北京大學(xué)IDG麥戈文腦科學(xué)研究所、北京大學(xué)/華東師范大學(xué)心理與認(rèn)知科學(xué)學(xué)院周曉林教授課題組，聯(lián)合蘇黎世大學(xué)經(jīng)濟(jì)系蘇黎世神經(jīng)經(jīng)濟(jì)學(xué)中心開展的研究，“Neurocomputational evidence that conflicting prosocial motives guide distributive justice”，于2022年11月29日在美國科學(xué)院院刊Proceedings of the National Academy of Sciences (PNAS) 雜志發(fā)表。該研究揭示了在進(jìn)行財(cái)富再分配的過程中，不同的親社會(huì)動(dòng)機(jī)（包括不公平厭惡、傷害厭惡和等級(jí)反轉(zhuǎn)厭惡）相互作用、影響個(gè)體做出再分配決策的計(jì)算神經(jīng)機(jī)制。該研究不僅有助于我們更加深入地了解多重親社會(huì)動(dòng)機(jī)相互作用影響資源/財(cái)富再分配的認(rèn)知和生物學(xué)基礎(chǔ)，而且有助于拓展有助于有關(guān)第三方社會(huì)偏好的單維度動(dòng)機(jī)經(jīng)濟(jì)學(xué)理論，為稅收政策等資源和財(cái)富再分配制度的制定和改進(jìn)提供思路和理論依據(jù)。
追求公平、公正始終是人類實(shí)現(xiàn)和平共處和高效合作的重要推動(dòng)力，也是實(shí)現(xiàn)社會(huì)正義的基石。公平分配的原則不僅會(huì)影響社會(huì)中每個(gè)個(gè)體的切身利益（如工資收入），還會(huì)更加廣泛地影響社會(huì)群體的意識(shí)形態(tài)和社會(huì)福利（如稅收和醫(yī)療資源分配政策）。然而，人們?cè)谶M(jìn)行實(shí)際的資源和財(cái)富分配時(shí)，常常需要面對(duì)復(fù)雜的情況。如在制定稅收政策時(shí)，政策制定者既需要提高對(duì)高收入群體的征稅比例，以此降低貧富差距，又需要盡可能保護(hù)每個(gè)個(gè)體的利益、維持穩(wěn)定的社會(huì)秩序。也就是說，人們?cè)诮鉀Q資源和財(cái)富再分配的問題時(shí)，不僅需要考慮公平原則（如不公平厭惡），還需要同時(shí)考慮其它可能會(huì)導(dǎo)致個(gè)體不再追求公平分配的社會(huì)動(dòng)機(jī)。然而，以往的大多數(shù)研究僅僅關(guān)注于公平原則對(duì)資源/財(cái)富分配或再分配的影響，忽略了其它親社會(huì)動(dòng)機(jī)在這一決策過程中的重要作用。
在本研究中，周曉林課題組在他人相關(guān)研究基礎(chǔ)之上，借助全新的財(cái)富再分配范式，通過計(jì)算建模，分析分離出三種不同的親社會(huì)動(dòng)機(jī)——不公平厭惡、傷害厭惡和等級(jí)反轉(zhuǎn)厭惡，并結(jié)合功能性磁共振成像（fMRI）技術(shù)，考察人們?cè)谧龀鲐?cái)富再分配決策時(shí)，不同動(dòng)機(jī)加工并影響決策過程的神經(jīng)機(jī)制。
在財(cái)富再分配范式中，受試者在每一輪的任務(wù)中需要針對(duì)兩位陌生的匿名受試者進(jìn)行報(bào)酬再分配（圖1）。受試者被告知，這兩位匿名受試者之前已經(jīng)參與另一項(xiàng)研究，并完成了完全相同的工作，做出了完全相同的貢獻(xiàn)。電腦隨機(jī)提出一個(gè)相對(duì)不公平的初始分配方案（如圖1：Initial offer）。本研究的受試者，作為利益無關(guān)的第三方，有權(quán)力從兩個(gè)備選方案（圖1：Offer 1 和Offer 2）中選擇一個(gè)來替換電腦提出的初始方案。在無等級(jí)反轉(zhuǎn)條件中（圖1 左），兩個(gè)備選方案都比電腦提出的初始方案更加公平，并且兩個(gè)備選方案都維持了初始方案中兩位匿名受試者獲得報(bào)酬的相對(duì)等級(jí)。在等級(jí)反轉(zhuǎn)條件中（圖1中），電腦提出的初始方案和相對(duì)不公平的備選方案（Offer 1）與無等級(jí)反轉(zhuǎn)條件中的相應(yīng)方案完全一致。唯一不同的是，在等級(jí)反轉(zhuǎn)條件中，相對(duì)公平的備選方案（Offer 2）反轉(zhuǎn)了兩位匿名受試者在初始方案中獲得報(bào)酬的相對(duì)等級(jí)。如果受試者的再分配決策僅僅受到公平原則（不公平厭惡）的影響，那么在這兩個(gè)條件中，受試者選擇更加公平的備選方案（Offer 2）的比例應(yīng)該完全相同。然而，實(shí)驗(yàn)觀察到的結(jié)果卻是，相比于無等級(jí)反轉(zhuǎn)條件，在等級(jí)反轉(zhuǎn)條件中，受試者選擇更公平的備選方案的比例顯著降低（圖1右）。這一結(jié)果表明，個(gè)體的財(cái)富再分配決策不僅受到公平原則的影響，還會(huì)收到其它動(dòng)機(jī)的影響。
圖1. 財(cái)富再分配范式:無等級(jí)反轉(zhuǎn)條件（左），等級(jí)反轉(zhuǎn)條件（中）。行為結(jié)果（右）：相比于無等級(jí)反轉(zhuǎn)條件，在等級(jí)反轉(zhuǎn)條件中，受試者選擇更加公平的備選方案的比例顯著較低。
計(jì)算建模分析進(jìn)一步幫助我們闡釋了影響受試者決策的背后動(dòng)機(jī)。結(jié)果表明，受試者的再分配決策不僅受到了不公平厭惡（圖2，參數(shù)α）的影響，還受到了傷害厭惡（圖2，參數(shù)β）和等級(jí)反轉(zhuǎn)厭惡（圖2，參數(shù)δ）的影響。傷害厭惡是指個(gè)體在幫助某一方獲得更多利益的時(shí)候會(huì)避免損害另一方的利益；這一傾向?qū)е聜€(gè)體在等級(jí)反轉(zhuǎn)條件中會(huì)因不愿對(duì)初始方案中優(yōu)勢(shì)的一方造成額外的損失而避免選擇更加公平的備選方案。等級(jí)反轉(zhuǎn)厭惡則是指個(gè)體在進(jìn)行再分配時(shí)會(huì)表現(xiàn)出維護(hù)既有等級(jí)（避免反轉(zhuǎn)既有等級(jí)）的傾向；這一傾向也會(huì)導(dǎo)致個(gè)體在等級(jí)反轉(zhuǎn)條件中因不愿反轉(zhuǎn)初始方案中的既有等級(jí)而避免選擇更加公平的備選方案。計(jì)算建模的結(jié)果說明，不公平厭惡、傷害厭惡和等級(jí)反轉(zhuǎn)厭惡，這三種親社會(huì)動(dòng)機(jī)共同影響了個(gè)體的財(cái)富再分配決策。
圖2. 計(jì)算建模結(jié)果。（A）參數(shù)恢復(fù)分析表明我們提出的模型能夠成功地分離不公平厭惡（α），傷害厭惡（β），和等級(jí)反轉(zhuǎn)厭惡（δ）三種不同的親社會(huì)動(dòng)機(jī)。（B）代表三種動(dòng)機(jī)的參數(shù)在受試群體中的分布。（C）根據(jù)計(jì)算模型和每個(gè)受試者的參數(shù)值模擬生成的行為數(shù)據(jù)與實(shí)際觀察到的行為數(shù)據(jù)高度相關(guān)。
鑒于行為和計(jì)算建模結(jié)果已經(jīng)表明，傷害厭惡和等級(jí)反轉(zhuǎn)厭惡會(huì)與不公平厭惡產(chǎn)生沖突，導(dǎo)致受試者不再追求公平分配，我們希望通過腦成像數(shù)據(jù)進(jìn)一步研究，當(dāng)不同親社會(huì)動(dòng)機(jī)相互沖突時(shí)，個(gè)體對(duì)公平信息的加工和利用會(huì)產(chǎn)生怎樣的變化。腦成像結(jié)果表明，在無反轉(zhuǎn)條件中，紋狀體（Striatum）的活動(dòng)強(qiáng)度與公平信息高度相關(guān)；在反轉(zhuǎn)條件中，紋狀體的活動(dòng)強(qiáng)度不再與公平信息相關(guān)（圖3B）。這一結(jié)果表明，當(dāng)不同親社會(huì)動(dòng)機(jī)相互沖突時(shí)，個(gè)體對(duì)公平信息的敏感度可能大大降低。功能連接的結(jié)果進(jìn)一步表明，在等級(jí)反轉(zhuǎn)條件中，紋狀體與背內(nèi)側(cè)前額葉（DMPFC）之間的連接強(qiáng)度受到公平信息的調(diào)節(jié)（圖3C）；而這一調(diào)節(jié)效應(yīng)的增強(qiáng)與紋狀體對(duì)公平信息敏感度的降低顯著相關(guān)（圖3D），與個(gè)體選擇公平選項(xiàng)的比例的降低相關(guān)（圖3E左），也與個(gè)體傷害厭惡的增強(qiáng)相關(guān)（圖3E右）。這些結(jié)果共同表明，紋狀體在公平信息加工和公平?jīng)Q策中起到了重要作用，紋狀體與背內(nèi)側(cè)前額葉之間的功能連接能夠反映個(gè)體在不公平厭惡和傷害厭惡兩種動(dòng)機(jī)之間的權(quán)衡過程。
圖3. 腦成像分析結(jié)果。（A）作為種子腦區(qū)的紋狀體。（B）在無反轉(zhuǎn)條件中，紋狀體活動(dòng)強(qiáng)度與公平信息相關(guān)；在反轉(zhuǎn)條件中，紋狀體活動(dòng)強(qiáng)度與公平信息的相關(guān)程度減弱。（C）背內(nèi)側(cè)前額葉與紋狀體的功能連接強(qiáng)度在反轉(zhuǎn)條件中受到公平信息的調(diào)節(jié)。（D）DMPFC-Striatum連接強(qiáng)度受到公平信息的影響越大，紋狀體活動(dòng)對(duì)公平信息的敏感度就越弱。（E）DMPFC-Striatum連接強(qiáng)度受到公平信息的影響越大，個(gè)體選擇公平選項(xiàng)的比例就越低（左），個(gè)體表現(xiàn)出的傷害厭惡也會(huì)越強(qiáng)（右）。
此外，腦成像結(jié)果還發(fā)現(xiàn)，不同的親社會(huì)動(dòng)機(jī)可能通過紋狀體與不同的額葉腦區(qū)相互作用，影響個(gè)體的再分配決策。具體而言，具有更強(qiáng)的不公平厭惡的個(gè)體在選擇不公平選項(xiàng)時(shí)，紋狀體與額下回（IFG）之間表現(xiàn)出了更強(qiáng)的功能連接；具有更強(qiáng)的等級(jí)反轉(zhuǎn)厭惡的個(gè)體在選擇不公平選項(xiàng)時(shí)，紋狀體與額上回（SFG）之間表現(xiàn)出了更強(qiáng)的功能連接。計(jì)算建模和腦成像結(jié)果共同表明，紋狀體及其與不同腦區(qū)的交互作用整合三種不同的親社會(huì)動(dòng)機(jī)，進(jìn)而影響個(gè)體的再分配決策。
圖4. 功能連接分析結(jié)果。（A-B）具有更強(qiáng)的不公平厭惡的個(gè)體在選擇不公平選項(xiàng)時(shí)，紋狀體與額下回（IFG）之間功能連接越強(qiáng)（上）；具有更強(qiáng)的等級(jí)反轉(zhuǎn)厭惡的個(gè)體在選擇不公平選項(xiàng)時(shí)，紋狀體與額上回（SFG）之間功能連接越強(qiáng)（下）。
周曉林教授課題組博士生李悅、已畢業(yè)博士生（現(xiàn)蘇黎世大學(xué)經(jīng)濟(jì)系博士后）胡捷為論文共同第一作者，胡捷博士與周曉林教授為共同通訊作者，蘇黎世神經(jīng)經(jīng)濟(jì)學(xué)中心Christian Ruff教授參與了部分工作。研究得到了國家自然科學(xué)基金重點(diǎn)項(xiàng)目（31630034, 71942001）的資助。胡捷博士和Christian Ruff教授得到了歐洲研究委員會(huì)（ERC，European Union’s Horizon 2020 research and innovation program; grant agreement No 725355, BRAINCODES）的資助。
原文鏈接: https://doi.org/10.1073/pnas.2209078119
2022-11-30