费尔-施密特不等式厌恶效应限制了社会情境下伏隔核前额叶皮层的价值编码:一项计算功能性磁共振成像研究

《Brain and Cognition》:Fehr-Schmidt inequality aversion constrains vmPFC value coding in social context: A computational fMRI study

【字体: 大 中 小 】 时间:2026年07月17日 来源:Brain and Cognition 2.1

编辑推荐:

  瓦尔迪尔·M·桑帕约•个体的不平等厌恶程度(α)与对内群体提出的报价的vmPFC反应强度呈负相关。•无论来自内群体、外群体还是计算机程序,报价金额越高,vmPFC的激活程度也越高。•基于单参数的Fehr-Schmidt模型能够准确估算个体的不平等厌恶程度。•腹侧纹状体控制区域并未

  
瓦尔迪尔·M·桑帕约
  • •
    个体的不平等厌恶程度(α)与对内群体提出的报价的vmPFC反应强度呈负相关。
  • •
    无论来自内群体、外群体还是计算机程序,报价金额越高,vmPFC的激活程度也越高。
  • •
    基于单参数的Fehr-Schmidt模型能够准确估算个体的不平等厌恶程度。
  • •
    腹侧纹状体控制区域并未出现与α值相关的变化。
  • •
    在面对内群体时的情境中,vmPFC的活动信号与个体的公平偏好密切相关。

引言

经济决策极少在完全孤立的社会环境中发生。当人们决定如何回应他人提出的资源分配方案时,他们不仅会考虑所提出方案的货币价值,还会依据提出者的身份、分配方案的公平性以及自身对于资源分配方式的偏好来做出决策(Fehr & Fischbacher, 2003; Sanfey, Rilling, Aronson, Nystrom, & Cohen, 2003)。这些偏好在不同个体之间存在显著差异,且相对稳定,同时能够预测人们在实验和真实场景中的合作行为(Carlsson, Johansson-Stenman, & Nam, 2014; Fehr & Fischbacher, 2003; Th?ni & G?chter, 2015; Volk, Th?ni, & Ruigrok, 2012)。理解大脑如何编码个体层面的公平偏好,以及这种编码如何受到社会环境的影响,是社会决策神经科学领域的核心研究课题之一(Rangel, Camerer, & Montague, 2008; Rilling et al., 2002)。
经济学中关于公平偏好的最具影响力的理论模型之一就是Fehr-Schmidt不平等厌恶模型(Fehr & Schmidt, 1999)。该模型认为,个体既会因为得到的少于合作伙伴而感到不适——即负面不平等厌恶,用参数α表示——也会因为得到的多于合作伙伴而感到不适——即正面不平等厌恶,用参数β表示。该模型能够解释经济博弈中的诸多行为规律,比如拒绝不公平的最终通牒游戏提议,以及在公共物品游戏中采取代价高昂的惩罚措施,其理论基础是人们会最大化一个社会效用函数,该函数会根据结果的不平等程度对个人收益进行折现处理(Fehr & Fischbacher, 2003)。参数α能够反映个体在面对不公平对待时所产生的厌恶感受的稳定差异,因此可以用来预测人们在不同金钱 stakes和实验情境下的拒绝行为。
尽管这一模型在行为层面得到了广泛验证,但关于其对应的神经机制的研究却相对较少。此前针对最终通牒游戏进行的神经影像学研究指出,前岛叶、背外侧前额叶皮层以及前扣带皮层是处理公平性问题的关键脑区(Sanfey et al., 2003)。岛叶的激活程度与不公平程度及拒绝率呈正相关,这表明负面情绪在违反规范的反应中起着重要作用(Harlé & Sanfey, 2010; Sanfey et al., 2003)。背外侧前额叶皮层的激活则与对情感冲动反应的认知控制有关;通过对背外侧前额叶皮层进行经颅磁刺激,可以降低人们对不公平提议的拒绝程度(Knoch, Pascual-Leone, Meyer, Treyer, & Fehr, 2006)。不过,现有研究大多将公平性处理视为一种群体层面的现象,仅关注针对不同类型提议的平均神经反应。而参数α本身——它反映了个体在感受不平等厌恶程度上的稳定差异——是否能够预测vmPFC的活动,以及这种关系是否会受到提出者社会身份的影响,目前还尚未得到直接验证。
vmPFC在这一神经网络中占据着独特的地位。基于坐标分析的价值决策元分析一直将vmPFC视为一个核心节点,它能够将食物、金钱、消费品以及社会刺激等各种物品的主观价值转化为统一的神经表征(Bartra, McGuire, & Kable, 2013; Clithero & Rangel, 2014)。来自神经影像学、损伤研究以及非人类灵长类动物电生理学的研究都表明,vmPFC是一个至关重要的价值评估区域,它接收来自感觉皮层、记忆系统以及负责处理情境和社会信息的脑区的输入,同时还将信息传递给包括纹状体和杏仁核在内的皮下结构(Hiser & Koenigs, 2018; Levy & Glimcher, 2012; Padoa-Schioppa & Conen, 2017)。在社交决策过程中,vmPFC被认为参与了重复信任游戏中的主观价值评估(Fareri, Chang, & Delgado, 2015; King-Casas et al., 2005)、亲社会动机形成(Lockwood et al., 2024)以及道德判断过程(Koenigs, Kruepke, Zeier, & Newman, 2012)。
一个非常重要但尚未得到充分研究的问题是,vmPFC对提议价值的敏感度是否会受到个体公平偏好差异的调控——具体而言,那些α值较高的参与者,在不同的社会情境下是否会产生不同的vmPFC反应。行为研究显示,个体所属的内群体或外群体身份会显著影响他们对公平规范的遵守程度:一般来说,人们更容易容忍来自内群体成员的不公平提议,不过这一效应会受到个体与群体的认同程度以及任务设定方式的影响(Güro?lu, Van Den Bos, Rombouts, & Crone, 2010; Kubota, Li, Bar-David, Banaji, & Phelps, 2013)。在神经层面,vmPFC的活动能够反映在最终通牒游戏过程中,个体与内群体的身份融合程度,进而影响其对不同提议的响应(Apps, McKay, Azevedo, Whitehouse, & Tsakiris, 2018)。内侧前额叶皮层的激活则通常与内群体偏好以及自我与他者的相似性相关(Mitchell, Macrae, & Banaji, 2006; Volz, Kessler, & Von Cramon, 2009),这表明vmPFC可能对内群体互动中的公平规范运作尤为敏感。
本研究通过运用计算建模方法,分析了一组公开可用的fMRI数据集(Smith, Ludwig, Dennison, Reeck, & Fareri, 2024),该数据集包含了年轻人和老年人参与最终通牒游戏的情况,游戏中有三种类型的提议者。我们首先根据行为数据估算出个体的α参数,随后通过线性混合效应模型来分析α是否会影响每次试验中的vmPFC激活程度。由于该任务中的所有提议都对提议者有利,因此对于每个参与者来说,提议金额与不公平程度是完全正相关的,而Fehr-Schmidt效用函数则可以简化为对提议金额的单调变换函数。因此,我们的分析旨在探讨α是否限制了vmPFC在特定社会情境下对提议的处理方式,而非单纯研究α是否会影响提议与vmPFC活动之间的斜率关系。我们预计,α会与提议者类型相互作用,从而影响vmPFC的反应,其中内群体提议者带来的影响最为显著,因为在内群体互动中,公平规范的作用最为突出,约束力也最强。

章节摘要

参与者

本研究的数据来源于OpenNeuro ds003745(Smith et al., 2024)。初始样本共有50名参与者:年轻人(N = 26人,年龄在18至34岁之间)和老年人(N = 24人,年龄在63至80岁之间)。有9名参与者被排除在外,因为最大似然估计的结果显示他们的α值接近0,这意味着他们几乎总是接受所有提议,无法准确估算其不平等厌恶程度。还有3名参与者的α值达到了上限(α = 5.0)。

行为参数

对于剩余的41名参与者,Fehr-Schmidt模型都得到了有效的拟合结果(见表1)。α值的分布呈右偏态(均值=0.78,中位数=0.28)。不同年龄组的α值之间没有显著差异(t(39) = ?0.89,p = .380;Mann-Whitney U = 203,p = .886)。表1展示了不同提议者类型和不同提议金额下的接受率情况;三种提议者类型下,接受率均随提议金额的增加而上升,整体接受率分别为:计算机提出的提议的接受率为61.1%,内群体提出的提议的接受率为61.2%,外群体提出的提议的接受率也为61.2%。

不同提议金额和提议者类型下的vmPFC激活程度

模型A

讨论

本研究通过神经计算方法证明了vmPFC能够以与个体不平等厌恶程度差异相关的方式编码社会提议的价值,而且这种关联在面对内群体提议时更为明显。本研究得出的两个核心结论——提议金额会对vmPFC的激活程度产生显著影响,以及α值与内群体提议者这一因素之间存在显著交互作用——与以往关于vmPFC在价值决策和社会决策中功能的研究结果相一致,同时也对这些研究进行了进一步拓展。通过直接对比

CRediT作者贡献说明

瓦尔迪尔·M·桑帕约:文章撰写——审阅与编辑,文章撰写——初稿撰写,可视化处理,结果验证,研究监督,软件使用,研究资源协调,项目管理,研究方法设计,数据收集分析,正式数据分析,数据整理,研究概念构建。

伦理问题

本研究没有收集新的数据,因此也不需要额外的伦理审查。

资金支持

本研究没有获得任何资金支持。

人工智能使用声明

在撰写本文的过程中,作者使用了Claude AI工具来提升手稿的语言表达水平、可读性以及语法质量。在使用该工具之后,作者对内容进行了必要的审阅和修改,并对最终发表的文章内容承担全部责任。

利益冲突声明

作者声明,自己不存在任何可能影响本研究结果的已知财务利益冲突或个人关系。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号