本研究由来自杜克大学（Duke University）、天普大学（Temple University）、波莫纳学院（Pomona College）和科罗拉多大学博尔德分校（University of Colorado Boulder）的 Rosa Li, David V. Smith, John A. Clithero, Vinod Venkatraman, R. McKell Carter 以及 Scott A. Huettel 共同完成。研究论文《Reason’s enemy is not emotion: Engagement of cognitive control networks explains biases in gain/loss framing》发表于《The Journal of Neuroscience》2017年3月29日第37卷第13期。

学术背景

本研究属于决策神经科学（Neuroeconomics）和认知神经科学的交叉领域。长期以来，心理学和行为经济学中存在一个经典的双过程模型（Dual-process model），用以解释人类决策：一种是快速、直觉、情绪化的“类型1”过程；另一种是缓慢、分析、理性的“类型2”过程。得失框架效应（Gain/Loss Framing Effect）是该领域一个经典的研究范例，即当同一决策选项被描述为潜在收益（如“保留30美元”）时，人们倾向于风险规避（选择“确定选项”）；而当被描述为潜在损失（如“损失70美元”）时，人们倾向于风险寻求（选择“赌博选项”）。传统解释认为，这种非理性偏差源于框架（得失描述）差异性地激发了情绪过程（尤其是与恐惧、焦虑相关的杏仁核活动），而理性的、需要认知控制的“类型2”过程（与前扣带回皮层dACC等相关）可以覆盖或对抗这种情绪化冲动。然而，另一种替代性理论认为，框架效应可能源于决策过程中认知投入（Cognitive Engagement）程度的差异，而非情绪与理性的直接对抗。具体来说，与框架一致的决策（即在收益框架下选择确定选项，在损失框架下选择赌博选项）可能是一种低认知努力、启发式的策略，类似于大脑的“默认模式”；而与框架不一致的决策则需要更多的认知控制资源投入。本研究旨在通过整合大规模功能性磁共振成像（fMRI）数据和元分析数据库，直接检验这两种对立的解释，以确定得失框架效应背后的核心神经机制是情绪驱动还是认知投入差异。

研究详细流程

本研究是一项结合行为实验、功能磁共振成像和元分析（Meta-analysis）的综合性研究，主要流程如下：

1. 参与者与任务设计：

   • 参与者：研究最终纳入了143名健康成年人（平均年龄21.9岁，78名女性）。他们是从一个更大的初始样本（232人）中，通过严格的数据质量标准和行为筛选（例如，确保每个被试在每种选择类型上都有足够试次）后确定的。如此大的样本量保证了研究结果具有较高的统计效力。
   • 任务：参与者完成了一项风险决策任务，该任务改编自De Martino等人（2006）的研究。在每次试验中，参与者会看到一个初始金额（8至42美元不等），并需要在“确定选项”和“赌博选项”之间做出选择。关键操作在于“框架”：
     • 收益框架：确定选项被描述为“保留X美元”（例如，从50美元中保留30美元）。
     • 损失框架：确定选项被描述为“损失Y美元”（例如，从50美元中损失20美元）。实际上，两种框架下的经济结果是等价的（保留30美元 = 损失20美元后得到30美元）。
   • 赌博选项以饼图形式呈现赢或输掉全部初始金额的概率（20%-80%至75%-25%不等）。此外，一半的试验是为自己决策，另一半是为一个慈善机构决策，以考察社会因素是否影响框架效应。几乎所有试验（92%）在相反框架下都有一个完全匹配的对照试验。

2. fMRI数据采集与预处理：

   • 数据采集：使用3.0T GE MR750扫描仪采集血氧水平依赖（BOLD）功能磁共振成像数据。采用螺旋进序列以减轻腹侧前额叶等区域的磁敏感伪影。
   • 预处理：使用FSL软件包进行标准预处理流程，包括头动校正、去除非脑组织、层时间校正、空间平滑（6毫米FWHM高斯核）、高通时间滤波（150秒截止）以及空间标准化到MNI标准空间。

3. 行为与fMRI数据分析：

   • 行为分析：计算每个参与者的框架效应指数（损失框架下选择赌博的百分比减去收益框架下选择赌博的百分比）。同时分析反应时，将选择分为“框架一致”（收益框架下选确定，损失框架下选赌博）和“框架不一致”（收益框架下选赌博，损失框架下选确定）两类进行比较。
   • fMRI第一层分析：为每个参与者建立广义线性模型（GLM），包含四个主要回归因子，分别对应四种条件：收益框架-确定、收益框架-赌博、损失框架-确定、损失框架-赌博。回归因子的持续时间设定为从刺激呈现到做出选择的时间，以控制反应时的影响。
   • fMRI组水平分析：构建了两个关键对比：
     • 框架效应对比：(收益框架-确定 + 损失框架-赌博) > (收益框架-赌博 + 损失框架-确定)。此对比旨在识别与框架一致选择（即表现出框架偏差的选择）相关的脑活动。
     • 框架不一致对比：上述对比的反向，旨在识别与克服框架偏差（做出框架不一致选择）相关的脑活动。
   • 统计显著性采用基于置换检验（10,000次置换）的阈值自由簇增强（TFCE）方法进行校正，家族错误率（FWE）控制在5%。

4. 神经相似性分析（核心创新方法）：

   • 这是本研究的关键分析步骤，旨在将本研究的fMRI结果与大规模文献中的脑功能图谱进行定量比较。
   • 数据来源：使用元分析工具NeuroSynth（包含约8000项已发表的fMRI研究），获取了2592个基于特定术语（如“emotion”、“working memory”、“default mode”）的反向推断（reverse-inference）Z统计图，这些图代表了这些术语在文献中相关的典型脑激活模式。
   • 整体相似性计算：计算本研究“框架效应对比”得到的未阈值全脑Z统计图与NeuroSynth中每一个术语图谱之间的皮尔逊相关系数。通过排序，找出与本研究结果最正相关和最负相关的10个术语图谱（分别标记为NP+和NP-），以及6个与情绪相关的术语图谱（标记为NPe，如“emotions”、“amygdala”）。
   • 偏相关分析：为了厘清情绪和认知网络解释力的相对独立性，进行了偏相关分析。例如，计算框架效应对比与某个NP+图谱的相关性在控制了NPe图谱后的剩余部分，反之亦然。这有助于判断共享的方差更多是由情绪网络还是由其他认知网络（如默认网络、执行控制网络）所解释。
   • 试次水平分析：为每个试次估计一个全脑激活模式（通过单试次GLM）。然后计算每个试次的全脑模式与NP+、NP-、NPe图谱组的平均相似性得分。最后，使用逻辑回归模型，以这些神经相似性得分和反应时为预测变量，来预测该试次是否做出了框架一致的选择。这可以在个体试次水平上检验大脑活动模式与特定认知状态的动态关联。

主要研究结果

1. 行为结果：

   • 参与者表现出显著的得失框架效应：在损失框架下选择赌博的比例（平均54.98%）显著高于收益框架下（平均36.62%），证实了经典的行为偏差。
   • 反应时分析显示：在损失框架下做决策比在收益框架下更慢；做出框架不一致的选择比做出框架一致的选择更慢。这暗示框架不一致的决策可能需要更多的认知处理时间。
   • 决策目标（为自己 vs. 为慈善机构）对框架效应的幅度和反应时均无显著影响，表明框架效应具有稳健性，不受社会性因素的显著调节。因此，后续神经成像分析将两种目标的数据合并以增加统计效力。

2. fMRI激活结果：

   • 框架一致选择相关脑区：与框架一致选择相关的脑活动（框架效应对比）不仅复现了前人研究中发现的杏仁核（Amygdala）激活，还发现了更广泛脑区的激活，包括双侧脑岛（Insula）、后扣带回皮层（PCC）和背内侧前额叶皮层（dmPFC）。这些区域是大脑默认模式网络（Default Mode Network, DMN）的核心组成部分，通常在与外界任务无关的静息或内省状态下更活跃。
   • 框架不一致选择相关脑区：与框架不一致选择相关的脑活动（反向对比）复现了前人研究中发现的背侧前扣带回皮层（dACC）激活，同时还发现了左侧额下回等区域的激活。这些区域是执行控制网络（Executive Control Network）或任务积极网络（Task-Positive Network）的关键节点，通常在与外部任务导向、认知控制、冲突监测相关的过程中被激活。

3. 神经相似性分析结果（核心发现）：

   • 整体模式比较：本研究的“框架效应对比”激活模式与NeuroSynth中代表“默认”、“静息”、“状态”、“模式”、“PCC”等术语的图谱（NP+）具有最高的正相关。相反，与“情绪”、“感觉”、“杏仁核”等情绪相关术语图谱（NPe）的相关性则低得多。而“框架不一致对比”的激活模式则与代表“工作”、“任务”、“执行”、“额叶”、“维持”、“负荷”等术语的图谱（NP-）最负相关（即模式相反）。
   • 偏相关分析：分析表明，框架效应对比与NP+图谱的共享方差，主要由NP+（默认/静息相关）所解释，而不是由NPe（情绪相关）所解释。也就是说，即使考虑了情绪网络的影响，框架一致选择的大脑活动模式仍然与默认模式网络高度相似。
   • 试次水平预测：逻辑回归分析显示，在控制了反应时后，单个试次的大脑活动模式与默认/静息相关网络（NP+）的相似度，能够显著预测该试次是否会做出框架一致的选择（相似度越高，越可能做出框架一致的选择）。而大脑活动模式与情绪网络（NPe）或任务积极网络（NP-）的相似度，则不能显著预测选择。这一结果在收益框架和损失框架的子集中分别检验时依然成立，排除了框架类型本身解释结果的替代解释。

研究结论

本研究得出的核心结论是：得失框架效应并非源于情绪过程与理性控制过程的对抗。相反，它反映了决策过程中不同程度的认知投入（Cognitive Engagement）。与框架一致的选择（表现出经典偏差）与大脑的默认或低投入状态相关联；而与框架不一致的选择（克服偏差）则需要并伴随着执行控制网络的高度参与。虽然杏仁核在框架一致选择中确实被激活，但整个大脑的活动模式更符合“任务负性”或“默认”状态，而非特异的情绪反应网络。因此，研究支持将双过程决策模型重新概念化为一个以“认知投入程度”为连续维度的光谱，而非“情绪对抗理性”的二分法。

研究的意义与价值

• 理论价值：本研究挑战了决策科学中一个根深蒂固的“情绪 vs. 理性”叙事，为理解框架效应及其他决策偏差提供了新的理论视角。它将西蒙（Simon）关于人类认知“有限理性”和启发式的思想与当代认知神经科学联系起来，表明许多所谓的“非理性”偏差可能只是认知资源节约策略的产物。
• 方法论价值：研究展示了将大规模独立fMRI数据与自动化元分析数据库（如NeuroSynth）相结合的研究范式的强大力量。这种方法不仅能够复现特定脑区的发现，还能在全局网络水平上对竞争性理论假设进行定量检验，超越了传统的基于感兴趣区域的分析局限。
• 学科交叉价值：研究体现了神经科学如何为长期存在的心理学和行为经济学理论提供关键的实证证据，并可能推动这些理论的修正与发展。

研究亮点

1. 颠覆性结论：直接挑战并提供了强有力的神经证据来反驳关于框架效应（乃至更广泛的双过程决策）的经典情绪中心论解释。
2. 大规模样本：使用143名参与者的fMRI数据，样本量远超该领域多数先前研究，极大地提高了结果的可靠性和统计效力。
3. 创新的分析方法：创造性运用NeuroSynth元分析图谱进行全脑模式相似性分析和偏相关分析，为检验神经认知理论提供了客观、量化的新工具。
4. 多层次证据链：从行为反应时、传统fMRI激活定位，到全脑网络模式相似性分析，再到试次水平的神经-行为关联预测，构建了相互印证、层层递进的坚实证据体系。
5. 精细的实验控制：任务设计包含了自我与慈善决策的对照，并采用匹配试次对，有效控制了无关变量。fMRI分析中采用基于反应时的回归因子时长，控制了处理时间对激活的影响。

其他有价值的内容

研究在讨论部分指出，默认模式网络与社会认知功能也存在重叠，但鉴于本研究中自我与慈善决策目标并未产生行为或神经模式上的差异，因此框架效应更可能源于普遍的认知投入差异，而非特定的社会认知过程。此外，作者建议未来研究可以结合自我报告的情绪测量或生理记录（如皮肤电），以更直接地量化情绪参与程度，进一步补充本研究的发现。研究还展望了其结论可能适用于其他决策偏差，如损失厌恶（Loss Aversion）和时间折扣（Temporal Discounting）等。