即使面对同等概率分布的收益或损失,人们也会因为对与之关联的来源熟悉度不同,而产生不同的价值估计,从而给予更熟悉来源更强的决策偏好。Fox和Tversky在对于Ellsberg双瓮问题和模糊厌恶的相关研究中,发现了正是由于对不确定情境下风险来源的偏好,导致了熟悉性偏差(Fox&Tversky,1995)。以往关于来源偏好的研究中,更多聚焦在其公理化(Chew&Sagi,2008)、实证检验(Chew,Ebstein&Zhong,2012;Chew,Li&Sagi,2021)和生物行为基础(Chark et al,2022)等,而对于其认知过程的计算建模则较少涉及。本研究中,采用北京-东京城市最高温度尾数的奇偶性作为彩票来源的依据(Chew,2022)。通过设定彩票来源的熟悉程度(北京/东京/电脑)和收益规模,最终构建一系列二元化来源偏好决策任务,在100名大学生被试中进行行为实验收集数据。行为研究结果显示,在熟悉程度更高的决策来源中,个体更倾向于不确定的收益和确定的损失。进一步基于决策反应时和决策结果,利用漂移扩散模型进行计算建模,使用贝叶斯分层估计分解出刻画决策过程的四个基本参数:决策阈限(a)、非决策时间(t)、漂移率(v)和决策起点(z)。建模结果发现,在收益情境下,北京的a、t和z都显著低于东京低于电脑,只有v高于电脑高于东京。在损失情境下,北京的a、t和z都显著高于东京高于电脑,只有v低于东京低于电脑。这意味着对于,面临收益时,被试对更熟悉来源的决策,谨慎程度有所下降,但对决策任务的理解更加迅速,价值累积的速度也更快,同时具有对彩票更强的先验偏好。而面临损失时,被试对更熟悉来源的决策,谨慎程度提高,任务理解速度减缓,价值累积速度变慢,但对固定损失的先验偏好更强。在来源偏好决策中,熟悉性偏差意味着对于收益的确定性,和对于损失的不确定性的感知提升,从而放大个体的损失厌恶倾向,使个体更加偏好不确定的收益和确定的损失。同时,相比高熟悉性来源,低熟悉性来源关联的决策出现更加不一致的行为倾向。这些发现有助于加深对来源偏好决策过程的理解,也为后续更深入的神经经济方法提供参照。
暂无评论