郑轶洁，徐佳琳，郑丽，李林，杨光*，郭秀艳

公平是社会决策过程中的一项基本准则，通常指在社会活动中任何一个个体或团体在付出和收获等各个方面都应受到不偏不倚的对待。已有研究通过静息态磁共振成像技术(resting-state functional magnetic resonance imaging，rs-fMRI)探究了人们受到不公平对待后进行经济决策的个体差异[1]。然而，不公平感相关的经济决策是一个复杂的加工过程，会受到多种情境因素的影响[2-3]。前人研究发现，经济状况作为一种影响因素在经济决策的过程中起到调节作用[4-5]，但其对不公平感相关决策中产生影响的个体差异及内在神经机制尚待进一步探究。

功能连接作为一种常用的探测脑区间线性相关的手段，被广泛应用于静息态fMRI的研究中[6-7]。在复杂的认知加工过程中需要整合来自不同脑区的各种信息，自20世纪90年代初，研究者们提出对于脑的研究应从功能整合的角度出发，并提出了功能连接的分析方法，着重研究间隔空间脑区的神经水平在时间上的相关性。基于前人研究，背外侧前额叶皮层(dorsolateral prefrontal cortex，DLPFC)参与到不公平感相关的决策加工过程中[3，8]，而丘脑则参与了社会经济地位的加工过程[9-10]。本研究借助于静息态fMRI的功能连接分析方法，使用在不公平感相关决策中常用的最后通牒博弈任务(ultimatum game，UG)，从个体差异的角度出发深入探讨静息状态下以上脑区与其他脑区内在连接的强度差异，是否能够预测在面对来自不同经济状况提议者的不公平分配时的行为反应及公平感感知。

1 材料与方法

1.1 研究对象

共有30名健康的右利手被试(平均年龄为23.2岁，标准差为1.4，范围为20～26岁)参与本研究，其中包含21名女性和9名男性。所有被试的视力或矫正视力正常，且无任何精神病史。所有被试都自愿参与本研究，并在研究开始前签署知情同意书。本研究已获得华东师范大学人体实验伦理委员会批准。

1.2 任务设计

本研究共分为磁共振扫描和行为任务两部分，为避免任务内容对被试的静息态扫描结果产生影响，所有被试首先进行静息态fMRI的扫描，然后进行行为任务。

研究采用的任务改编自最后通牒博弈任务[11]。经典的UG任务通常由两名玩家组成，一名是提议者的角色(proposer)，另一名则是被试担任的回应者角色(responder)。在任务中，两名玩家共同获得一定数目的钱(m元)，并由提议者决定如何在自己与回应者之间进行分配，即分配给回应者x元(0＜x≤m)，留下m-x元给自己。回应者需要选择接受或者拒绝提议者提出的分配方案。若回应者选择接受该方案，则玩家双方按照提议者的分配方案各得到相应的金额；若回应者拒绝接受该方案，则双方都得不到这笔钱，即双方收益都为0元。在此基础上，本研究加入了提议者的经济状况这一变量。在进行UG任务前，被试会了解到提议者的经济状况，然后他们作为回应者参与到任务中。

任务开始前将告知被试以下信息：(1)他们会参与一项经济决策任务，任务中他们会遇到72名不同的搭档，这些搭档都是来自于与他们同一所大学的学生。(2)任务中他们的搭档会作为提议者决定如何分配50元，而被试将作为回应者来决定是否要接受提议者的分配方案，若选择接受，则两方按照分配方案得到相应金额；若选择拒绝，则两方受益为0。每一项分配方案来自于不同的分配对象，且在研究开始前进行采集。(3)考虑到学生尚且没有收入，试验中提议者的经济状况将由他们的家庭月收入水平来决定。经济水平将通过一个十级的“经济阶梯”(economic ladder)来表示[12]，其中最低的第一级阶梯表示最差的经济状况；反之，最高的第十级阶梯表示的则是最好的经济状况。本研究中的提议者来自于第一级阶梯(经济状况较差)或第十级阶梯(经济状况较好)。最低及最高的家庭月收入水平的设置参考了2015年中华人民共和国国家统计局发布的数据。(4)每一个提议者的分配方案以及被试(回应者)是否接受该分配将决定被试和提议者的最终所得。被试最终的酬劳由两部分组成，一部分是被试参与本研究的保底收入50元，另一部分则是根据所有任务结果中随机抽取6%的决策结果相加所得。

本研究的任务采用的是混合设计，不同经济状况的任务区组交替出现。在一个区组中，被试会先看到6 s关于提议者经济状况的提示，经济状况通过一个渐变色的柱状图来表示，当标志指向柱状图顶端时表示提议者经济状况较好，指向柱状图底端时表示提议者经济状况较差。提示之后，被试会依次得到来自相同经济状况的6名不同提议者的分配。每一次分配中，被试会先看到持续3 s的分配界面，界面会显示提议者分给自己及分给被试的金额。然后，被试需要在接下来的决策阶段决定是否接受这一分配方案，决策阶段有3 s的限制时间，被试通过在键盘上进行相应的按键做出反应(右手食指按“3”代表“接受”，右手中指按“4”代表“拒绝”)。当被试做出反应后，程序会通过在他们所选择的选项外显示一个蓝色框来进行反馈(图1)。两次分配之间有2～4 s的空白间隔，在分配界面和决策界面之间插入了500～1500 ms的空白间隔。每一个区组包含2个公平分配(¥25:¥25)和4个不同的不公平分配(¥20:¥30，¥15:¥35，¥10:¥40和¥5:¥45)，顺序上随机排列。每一个区组耗时70～75.8 s，每两个区组之间有5 s的间隙时间。正式任务共有12个区组合计72次分配，其中6个区组中所有的提议者都来自于经济状况较好组，另外6个区组中所有的提议者都来自于经济状况较差组。不同经济情况区组出现的顺序在被试间进行了平衡。

为避免被试联想到自己熟悉的人而影响其决策，任务中72位提议者都以姓名的缩写为标记出现在屏幕上(如“Zhang Liang”缩写为“Zhang L.”)。在正式任务之前，被试首先会练习4个区组(每种经济状况的提议者各占两个区组)共24次分配，做到能够对任务材料反应自如。

任务完成后，主试给被试呈现与任务中相同的提议者经济状况及分配方案。这时需要被试对于每一个分配方案进行利克特9点量表的公平感评分，其中1分表示极度不公平，9分表示极度公平。同时，主试也询问了被试自身的经济状况，其中1分表示最差的经济状况，10分表示最好的经济状况。

1.3 磁共振扫描参数

本研究磁共振成像的扫描分为高清结构像扫描和静息态fMRI扫描两部分。研究中所有被试的脑数据采集于西门子3.0 T磁共振成像系统(Magnetom Trio TIM，Siemens，Erlangen，Germany)。首先通过T1加权的多平面重建序列得到结构像的数据，序列参数如下：TR 2530 ms，TE 2.34 ms，扫描层数为192层，层厚为1 mm，FOV 256 mm×256 mm，采集矩阵大小为256×256。然后进行静息态的fMRI数据扫描，一共扫描240幅图像，总时长8 min 6 s。扫描过程中被试需要闭上眼睛且保持不作思考的清醒状态。静息态fMRI扫描采用的是梯度回波平面成像序列(echo planar imaging，EPI)，序列参数如下：TR 2000 ms，TE 30 ms，FOV 192 mm×192 mm，采集矩阵大小为64×64，扫描层数为33层，层厚为4 mm，层间距为4 mm。

1.4 静息态fMRI数据分析

本研究中静息态脑数据的预处理和统计分析使用了基于MATLAB环境下的DPARSFA工具包(Data Processing Assistant for Resting-State fMRI；http://www.restfmri.net/forum/DPARSFA)。

首先进行脑数据预处理，过程分为以下几步：(1)删除前10幅全脑图，以排除因开始扫描时仪器的不稳定所造成的影响；(2)时间层校正：减少在一次全脑扫描中因为层与层之间扫描时间差造成的差异；(3)头动校正：将扫描中的每一幅图与第一幅图进行对齐，当被试平动超过1.5 mm，或转动超过1.5°时，则认为该被试头动过大，数据需要被排除；(4)将头动校正后形成的平均EPI图像和T1加权成像所得的结构像进行配准；(5)将配准后的高清结构像分割成白质、灰质和脑脊液，并标准化到MNI空间；(6)根据先前处理得到的标准化参数，将功能像进行空间标准化(以3 mm×3 mm×3 mm的体素进行重采样)；(7)去除线性漂移造成的影响；(8)使用带通滤波去除0.01～0.08 Hz频率之外的频率成分；(9)去除头动、白质和脑脊液等协变量因素对于数据的影响；(10)使用6 mm半高宽的高斯核进行空间平滑。

功能连接的分析过程如下：首先根据以往研究[9，13]，以右侧被外侧前额叶皮层(MNI 26，48，22)、右侧丘脑(MNI 6，-18，6)的MNI坐标为圆心，构建6 mm为半径的球形种子点，计算种子点与大脑各体素之间的功能连接并获得通过费舍尔Z转换(FisherZ)的大脑功能连接图。然后通过回归分析进行功能连接与行为数据间的相关性分析。当脑区激活水平通过体素水平(voxel level)P＜0.001(未校正)及簇水平(cluster level)P＜0.05(family-wise error，FWE校正)的阈限，则认为脑区激活显著。

进一步通过SPSS统计分析工具对功能连接结果通过费舍尔Z转换所得的系数与行为结果进行Pearson相关性分析，得到相关系数并画出散点图。当P＜0.05时，认为功能连接系数与行为结果有显著相关。本研究中主要关注的行为结果为回应者对于来自不同经济状况的提议者不公平分配的拒绝率以及公平感评分。

2 结果

2.1 行为结果

当提议者给出公平分配时，回应者会接受所有的分配并给出较高的公平感评分。本研究主要探究回应者对不公平分配的反应，因此关注的行为变量为被试对于不同经济状况提议者提出不公平分配时的拒绝率及公平感评分。配对t检验分析发现，得到不公平分配时，被试对于经济状况较好的提议者的拒绝率(范围是0.54～0.92)显著高于对经济状况较差的提议者的拒绝率(范围是0.21～0.75) (t(29)＞12.54，P＜0.01)。同时，对于经济状况较好的提议者的公平感评分(范围是1.79～4.00)显著低于对经济状况较差的提议者的评分(范围是2.33～4.63) (t(29)＞8.23，P＜0.01) (图2)。

此外，实验中还记录了被试自身的经济状况。单样本t检验结果表明，被试经济状况的平均水平为4.63±0.93，与代表经济状况较差的1和代表经济状况较好的10差异显著(ts＞21.44，Ps＜0.01)。这表明任务中设置的经济状况较好的条件显著好于被试本身所处的经济状况，同时任务中设置的经济状况较差的条件也显著低于被试本身所处的经济状况。

2.2 脑数据结果

研究结果表明，脑区间功能连接与对不公平分配的拒绝率之间的相关，主要体现为当提议者经济状况较好时，右侧DLPFC和右侧内侧前额叶皮层(medial prefrontal cortex，MPFC)(MNI 12，57，21)的功能连接与不公平分配的拒绝率之间的负相关(r=-0.80，P＜0.01，图3A)。脑区间的功能连接与对经济状况较差的提议者提出不公平分配时的拒绝率之间没有表现出显著的相关。

脑区间功能连接与对不公平分配的公平感评分之间的相关，主要体现为当提议者经济状况较好时，右侧丘脑与左侧MPFC (MNI -6，63，9)的功能连接与被试对不公平分配的公平感评分之间的负相关(r=-0.59，P＜0.01，图3B)。脑区间的功能连接与对经济状况较差的提议者提出不公平分配时的公平感评分之间没有表现出显著的相关。

3 讨论

本研究借助于静息态fMRI的功能连接分析方法，从个体差异的角度出发深入探讨了大脑区域之间的内在连接对于不同经济状况影响不公平感相关决策的预测作用。行为结果表明，相较于经济状况较差的提议者，被试更可能会拒绝经济状况较好的提议者提出的不公平分配，并且对他们的分配感到更不公平。提议者不同的经济状况对于回应者的公平感感知及决策反应起到调节作用。静息态fMRI结果表明，脑区间的功能连接与行为结果之间相关显著。当经济状况较好的提议者给出不公平分配时，右侧DLPFC和右侧MPFC的功能连接与拒绝率之间呈现出负相关，而右侧丘脑与左侧MPFC的功能连接与公平感评分之间呈现出负相关。

图1 任务流程。A：当标志指向柱状图顶端时表示提议者经济状况较好；B：指向柱状图底端时表示提议者经济状况较差；C：在每一个实验串中，分配界面显示3 s，决策界面显示3 s，被试需要在决策界面选择接受或拒绝。当被试做出反应时，在其所选选项上会出现一个框，显示时间为1 sFig.1 The experimental process. A: An arrow pointing to the top of the histogram indicating the High economic status; B: An arrow pointing to the bottom of the histogram indicating the Low economic status; C: In each trial, the proposal screen was presented for 3 s. Then the decision cue appeared and participants were required to decide whether to accept or reject the offer within 3 s by pressing corresponding buttons. Once they responded, a frame outside the selected choice would be presented for 1 s to provide feedback of their decision.

图2 得到不公平分配时的拒绝率(A)和公平感评分(B)(*表示P＜0.01)Fig.2 A: Rejection rates to unfair offers, B: Fairness ratings to unfair offers. * indicates P＜0.01.

在脑区间功能连接与对不公平分配的拒绝率之间的相关分析中发现，右侧DLPFC和右侧MPFC的功能连接与对经济状况较好提议者的不公平分配的拒绝率之间呈负相关，即DLPFC与MPFC的功能连接越强的个体，更可能会接受对于来自经济状况较好的提议者的不公平分配。以往对于不公平感相关决策的研究中发现，DLPFC和整合与双方责任、自身行为及其后果等有关信息，并做出最适合当前情境下的行为有关[3，8]，而MPFC的功能与识别他人的意图和目的有关[9，14]。因此，DLPFC与MPFC的功能连接越强的个体可能更善于整合与他人意图相关的信息，在决定是否接受不公平分配时会更加理解他人，从而导致对于不公平分配的拒绝率降低。

脑区间功能连接与对不公平分配的公平感评分之间的相关分析发现，右侧丘脑与左侧MPFC的功能连接与被试对经济状况较好的提议者的不公平分配的公平感评分之间呈负相关，即丘脑和MPFC的功能连接越强的个体，对于来自经济状况较好的提议者的分配感到更不公平。前人研究发现，丘脑的激活受到社会情绪刺激的调节作用，人们对于社会经济地位更高的对象有更强的情绪唤起[9，15]。因此，当得到经济状况较好的提议者的不公平分配时，人们会感到更强的负性情绪。又如先前所说，MPFC与识别他人的意图和目的有关[9，14]。因此，丘脑与MPFC的功能连接越强的个体在理解他人意图的同时会受到较强的负性情绪的影响，从而对来自经济状况较好的提议者的分配感到更加不公平。

本研究目前的研究结果尚无法分析特定脑区功能是与普遍的任务控制或注意控制有关，还是与特定的决策过程有关。这一点在未来研究中，笔者可以进一步设计实验进行观察。

图3 A：以右侧背外侧前额叶皮层为种子点和右侧内侧前额叶皮层的功能连接与对经济状况较好提议者的不公平分配的拒绝率之间呈负相关；B：以右侧丘脑为种子点和左侧内侧前额叶皮层的功能连接与对经济状况较好提议者的不公平分配的公平感评分之间呈负相关Fig.3 A: Rejection rates were negatively correlated with FC between right DLPFC and right MPFC; B: Fairness ratings were negatively correlated with FC between right thalamus and left MPFC.

4 结论

本研究借助于静息态fMRI的功能连接分析方法，探讨了个体在静息状态下大脑区域之间的内在连接强度差异，能否预测其在面对来自不同经济状况提议者的不公平分配时的行为反应及公平感感知。结果发现，相较于经济状况较差的提议者，人们在更多地拒绝来自经济状况较好的提议者的不公平分配的同时，也会感到更加地不公平。此外，当不公平分配来自于经济状况较好的提议者时，右侧DLPFC和右侧MPFC的功能连接与拒绝率之间呈负相关，右侧丘脑与左侧MPFC的功能连接与公平感评分之间呈负相关。以上结果表明，DLPFC、丘脑及MPFC在静息状态下的功能连接能够预测人们在整合搭档的经济状况并进行不公平感相关决策过程中的个体差异。

[References]

[1] Wu Y, Zang Y, Yuan B, et al. Neural correlates of decision making after unfair treatment. Front Hum Neurosci, 2015, 9(5): 123.

[2] Guroglu B, Van Den Bos W, Rombouts SA, et al. Unfair? It depends:Neural correlates of fairness in social context. Soc Cogn Affect Neurosci, 2010, 5(4): 414-423.

[3] Guo X, Zheng L, Cheng X, et al. Neural responses to unfairness and fairness depend on self-contribution to the income. Soc Cogn Affect Neurosci, 2014, 9(10): 1498-1505.

[4] Holm H, Engseld P. Choosing bargaining partners: An experimental study on the impact of information about income, status and gender.Exper Econo, 2005, 8(3): 183-216.

[5] Haile D, Sadrieh A, Verbon HA. Cross-racial envy and underinvestment in South African partnerships. Cambridge J Econ,2008, 32(5): 703-724.

[6] Biswal B, Yetkin FZ, Haughton VM, et al. Functional connectivity in the motor cortex of resting human brain using echo-planar MRI.Magn Reson Med, 1995, 34(4): 537-541.

[7] Horwitz B, Friston KJ, Taylor JG. Neural modeling and functional brain imaging: an overview. Neural Netw, 2000, 13(8-9):829-846.

[8] Sanfey AG, Rilling JK, Aronson JA, et al. The neural basis of economic decision-making in the ultimatum game. Science, 2003,300(5626): 1755-1758.

[9] Zink CF, Tong Y, Chen Q, et al. Know your place: Neural processing of social hierarchy in humans. Neuron, 2008, 58(2): 273-283.

[10] Hu J, Blue PR, Yu H, et al. Social status modulates the neural response to unfairness. Soc Cogn Affect Neurosci, 2016, 11(1): 1-10.

[11] Guth W, Schmittberger R, Schwarze B. An experimental-analysis of ultimatum bargaining. J Econo Behav & Organiz, 1982, 3(4):367-388.

[12] Adler NE, Epel ES, Castellazzo G, et al. Relationship of subjective and objective social status with psychological and physiological functioning: Preliminary data in healthy white women. Health Psychol, 2000, 19(6): 586-592.

[13] Feng C, Luo YJ, Krueger F. Neural signatures of fairness-related normative decision making in the ultimatum game: a coordinatebased meta-analysis. Human Brain Mapping, 2015, 36(2): 591.

[14] Frith CD, Frith U. The neural basis of mentalizing. Neuron, 2006,50(4): 531-534.

[15] Britton JC, Phan KL, Taylor SF, et al. Neural correlates of social and nonsocial emotions: An fMRI study. Neuroimage, 2006, 31(1):397-409.