí)的漂移偏差，從而造成對(duì)該選項(xiàng)的選擇偏好。aDDM與基本的DDM最大的區(qū)別在于每個(gè)特定的瞬間RDV變動(dòng)的斜率都取決于注視的定位，且該斜率與被注視項(xiàng)和未被注視項(xiàng)之間的權(quán)重差異成比例。這個(gè)權(quán)重差異使得未被注視項(xiàng)的價(jià)值相對(duì)低于被注視項(xiàng)，從而令選擇行為偏向于獲得更多注視的選項(xiàng)。以對(duì)左右兩個(gè)選項(xiàng)進(jìn)行的二元選擇為例，aDDM的表達(dá)式為：

(4)

(5)

隨后，Krajbich和Rangel(2011)[17]又成功擴(kuò)展了aDDM的數(shù)學(xué)形式，將其應(yīng)用于三元選擇領(lǐng)域。該模型與二元情況下的關(guān)鍵區(qū)別在于有三個(gè)相對(duì)價(jià)值信號(hào)，每個(gè)選項(xiàng)對(duì)應(yīng)一個(gè)信號(hào)。支持相應(yīng)選項(xiàng)的證據(jù)(evidence)以不同的速率累積，該速率取決于備選項(xiàng)的價(jià)值及其是否被注視。例如，當(dāng)被試者注視左邊選項(xiàng)時(shí)相應(yīng)的累積速率可用下式表示：

(6)

(7)

(8)

這里的Et代表t時(shí)刻積累的支持相應(yīng)選項(xiàng)的證據(jù)，d為常數(shù)，v代表每個(gè)選項(xiàng)的決策價(jià)值，θ(0<θ<1)是反映對(duì)被注視選項(xiàng)偏好的參數(shù)，εt是方差為σ2的高斯白噪聲。則各選項(xiàng)的相對(duì)價(jià)值信號(hào)可作如下定義：

(9)

(10)

(11)

三、DDM模型的應(yīng)用價(jià)值

在將注視納入考察后，DDM模型在神經(jīng)經(jīng)濟(jì)學(xué)決策理論中的研究已經(jīng)從二元選擇領(lǐng)域擴(kuò)展到了多元領(lǐng)域，而其應(yīng)用價(jià)值主要得益于獨(dú)特的模型結(jié)構(gòu)和新變量的引入。

DDM的一大優(yōu)勢是能夠結(jié)合反應(yīng)時(shí)間和選擇數(shù)據(jù)提高樣本外預(yù)測*樣本外預(yù)測(out-of-sample prediction)即根據(jù)樣本內(nèi)的觀測值建模，再使用該模型預(yù)測樣本外的值。的精確度，該優(yōu)勢在與二元選擇情況下的傳統(tǒng)模型——logistic回歸模型的對(duì)比中得到了驗(yàn)證(Clithero和Rangel，2013[18])。樣本外預(yù)測效果的檢驗(yàn)建立在兩個(gè)數(shù)據(jù)集的基礎(chǔ)上，數(shù)據(jù)來自實(shí)驗(yàn)室中由相同個(gè)體做出的選擇。第一個(gè)數(shù)據(jù)集從“是或否”的選擇任務(wù)(YN-Task)中產(chǎn)生。在該任務(wù)中一共有N種不同的零食選項(xiàng)，每種零食都出現(xiàn)T次，此外還有一個(gè)固定不變的參照項(xiàng)。每一輪試驗(yàn)中，被試者都面臨其中一個(gè)零食選項(xiàng)的圖片，并決定是愿意選擇該零食并在實(shí)驗(yàn)結(jié)束后吃掉(選擇“是”，ct=Yes)，還是更愿意吃參照選項(xiàng)所示的零食(選擇“不是”，ct=No)。由此，每個(gè)被試者都產(chǎn)生一個(gè)N×T次決策的數(shù)據(jù)集。第二個(gè)數(shù)據(jù)集描述的則是“二選一”的強(qiáng)迫選擇任務(wù)(2AFC-Task)的結(jié)果，在該任務(wù)中被試者要在YN-Task中出現(xiàn)過的所有可能的非參照選項(xiàng)對(duì)中做出選擇。每一輪試驗(yàn)中被試者都面臨呈現(xiàn)在電腦屏幕左右兩邊的兩種零食圖片，并必須從中選擇更愿意在實(shí)驗(yàn)結(jié)束后吃掉的那項(xiàng)(ct=Left或者ct=Right)。由此，每個(gè)被試者都產(chǎn)生一個(gè)N(N-1)/2次決策的數(shù)據(jù)集。在實(shí)驗(yàn)中第一個(gè)任務(wù)先于第二個(gè)任務(wù)完成，并且每個(gè)任務(wù)中被試者的選擇結(jié)果(ct)和反應(yīng)時(shí)間(rtt)數(shù)據(jù)都被記錄下來。

樣本外預(yù)測的基本思想是用第一個(gè)數(shù)據(jù)集中的數(shù)據(jù)分別建立傳統(tǒng)的logistic模型和神經(jīng)經(jīng)濟(jì)學(xué)的DDM模型，來分別預(yù)測2AFC-Task中的選擇情況。

用logistic模型進(jìn)行預(yù)測包括兩個(gè)步驟。第一步，用來自YN-Task的數(shù)據(jù)估計(jì)以下logistic選擇概率：

(12)

第二步，在假設(shè)logistic模型同樣可以描述2AFC-Task選擇過程的前提下，以上所估計(jì)的參數(shù)就可以用于預(yù)測選擇行為，如下式：

(13)

用DDM進(jìn)行預(yù)測同樣包括類似的兩個(gè)步驟。第一步，用來自YN-Task的數(shù)據(jù)估計(jì)DDM的三個(gè)自由參數(shù)：(1)門檻值的大小(B)；(2)每個(gè)選項(xiàng)i的漂移率(μi，這里的i代表非參照項(xiàng))；(3)非選擇時(shí)間(NDT)。在這里不失一般性地設(shè)定σ2=1，然后利用最大似然估計(jì)擬合參數(shù)值。令L(ct,brtt|B,μIt，NDT)表示每個(gè)被試者在第t輪試驗(yàn)觀測值的似然值，其中brtt代表反應(yīng)時(shí)間。則每個(gè)被試者全部數(shù)據(jù)集的對(duì)數(shù)似然函數(shù)可以定義為：

(14)

第二步，假設(shè)DDM同樣可以描述2AFC-Task選擇過程，由于DDM做出的預(yù)測符合logistic選擇曲線形式，可以用下式預(yù)測任務(wù)二中的選擇行為。

(15)

這兩種情況都是用來自于YN-Task中的數(shù)據(jù)估計(jì)每個(gè)選項(xiàng)的價(jià)值，然后再將估計(jì)所得的價(jià)值用于logistic形式的選擇函數(shù)，來預(yù)測2AFC-Task中的選擇。兩者最大的區(qū)別在于預(yù)測中所用價(jià)值的估計(jì)方式不同。在傳統(tǒng)的logistic模型中，價(jià)值是通過對(duì)選擇數(shù)據(jù)的logistic回歸得到的，而不涉及反應(yīng)時(shí)間。而DDM則同時(shí)使用選擇數(shù)據(jù)和反應(yīng)時(shí)間來估計(jì)模型的自由參數(shù)。

根據(jù)以上方法，研究者分別用模擬數(shù)據(jù)和真實(shí)的實(shí)驗(yàn)數(shù)據(jù)進(jìn)行實(shí)證研究，結(jié)果表明在任意情況下DDM的預(yù)測效果都優(yōu)于logistic回歸模型。雖然在兩個(gè)選項(xiàng)類似或者差異很大的情況下這一優(yōu)勢并不明顯，但在中間狀態(tài)下，DDM能夠大幅提高預(yù)測精度(有時(shí)達(dá)到50%)。此外，在穩(wěn)健性檢驗(yàn)中，他們將反應(yīng)時(shí)間(RT)引入到基本的logistic模型中，并將其樣本外預(yù)測表現(xiàn)與DDM進(jìn)行比較。結(jié)果發(fā)現(xiàn)擴(kuò)展后的logistic模型仍不能提高預(yù)測能力，從而進(jìn)一步證實(shí)了DDM在進(jìn)行樣本外預(yù)測時(shí)的優(yōu)勢不是僅來自于新數(shù)據(jù)(反應(yīng)時(shí)間)的引入，而是基于模型自身的結(jié)構(gòu)優(yōu)勢。這項(xiàng)研究為解決簡單情況下離散選擇的樣本外預(yù)測提供了新思路。

此外，實(shí)證主義傳統(tǒng)決策理論的研究模式是針對(duì)不同決策情境分別建立數(shù)學(xué)模型，而以DDM為代表的神經(jīng)經(jīng)濟(jì)學(xué)決策模型則試圖描述決策行為統(tǒng)一的一般過程。即如果決策行為是由大腦對(duì)決策價(jià)值進(jìn)行適應(yīng)性編碼產(chǎn)生的，那么無論不同決策情境下所考慮的選項(xiàng)的實(shí)際值如何，其在大腦決策機(jī)制中的輸入范圍都可能非常相似。例如從100美元中得到50美元和從20點(diǎn)中得到10點(diǎn)，都是對(duì)于得到總量中二分之一的主觀價(jià)值評(píng)價(jià)，有著相同的決策價(jià)值編碼。因此在外部影響因素一致的情況下可以跨情境地對(duì)選擇行為和反應(yīng)時(shí)間做出預(yù)測。Krajbich等(2015)[19]研究證明最初用于研究食物選擇的aDDM的擴(kuò)展式，同樣可以對(duì)四個(gè)不同社會(huì)偏好決策實(shí)驗(yàn)中的決策行為和反應(yīng)時(shí)間做出準(zhǔn)確預(yù)測。他們指出這種跨越了不同實(shí)驗(yàn)被試者、決策標(biāo)的、選擇環(huán)境的模型穩(wěn)健性預(yù)示著大腦在決策時(shí)采用的是一致過程。而且已有研究表明，被試者在做出食物選擇和社會(huì)偏好決策時(shí)都激活了腹內(nèi)側(cè)前額葉皮層和紋狀體這些相同的腦區(qū)。[20-23]因此，盡管不同決策情境下的選擇有很大差異，我們依然有理由相信其中存在著共同決策機(jī)制。

四、對(duì)傳統(tǒng)“效用”理論的反思

根據(jù)神經(jīng)經(jīng)濟(jì)學(xué)的生理效用理論，個(gè)體決策所依據(jù)的“效用”不再是心理上難以測量的感知，或是實(shí)證主義傳統(tǒng)下抽象的數(shù)學(xué)概念，而是以真實(shí)神經(jīng)反應(yīng)為基礎(chǔ)的生理計(jì)算的結(jié)果。這種全新的研究視角不僅促進(jìn)了新的決策理論模型的發(fā)展，而且使我們從神經(jīng)元層面反思異象對(duì)傳統(tǒng)“效用”理論的挑戰(zhàn)。

(一)風(fēng)險(xiǎn)和不確定決策與期望效用理論

在風(fēng)險(xiǎn)與不確定決策中，期望效用理論假定決策者的偏好服從一系列公理，然后用期望效用函數(shù)將各種不同情形下的發(fā)生概率與效用相乘并加總，進(jìn)而得到最終期望效用最大的方案。然而，后續(xù)的經(jīng)濟(jì)學(xué)研究發(fā)現(xiàn)人類的行為邏輯與實(shí)證主義傳統(tǒng)的數(shù)學(xué)邏輯并不一致。Allais(1952)提出的阿萊斯悖論(Allais paradox)*法國諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)得主Allais(1952)提出的阿萊斯悖論，指出人們在決策時(shí)對(duì)確定性結(jié)果的偏好更勝于不確定的結(jié)果。和Ellsberg(1961)提出的埃爾斯伯格悖論(Ellsberg paradox)*Ellsberg(1961)提出埃爾斯伯格悖論，發(fā)現(xiàn)個(gè)體在決策時(shí)表現(xiàn)出模糊厭惡，即人們對(duì)于已知概率的偏好優(yōu)于未知概率。都表明現(xiàn)實(shí)中個(gè)體的決策行為會(huì)系統(tǒng)地偏離期望效用理論的效用最大化原則，個(gè)體的偏好并不服從經(jīng)典決策理論的線性假設(shè)。為了解釋這些異象，行為經(jīng)濟(jì)學(xué)家Kahneman和Tverksy(1979)[24]提出了前景理論(prospect theory)，認(rèn)為現(xiàn)實(shí)經(jīng)濟(jì)行為中普遍存在“損失厭惡”*損失厭惡(loss aversion)是指人們面對(duì)同樣數(shù)量的收益和損失時(shí)，感到損失令他們產(chǎn)生更大的情緒影響，其反應(yīng)了人們的風(fēng)險(xiǎn)偏好并不是一致的，當(dāng)涉及的是收益時(shí)，人們表現(xiàn)為風(fēng)險(xiǎn)厭惡；當(dāng)涉及的是損失時(shí)，人們則表現(xiàn)為風(fēng)險(xiǎn)尋求。和“稟賦效應(yīng)”*稟賦效應(yīng)(endowment effect)是與損失厭惡相關(guān)聯(lián)的現(xiàn)象，即投資者偏好堅(jiān)持他們已有的東西而不愿意與別人進(jìn)行交易以換得更好的替代品。因?yàn)榉艞壱豁?xiàng)資產(chǎn)的痛苦程度大于得到一項(xiàng)資產(chǎn)的喜悅程度，所以個(gè)體行為者為了得到資產(chǎn)的“支付意愿”(willingness to pay)要小于因?yàn)榉艞壻Y產(chǎn)的“接受意愿”(willingness to accept)。。個(gè)體在決策時(shí)依據(jù)的不是特定風(fēng)險(xiǎn)狀態(tài)下可能結(jié)果的絕對(duì)效用值，而是以某個(gè)參照點(diǎn)為基準(zhǔn)，把決策結(jié)果編碼為相對(duì)收益或損失。這一行為決策理論的神經(jīng)基礎(chǔ)早在Breiter等(2001)[25]的fMRI研究和Holroyd等(2004)[26]的EEG研究中得到了驗(yàn)證。

近年來，神經(jīng)經(jīng)濟(jì)學(xué)的研究進(jìn)一步從神經(jīng)機(jī)制角度證實(shí)了前景理論中一些原理假設(shè)的合理性。Sokol-Hessner等(2013)[27]發(fā)現(xiàn)在收益情形下被試者杏仁核的血氧水平依賴(BOLD)信號(hào)高于損失情形下的水平，說明損失厭惡的產(chǎn)生與杏仁核有關(guān)；且被試者在情感上對(duì)金融損失反應(yīng)的調(diào)節(jié)會(huì)減少杏仁核的活動(dòng)，從而減輕損失厭惡。而De Martino等(2010)[28]的研究發(fā)現(xiàn)患有選擇性雙邊杏仁核損壞的自閉癥患者并沒有表現(xiàn)出損失厭惡，這從側(cè)面證實(shí)了杏仁核對(duì)損失厭惡的產(chǎn)生具有關(guān)鍵作用。

Chumbley等(2014)[29]的研究則發(fā)現(xiàn)損失厭惡程度與下丘腦-垂體-腎上腺軸區(qū)的皮質(zhì)醇激素水平有關(guān)，其中慢性皮質(zhì)醇水平較低的被試者表現(xiàn)出更強(qiáng)的損失厭惡。與此相反，有更高內(nèi)源性皮質(zhì)醇水平的被試者則能更加公正地衡量損失和收益，其損失厭惡程度更低。國內(nèi)學(xué)者對(duì)損失厭惡的研究也取得了一定進(jìn)展。黃達(dá)強(qiáng)(2014)[30]進(jìn)行的功能性近紅外腦成像(fNIRS)實(shí)驗(yàn)結(jié)果顯示，在收益情境下被試者的左背外側(cè)前額葉皮層被明顯抑制，而在損失情境下則是右背外側(cè)前額葉皮層被明顯抑制。這一結(jié)論與神經(jīng)科學(xué)理論相吻合，通常大腦皮質(zhì)左前額葉背外側(cè)區(qū)參與正面情緒的產(chǎn)生和調(diào)節(jié)，而右前額葉背外側(cè)區(qū)參與負(fù)面情緒的產(chǎn)生和調(diào)節(jié)。可見，損失厭惡是一種人類在長期進(jìn)化過程中獲得的適應(yīng)性心理本能，并且可以通過模塊化大腦結(jié)構(gòu)進(jìn)行遺傳，一直以來都是影響人類決策行為的重要因素。

此外，神經(jīng)經(jīng)濟(jì)學(xué)對(duì)Ellsberg(1961)提出的模糊厭惡*模糊厭惡(Ambiguity Aversion)是由于信息的不完全和投資者的有限理性而產(chǎn)生的一種心理偏差，指人們面對(duì)風(fēng)險(xiǎn)決策和模糊決策時(shí)傾向選擇已知概率的風(fēng)險(xiǎn)方案而規(guī)避模糊方案。的研究也取得了一定進(jìn)展。Hsu等(2005)[31]和Chew等(2008)[32]的神經(jīng)成像研究都顯示大腦杏仁核活動(dòng)與模糊厭惡或者熟悉度偏誤相關(guān)。近年來對(duì)于腦神經(jīng)科學(xué)的研究又發(fā)現(xiàn)5-羥色胺運(yùn)轉(zhuǎn)體基因連鎖多肽區(qū)(5-HTTLPR)具有調(diào)節(jié)杏仁核活動(dòng)的作用(Hariri等，2002[33]；Roiser等，2009[34])。在此基礎(chǔ)上，Chew等(2012)[35]在一項(xiàng)實(shí)驗(yàn)室實(shí)驗(yàn)中探究了模糊厭惡和熟悉度偏好的神經(jīng)遺傳學(xué)基礎(chǔ)。研究表明5-羥色胺轉(zhuǎn)運(yùn)體基因只跟熟悉度偏誤有關(guān)，這驗(yàn)證了之前的研究結(jié)果；而多巴胺D5受體基因和雌激素受體β基因僅與模糊厭惡相關(guān)。由此證明熟悉度偏誤和模糊厭惡有著不同的神經(jīng)遺傳機(jī)制。這一研究成果為解釋國際貿(mào)易和證券市場上的“本地市場偏誤”提供了新視角。

神經(jīng)經(jīng)濟(jì)學(xué)的以上研究成果為行為經(jīng)濟(jì)學(xué)對(duì)傳統(tǒng)“效用”理論的修正提供了生理依據(jù)，證實(shí)了個(gè)體決策行為受到神經(jīng)活動(dòng)等生理因素的調(diào)節(jié)，而不是代數(shù)效用模型所能簡單描述的。為了進(jìn)一步解釋損失厭惡、模糊厭惡等現(xiàn)象對(duì)決策行為的影響，還需將激素、基因等更多的生理變量納入到神經(jīng)經(jīng)濟(jì)學(xué)決策模型中。

(二)跨期決策與貼現(xiàn)效用理論

準(zhǔn)雙曲線模型在McClure等(2004)[37]設(shè)計(jì)的實(shí)驗(yàn)中得到了神經(jīng)經(jīng)濟(jì)學(xué)的證實(shí)。他們利用fMRI考察了與被試者即時(shí)或延遲效用決策相關(guān)的神經(jīng)機(jī)制。實(shí)驗(yàn)中，被試者需要選擇是在短期內(nèi)獲得較小金額還是在延期后獲得更大金額。研究顯示，當(dāng)被試者選擇即期收益或短期延遲收益時(shí)，大腦負(fù)責(zé)控制情緒的邊緣系統(tǒng)區(qū)域的內(nèi)側(cè)前額葉皮質(zhì)、腹側(cè)紋狀體、后扣帶回被明顯激活。而當(dāng)被試者選擇長期延遲較大金額收益時(shí)，大腦與控制理性決策相關(guān)的背外側(cè)前額葉皮層、眶額葉外側(cè)皮層被更強(qiáng)烈地激活。他們的研究成果一方面為準(zhǔn)雙曲線貼現(xiàn)模型提供了一定的神經(jīng)科學(xué)證據(jù)，另一方面表明人們的跨期決策行為是大腦各神經(jīng)系統(tǒng)合作與競爭的結(jié)果。這也支持了大腦存在二元神經(jīng)系統(tǒng)的理論*神經(jīng)經(jīng)濟(jì)學(xué)領(lǐng)域的雙系統(tǒng)理論認(rèn)為決策行為受大腦的二元系統(tǒng)即系統(tǒng)1和系統(tǒng)2支配。系統(tǒng)1負(fù)責(zé)情感，可以自動(dòng)、快速地做出反應(yīng)，而不需要一點(diǎn)努力或者控制；系統(tǒng)2負(fù)責(zé)理性，需要腦力活動(dòng)，包括復(fù)雜的計(jì)算。，即期收益的選擇受大腦情感系統(tǒng)控制，而延期收益的選擇則受大腦認(rèn)知系統(tǒng)的控制，跨期決策取決于兩個(gè)系統(tǒng)間的相互作用。隨后，F(xiàn)inger人(2010)[38]的研究顯示在經(jīng)顱磁刺激擾亂了背外側(cè)前額葉皮層功能的情況下，被試者具有更高的貼現(xiàn)率，更加偏好即期收益。從而驗(yàn)證了背外側(cè)前額葉皮層具有抑制即期收益傾向的功能。

然而，在近期的一些神經(jīng)經(jīng)濟(jì)學(xué)研究中準(zhǔn)雙曲線貼現(xiàn)模型和二元神經(jīng)系統(tǒng)理論遭到了質(zhì)疑。Kable和Glimcher(2007)[39]進(jìn)行了類似的實(shí)驗(yàn)卻得到了與前述研究相悖的結(jié)果。他們用fMRI考察了被試者在一個(gè)固定的即期收益和變動(dòng)的延遲收益間進(jìn)行反復(fù)選擇時(shí)的BOLD信號(hào)。結(jié)果發(fā)現(xiàn)被試者在選擇延遲收益時(shí)，大腦的腹側(cè)紋狀體、內(nèi)側(cè)前額葉皮質(zhì)和后扣帶回這些之前被認(rèn)為與即期收益選擇相關(guān)的情感控制區(qū)域也被顯著激活了。由此推測上述邊緣區(qū)域負(fù)責(zé)對(duì)即期收益與延遲收益的主觀評(píng)價(jià)編碼，而不存在β系統(tǒng)或δ系統(tǒng)的鮮明劃分。這一研究成果也得到了其他神經(jīng)經(jīng)濟(jì)學(xué)家的支持，Ballard和Kutson(2009)[40]、Peters和Büchel(2010)[41]及Sellitto等(2011)[42]在研究跨期決策時(shí)均發(fā)現(xiàn)決策者的內(nèi)側(cè)前額葉皮質(zhì)和后扣帶回在即期收益與延遲收益兩種選擇情形下都會(huì)被激活。

從行為經(jīng)濟(jì)學(xué)對(duì)傳統(tǒng)貼現(xiàn)效用理論的修正以及神經(jīng)經(jīng)濟(jì)學(xué)利用大腦成像技術(shù)的研究結(jié)果可知，無論是指數(shù)貼現(xiàn)模型還是準(zhǔn)雙曲線貼現(xiàn)模型，它們對(duì)跨期決策過程的解釋都遭到了質(zhì)疑。原因在于兩者之間的差異僅是模型假設(shè)的改變，而本質(zhì)上仍都沿用邏輯實(shí)證主義的范式，沒有深入到“大腦黑箱”內(nèi)部。神經(jīng)經(jīng)濟(jì)學(xué)決策模型則直接從神經(jīng)編碼過程出發(fā)揭示決策產(chǎn)生的真實(shí)機(jī)制，為研究個(gè)體決策行為提供了統(tǒng)一的新思路。

五、評(píng)價(jià)與展望

神經(jīng)經(jīng)濟(jì)學(xué)將腦科學(xué)技術(shù)應(yīng)用于經(jīng)濟(jì)學(xué)研究不僅是對(duì)主流經(jīng)濟(jì)學(xué)方法論的創(chuàng)新，而且從大腦神經(jīng)元層面重新詮釋了經(jīng)濟(jì)學(xué)決策行為研究的微觀基礎(chǔ)。

雖然目前還沒有能夠充分描述大腦決策過程的系統(tǒng)模型，但神經(jīng)經(jīng)濟(jì)學(xué)現(xiàn)有的研究成果已經(jīng)初具“as is”(確實(shí)就是)模型的雛形。不同于實(shí)證主義傳統(tǒng)將大腦視為“黑箱”的純代數(shù)模型，以DDM為代表的神經(jīng)經(jīng)濟(jì)學(xué)模型能夠從生理角度出發(fā)，在內(nèi)在神經(jīng)活動(dòng)與外在決策行為間建立起直接聯(lián)系，這種聯(lián)系必然更接近真實(shí)。此外在將注視、反應(yīng)時(shí)間等實(shí)證主義傳統(tǒng)模型所忽視的因素考慮在內(nèi)后，神經(jīng)經(jīng)濟(jì)學(xué)研究豐富了經(jīng)濟(jì)學(xué)決策模型的形式，提高了預(yù)測精度。

更值得關(guān)注的是，現(xiàn)有研究指出大腦在不同情境下的決策機(jī)制是相似的，因而基于決策價(jià)值信號(hào)計(jì)算的神經(jīng)經(jīng)濟(jì)學(xué)模型能夠描述產(chǎn)生決策行為的一般過程。前文所述的腹內(nèi)側(cè)前額葉皮層能夠?qū)唵芜x擇和復(fù)雜選擇情況下的決策價(jià)值編碼，及DDM框架下大腦在進(jìn)行二元和三元選擇時(shí)有著相似的計(jì)算過程的研究成果也在一定程度上支持了這一觀點(diǎn)。我們可以預(yù)見神經(jīng)經(jīng)濟(jì)學(xué)將用共同決策機(jī)制代替實(shí)證主義傳統(tǒng)針對(duì)不同情境建立多個(gè)決策模型的理論框架。而想要得到充分描述大腦決策過程的可靠模型并解釋更復(fù)雜的決策行為，需要進(jìn)一步密切腦科學(xué)與經(jīng)濟(jì)學(xué)之間的銜接，用經(jīng)濟(jì)學(xué)的思維將神經(jīng)元活動(dòng)轉(zhuǎn)換為定量化的研究工具。

相信隨著大腦成像技術(shù)的日漸成熟和神經(jīng)經(jīng)濟(jì)學(xué)家的不懈努力，決策的“大腦黑箱”將被進(jìn)一步打開。神經(jīng)經(jīng)濟(jì)學(xué)將最終以更詳細(xì)的神經(jīng)活動(dòng)描述替代實(shí)證主義傳統(tǒng)的簡單數(shù)學(xué)思想，從而對(duì)決策行為做出更準(zhǔn)確的解釋和預(yù)測。

[1]Glimcher P W, Dorris M C, Bayer H M. Physiological Utility Theory and the Neuroeconomics of Choice [J].Games and Economic Behavior, 2005, 52 (2): 213-256.

[2]Rangel A, Camerer C, Montague P R. A Framework for Studying the Neurobiology of Value-based Decision Making [J].Nature Reviews Neuroscience, 2008, 9 (7): 545-556.

[3]Wallis J D. Orbitofrontal Cortex and its Contribution to Decision-making [J].Annual Review of Neuroscience, 2007, 30 (1): 31-56.

[4]Padoa-Schioppa C, Assad J A. Neurons in the Orbitofrontal Cortex Encode Economic Value [J].Nature, 2006, 441 (7090): 223-226.

[5]Harris A, Adolphs R, Camerer C, Rangel A. Dynamic Construction of Stimulus Values in the Ventromedial Prefrontal Cortex [J].Plos One, 2011, 6 (6): 2235-2239.

[6]Ratcliff R. A Theory of Memory Retrieval [J].Psychological Review, 1978, 85 (2): 59.

[7]Ratcliff R, Smith P L. A Comparison of Sequential Sampling Models for Two-choice Reaction Time [J].Psychological Review, 2004, 111 (2): 333-367.

[8]Ratcliff R, McKoon G. The Diffusion Decision Model: Theory and Data for Two-choice Decision Tasks [J].Neural Computation, 2008, 20 (4): 873-922.

[9]Fehr E, Rangel A. Neuroeconomic Foundations of Economic Choice-Recent Advances [J].The Journal of Economic Perspectives, 2011, 25 (4):3-30.

[10]Krajbich I, Oud B, Fehr E. Benefits of Neuroeconomic Modeling: New Policy Interventions and Predictors of Preference [J].The American Economic Review, 2014, 104 (5): 501-506.

[11]Shadlen M N, Newsome W T. Motion Perception: Seeing and Deciding [J].Proceedings of the National Academy of Sciences, 1996, 93 (2): 628-633.

[12]Shadlen M N, Newsome W T. Neural Basis of a Perceptual Decision in the Parietal Cortex (area LIP) of the Rhesus Monkey [J].Journal of Neurophysiology, 2001, 86 (4): 1916-1936.

[13]Armel K C, Beaumel A, Rangel A. Biasing Simple Choices by Manipulating Relative Visual Attention [J].Judgment and Decision Making, 2008, 3 (5): 396-403.

[14]Mormann M M, Malmaud J, Huth A, et al. The Drift Diffusion Model can Account for the Accuracy and Reaction Times of Value-Based Choice under High and Low Time Pressure [J].Judgement and Decision Making, 2010, 5 (6): 437-449.

[15]Krajbich I, Armel C, Rangel A. Visual Fixations and the Computation and Comparison of Value in Simple Choice [J].Nature Neuroscience, 2010, 13 (10): 1292-1298.

[16]Shimojo S, Simion C, Shimojo E, et al. Gaze Bias Both Reflects and Influences Preference [J].Nature Neuroscience, 2003, 6 (12): 1317-1322.

[17]Krajbich I, Rangel A. Multialternative Drift-Diffusion Model Predicts the Relationship between Visual Fixations and Choice in Value-based Decisions [J].Proceedings of the National Academy of Sciences, 2011, 108 (33): 13852-13857.

[18]Clithero J A, Rangel A. Combining Response Times and Choice Data Using a Neuroeconomic Model of the Decision Process Improves Out-of-Sample Predictions [Z].Unpublished, 2013.

[19]Krajbich I, Hare T, Bartling B, et al. A Common Mechanism Underlying Food Choice and Social Decisions [J].Plos Computational Biology, 2015, 11 (10): e1004371.

[20]Hare T A, Schultz W, Camerer C F, et al. Transformation of Stimulus Value Signals into Motor Commands during Simple Choice [J].Proceedings of the National Academy of Sciences, 2011, 108 (44): 18120-18125.

[21]Levy D J, Glimcher P W. Comparing Apples and Oranges: Using Reward-specific and Reward-general Subjective Value Representation in the Brain [J].The Journal of Neuroscience, 2011, 31 (41): 14693-14707.

[22]Hare T A, Camerer C F, Knoepfle D T, et al. Value Computations in Ventral Medial Prefrontal Cortex during Charitable Decision Making Incorporate Input from Regions Involved in Social Cognition [J].The Journal of Neuroscience, 2010, 30 (2): 583-590.

[23]Chib V S, Rangel A, Shimojo S, et al. Evidence for a Common Representation of Decision Values for Dissimilar Goods in Human Ventromedial Prefrontal Cortex [J].The Journal of Neuroscience, 2009, 29 (39): 12315-12320.

[24]Kahneman D, Tversky A. Prospect Theory: An Analysis of Decision under Risk [J].Econometrica: Journal of the Econometric Society, 1979, 47 (2): 263-291.

[25]Breiter H C, Aharon I, Kahneman D, et al. Functional Imaging of Neural Responses to Expectancy and Experience of Monetary Gains and Losses [J].Neuron, 2001, 30 (2): 619-639.

[26]Holroyd C B, Larsen J T, Cohen J D. Context Dependence of the Event-related Brain Potential Associated with Reward and Punishment [J].Psychophysiology, 2004, 41 (2): 245-253.

[27]Sokol-Hessner P, Camerer C F, Phelps E A. Emotion Regulation Reduces Loss Aversion and Decreases Amygdala Responses to Losses [J].Social Cognitive and Affective Neuroscience, 2013, 8 (3): 341-350.

[28]De Martino B, Camerer C F, Adolphs R. Amygdala Damage Eliminates Monetary Loss Aversion [J].Proceedings of the National Academy of Sciences, 2010, 107 (8): 3788-3792.

[29]Chumbley J R, Krajbich I, Engelmann J B, et al. Endogenous Cortisol Predicts Decreased Loss Aversion in Young Men [J].Psychological Science, 2014, 25 (11): 2102-2105.

[30]黃達(dá)強(qiáng). 損失厭惡與偏好的異質(zhì)性——來自神經(jīng)經(jīng)濟(jì)學(xué)的證據(jù)[J].南方經(jīng)濟(jì)，2014(7)：88-93.

[31]Hsu M, Bhatt M, Adolphs R, et al. Neural Systems Responding to Degrees of Uncertainty in Human Decision-making [J].Science, 2005, 310 (5754): 1680-1683.

[32]Chew S H, Li K K, Chark R, et al. Source Preference and Ambiguity Aversion: Models and Evidence from Behavioral and Neuroimaging Experiments [J].Advances in Health Economics and Health Services Research, 2008, 20 (8): 179-201.

[33]Hariri A R, Mattay V S, Tessitore A, et al. Serotonin Transporter Genetic Variation and the Response of the Human Amygdala [J].Science, 2002, 297 (5580): 400-403.

[34]Roiser J P, de Martino B, Tan G C Y, et al. A Genetically Mediated Bias in Decision Making Driven by Failure of Amygdala Control [J].The Journal of Neuroscience, 2009, 29 (18): 5985-5991.

[35]Chew S H, Ebstein R P, Zhong S. Ambiguity Aversion and Familiarity Bias: Evidence from Behavioral and Gene Association Studies [J].Journal of Risk and Uncertainty, 2012, 44 (1): 1-18.

[36]Laibson D. Golden Eggs and Hyperbolic Discounting [J].Quarterly Journal of Economics, 1997: 112 (2): 443-477.

[37]McClure S M, Laibson D I, Loewenstein G, et al. Separate Neural Systems Value Immediate and Delayed Monetary Rewards [J].Science, 2004, 306 (5695): 503-507.

[38]Figner B, Knoch D, Johnson E J, et al. Lateral Prefrontal Cortex and Self-control in Intertemporal Choice [J].Nature Neuroscience, 2010, 13 (5): 538-539.

[39]Kable J W, Glimcher P W. The Neural Correlates of Subjective Value during Intertemporal Choice [J].Nature Neuroscience, 2007, 10 (12): 1625-1633.

[40]Ballard K, Knutson B. Dissociable Neural Representations of Future Reward Magnitude and Delay during Temporal Discounting [J].Neuroimage, 2009, 45 (1): 143-150.

[41]Peters J, Büchel C. Neural Representations of Subjective Reward Value [J].Behavioural Brain Research, 2010, 213 (2): 135-141.

[42]Sellitto M, Ciaramelli E, di Pellegrino G. The Neurobiology of Intertemporal Choice: Insight from Imaging and Lesion Studies [J].Reviews in the Neurosciences, 2011, 22 (5): 565-574.

When Positivism Tradition Encounters the “Black Box”：A Review on “Physiological Utility” Theory of Neuroeconomics

JIANG Qing WU Yi-qun

Abstract:The latest neuroeconomics researches on decision-making behavior are the efforts of probing into the “black box” of human brain,which is carefully concealed in positivism tradition.Through in-depth interpretation of the “physiological utility” theory and drift-diffusion model(DDM),this paper shows that the decision-making process of the brain is actually the process that nervous system calculates and evaluates the “desirability”,namely a process of assigning and comparing the decision value signals.These studies initiate the systematic connections between individuals’ internal neural activity and external decision-making behavior.Furthermore,if the value coding in the brain is subject to adaptive coding,the decision-making mechanism of the brain has similar coding process no matter how different the contexts are.Therefore,there probably exists a common mechanism that enables people to make the general predictions of choice behavior and reaction time in various domains,called common decision mechanism.These studies provide a new way to solve out-of-sample prediction problem at the scene of simple discrete choice.Obviously,neuroeconomics is gradually changing the inherent thinking mode of classical economics,and it provides a new scientific explanation for the micro-foundation of decision theory.

Key words：Physiological utility DDM Black box Positivism tradition Decision-making behavior

[中圖分類號(hào)]F016

A

1000-1549(2006)11-0095-09

[收稿日期]2016-05-16

[作者簡介]江晴，女，1960年2月生，武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院教授，經(jīng)濟(jì)學(xué)博士，研究方向?yàn)樨泿沤?jīng)濟(jì)學(xué)、公司金融；吳逸群，女，1991年10月生，武漢大學(xué)經(jīng)濟(jì)與管理學(xué)院研究生，研究方向?yàn)樨泿沤?jīng)濟(jì)學(xué)、公司金融。

[基金項(xiàng)目]國家社科基金項(xiàng)目“貨幣經(jīng)濟(jì)中的實(shí)證主義傳統(tǒng)與實(shí)驗(yàn)經(jīng)濟(jì)學(xué)思想史解析”(項(xiàng)目編號(hào)：13BJL013)。

感謝匿名評(píng)審人提出的修改建議，筆者已做了相應(yīng)修改，本文文責(zé)自負(fù)。

李 晟 張安平)