注意力在风险选择中的个体效应与情境效应：一项基于眼动追踪的研究报告
本文旨在向研究者们介绍由Alejandro Hirmas、Jan B. Engelmann与Joël van der Weele共同完成的一项实证研究。该研究以”Individual and contextual effects of attention in risky choice”为题，发表于期刊 Experimental Economics 的2024年卷（第27期，页码1211-1238）。三位作者均隶属于荷兰阿姆斯特丹大学的实验经济学与政治决策中心。
一、 学术背景与研究目标
本研究属于行为经济学、神经经济学与决策科学的交叉领域。近年来，经济学家对”注意力”在决策中的作用兴趣日增。理论发展主要沿两个方向：一是”显著性理论”，强调外部情境特征（如刺激的醒目程度）以自下而上的方式自动捕获注意力，可能导致决策偏差；二是”理性疏忽”理论，强调决策者基于内在目标或偏好，以自上而下的方式最优分配其有限的注意力资源。这两种理论对应于心理学和神经科学中经典的”刺激驱动”与”目标导向”注意力过程的区分。然而，这两种注意力驱动因素对经济决策的相对重要性如何，尤其是在风险选择中，尚未有充分的实证量化研究。
随着眼动追踪等注意力测量技术日益普及和便捷，研究者有机会直接观测决策过程中的视觉注意。但如何从丰富的眼动数据中分离出代表个体差异的”目标导向”成分和代表情境影响的”刺激驱动”成分，并评估它们各自对选择的预测能力，成为一个重要的方法论挑战。
因此，本研究的目标是：提出一种新颖的实证方法，将眼动追踪数据中的注意力变异分解为近似于个体驱动和情境驱动的两个维度；在风险选择的实验环境中验证此方法；探究这两种注意力成分与风险决策行为的关系；并评估将注意力纳入标准经济学决策模型后，对模型解释力和预测力的提升效果。
二、 研究流程详述
本研究的工作流程严谨，可分为实验设计与数据收集、数据处理与指标构建、以及统计建模与分析三大部分。
第一大部分：实验设计与数据收集 研究进行了两项几乎相同的实验，共招募99名阿姆斯特丹大学学生（最终有效样本91人，平均年龄23.5岁）。实验在光线可控的实验室进行，使用Eyelink 1000桌面式眼动仪（采样率500Hz）记录眼球运动，被试头部置于颚托上以保持稳定。
*核心任务*：被试需完成160次风险决策。在每次试验中，屏幕上会呈现一个混合赌博选项：该选项有50%概率获得一笔正收益（增益），50%概率遭受一笔负收益（损失）。增益值（20-38实验货币单位）和损失值（-13至-27实验货币单位）在各试验间独立变化，覆盖了所有可能的组合。增益和损失在屏幕左右两侧随机呈现（位置平衡）。每次试验开始前，屏幕中央会呈现一个持续300-1100毫秒不等的注视点，以确保注意力从中心启动。随后赌博选项呈现，被试有5秒时间通过按键盘”上”键（接受）或”下”键（拒绝）做出选择。实验2在决策后增加了一个信心评级环节，这是两项实验的唯一区别。被试的报酬与其在随机抽取的一次试验中的决策结果挂钩，以提供真实的经济激励。
第二大部分：数据处理与注意力指标构建 1. 眼动数据预处理与兴趣区划分：研究团队在实验中途进行了9点校准以保证数据质量。他们利用k均值聚类算法，根据注视点的水平坐标，清晰地将注视点归类到代表左侧属性、右侧属性和中心区域的兴趣区。由于所有刺激垂直位置相同，此方法能有效区分对增益和损失的注视。 2. 注意力分解方法（核心创新）：研究提出了一种关键的分解方法。对于每个属性（增益或损失），将每个被试在每个试次中的注意力测量值（如注视时长）分解为两个正交部分： * 个体平均注意力：计算每个被试对该属性在所有试次中注意力的平均值，并进行标准化。该指标代表了被试稳定的、跨情境的注意力模式，被用作”目标导向”或个体驱动注意力的代理变量。 * 试次间注意力偏离：计算每个被试在每个试次中对某属性的注意力值与其自身平均注意力值的偏差，并进行标准化。该指标反映了在个体特征恒定的情况下，特定试次情境（如属性值大小、屏幕位置）引发的注意力波动，被用作”刺激驱动”或情境驱动注意力的代理变量。 3. 决策模型构建：采用标准的随机效用模型作为决策分析的基础框架。基本模型假设个体选择接受赌博的概率由增益值、损失值以及一个常数项（反映接受赌博的基线倾向）共同决定，其权重参数可以通过逻辑回归（Logit模型）估计。
第三大部分：统计建模与分析流程 分析采用循序渐进的三步法： 1. 注意力的决定因素分析：首先，通过线性混合模型和夏普利值回归分析，检验一系列个体因素（如性别、年龄）和情境因素（如属性值、屏幕位置）对多种注意力测量指标（如注视时长、注视次数、首次/末次注视对象）的解释力，以确定注意力是否包含超出这些常规变量的独特信息。 2. 注意力与决策异质性的关联分析：首先，使用包含随机截距和随机斜率的混合Logit模型估计每个被试的决策权重参数（对增益和损失的敏感度）。然后，计算”行为损失厌恶”（损失权重与增益权重之差）和”注意力损失厌恶”（对损失与增益的个体平均注意力之差），并检验两者的相关性。 3. 注意力在决策模型中的整合与比较：这是分析的核心。将构建的注意力指标作为调节变量引入随机效用模型。具体而言，允许增益和损失的决策权重受到对应的”个体平均注意力”和”试次间注意力偏离”的调节。研究比较了多种模型的拟合优度： * 模型A：经济学常用模型（仅含随机截距，无注意力变量）。 * 模型B：加入未分解的总注意力指标。 * 模型C/D：分别加入个体平均注意力或试次间注意力偏离指标。 * 模型E：同时加入两种注意力指标（完整模型）。 此外，研究还将这些模型与心理学/神经科学中更复杂的”最大模型”（包含随机截距和随机斜率，以捕捉个体决策权重的异质性）进行了比较。最后，通过交叉验证评估了不同模型的样本外预测能力。
三、 主要研究结果详述
研究结果层层递进，有力地支持了其核心论点。
结果一：注意力变异难以被常规变量解释。 夏普利值分析表明，所考察的个体和情境因素对主要注意力指标（如比例注视时间）变异的解释力较弱（通常低于10%）。这意味着注意力携带着独立于常见人口学变量和刺激物理特征的信息，有潜力为决策模型提供新的解释力。
结果二：个体平均注意力与损失厌恶显著相关。 分析发现，”行为损失厌恶”（决策模型中损失权重与增益权重之差）与”注意力损失厌恶”（对损失与增益的个体平均注意力之差）存在显著正相关。具体而言，相对于增益，那些平均更关注损失的被试，在决策中也对损失赋予更高的权重（即表现出更强的损失厌恶）。这种相关性在使用比例注视时间和总注视时长指标时非常显著，证明了稳定的个体注意力模式能够捕捉决策偏好的异质性。
结果三：分解的注意力指标显著提升模型拟合。 在标准经济学模型（随机截距模型）中，将注意力纳入模型能显著改善拟合优度（AIC和BIC降低）。更重要的是，将注意力分解为个体平均成分和试次间偏离成分的完整模型，其拟合效果优于仅使用未分解总注意力指标的模型。这表明分解方法更有效地利用了注意力数据中的信息。参数估计显示： * 个体平均注意力的调节效应显著且稳定：对某个属性（增益或损失）投入更多平均注意力的被试，在决策中对该属性价值的敏感度也更高。 * 试次间注意力偏离的调节效应也存在，但在不同模型设定下稳定性稍弱，表明情境驱动的注意效应可能取决于具体实验环境。
结果四：在复杂模型中注意力仍具增量解释力。 即使在包含了随机斜率的”最大模型”中（该模型本身已能捕捉个体决策权重的异质性），加入注意力变量，特别是试次间注意力偏离，仍能进一步改善模型拟合。这证明注意力测量提供了超越传统随机效应所能捕捉的额外行为解释维度。
结果五：样本外预测的稳健但适度改善。 交叉验证结果显示，包含个体平均注意力的模型，在超过90%的模拟中，其样本外预测准确率稳定地略高于基线模型。包含两种注意力成分的完整模型则对预测基线较差的”波动性”被试有更明显的预测提升。虽然整体预测准确率的绝对提升幅度不大（例如从87.7%到88.0%），但这种改善是高度一致的，证明了注意力指标的实用价值。
四、 结论与研究价值
本研究得出结论：视觉注意力在风险决策中扮演着重要角色，且其影响可以通过分解为个体平均注意力和试次间注意力偏离来有效表征，这两者分别近似于目标导向和刺激驱动的认知过程。个体平均注意力与被试的稳定偏好（如损失厌恶程度）相关，而试次间注意力偏离则反映了情境因素对决策的瞬时影响。
科学价值： 1. 方法论贡献：研究提出了一套可操作、可推广的统计框架，用于从眼动追踪数据中分离注意力变异的两种潜在认知来源。这为经济学家及相关领域研究者提供了一个实用工具，用以在实证研究中区分和量化个体与情境对注意力的影响。 2. 理论验证与整合：研究结果同时支持了”理性疏忽”（强调个体目标）和”显著性理论”（强调情境特征）的核心观点，表明二者在真实决策中是共存的、可分离的。这有助于调和不同理论视角，推动建立更全面的注意力决策模型。 3. 对风险选择文献的补充：研究证实了注意力与损失厌恶的关联，并首次表明这种关联主要体现在个体差异层面。同时，发现情境驱动的注意力波动也可能影响风险选择，这有助于解释决策在不同情境下的不稳定性。
应用价值：随着在线注意力测量工具（如MouselabWeb、网络摄像头眼动追踪）的发展，本研究的方法可以更便捷地应用于消费者行为、金融决策、人机交互等领域的实证研究，帮助识别和量化影响选择的关键注意力通道。
五、 研究亮点
六、 其他有价值的内容
研究在附录中进行了多项稳健性检验，包括蒙特卡洛模拟验证样本量充足性、分实验样本验证结果稳定性、以及使用不同注意力测量指标（如注视次数）的替代分析。这些补充分析进一步巩固了主要结论的可靠性。此外，作者讨论了其方法在假设（如无个体与情境的交互作用）不满足时可能存在的局限性，并指出了未来研究方向，例如探索不同环境中两种注意力驱动因素的相对重要性，以及注意力如何与更广泛的个人特征相关联。