我们的第二个研究除了让被试完成一个类似实验一的行为决策任务外，还让被试评价每种提议所诱发的不公平感，作为损失强化不公平的外显测量指标，以及一个损失/获益与公平/不公平的内隐联想测验，作为损失强化不公平的内隐测量指标。内隐联想测验（implicit association test，IAT）通过一种计算机化的分类任务来测量两类词（概念词与属性词）之间的自动化联系的紧密程度（Greenwald，McGhee，＆Schwartz，1998）。IAT在生理上以神经网络模型为基础。该模型认为信息被储存在一系列按照语义关系分层组织起来的神经联系的节点上，因而可以通过测量两个概念在此类神经联系上的距离来测量这两者的联系。两个概念在属性上有相容和不相容之分。所谓相容，是指两者的联系与被试内隐的态度一致，或对被试而言两者有着紧密且合理的联系，否则为不相容。当概念词和属性词相容，此时的辨别归类在快速条件下更多的为自动化加工，相对容易，因而反应速度快，反应时短；当概念词和属性词不相容，即其关系与被试的内隐态度不一致或两者缺乏紧密联系时，往往会导致被试的认知冲突，此时的辨别归类需进行复杂的意识加工，相对较难，因而反应速度慢，反应时长；不相容条件下的与相容条件下的反应时之差即为内隐态度的指标。这样，概念词和属性词关系与内隐的态度一致程度越高，联系越紧密，辨别归类加工的自动化程度就越高，因而反应时越短，而不相容条件下，认知冲突越严重，反应时越长，其间的差就会更大，表明内隐态度越坚定。
IAT具有良好的信度和效度（Greenwald，Poehlman，Uhlmann，＆Banaji，2009），被广泛应用于内隐态度的测量，如成就动机（Brunstein＆Schm itt，2004）、偏见（Gaw ronski，2002）、自尊（Grumm＆von Collani，2007）、酗酒（Houben＆Wiers，2006）、主观幸福感（Walker＆Schimmack，2008）等。内隐联想测验建立在对内部认知过程的测量之上，能有效地防止意识的干扰作用。当被试无法或者不愿意表露自己内心真实的想法时，内隐联想测验也可以揭示其内隐态度和概念间的自动化联结。
预期在内隐和外显测量指标上，都可以发现损失对不公平的强化。在损失/获益与公平/不公平的IAT任务中，预期同获益与不公平的联结相比，损失与不公平的自动化联结更强，且被试在两种联结程度之间的差异可以预测其对提议的决策行为。
实验依次进行三个任务：IAT任务、行为决策和对提议不公平程度的评价。
IAT任务中，要求被试尽可能又快又准地对一组呈现的词语进行分类。IAT包含两组四类词：损失/获益、公平/不公平。所有的实验材料均为中文双字词（参见表3-2），带下划线的词语表示类别标签。词语以随机的顺序呈现在电脑屏幕中央，相同的两个词不会连续出现。被试用左右手按“E”/“I”键完成对词语的分类。
表3-2 I AT任务用词（词频摘自现代汉语频率词典，北京语言学院出版社，1986）
决策任务的实验设计如上，最后通牒博弈的任务同前面的实验。先由计算机程序决定每轮游戏是总体赢钱（＋￥10）还是赔钱（－￥10），然后将提议者提出的分配方案呈现给反应者（被试），被试决定是否接受该方案。被试最后的报酬在参与实验应得的报酬的基础上根据其在游戏中的表现作相应额度的增减。
对提议不公平程度的评价在计算机上操作，被试首先看到对家的分配提议，然后移动鼠标在滑标上的位置评价该提议的公平程度，评价值范围是［－100，100］。值越负表示越不公平，越正表示越公平。公平和不公平在滑标两端的位置在被试间平衡。
实验开始前被试仔细阅读I AT任务的指导语，并判断表3-2中所示的词语分属于损失/获益/公平/不公平中的哪一类，全部正确后方开始IAT测验。IAT程序如表3-3所示。其中，B 2～B 4部分和B 5～B 7部分的先后顺序在被试间平衡。
表3-3 I AT任务程序
IAT任务结束后，被试阅读最后通牒博弈任务的指导语，并向被试强调分配提议是由不同的对家提出的，但是由于无法在统一的时间地点内同时进行博弈，所以事先收集了他们的数据。由于每一轮是跟不同的对家进行博弈，所以被试每一轮的选择不影响接下来的分配提议，也不影响下一轮是一起赢钱还是赔钱。但是被试的选择决定了他自己最后的收入，也决定了对家最后的收益。在被试理解博弈规则和操作后开始正式实验。每一轮游戏开始屏幕上呈现彩色或黑白色10元人民币图片1000ms，间隔500ms后呈现对方的分配提议，被试在3s内按键反应，表示接受或拒绝该方案（反应对应按键在被试间平衡）。之后出现该轮博弈的结果，若被试选择接受，则结果与分配提议一样，若被试选择拒绝，则在赢￥10条件下双方都得0，在赔￥10条件下双方都－10。单轮游戏流程如图3-9所示。实验共有100轮游戏，分4个区组，每个区组有25个试次。10种分配提议各重复10次。为避免呈现序列的影响，损失和获益情境连续出现不超过4次，同一种分配提议连续出现不超过3次。
首先对IAT、博弈任务、公平程度评价分别进行统计分析，然后对三者之间的关系进行相关分析。结果发现，损失与不公平（获益与公平）的联结强度指标D值（0.96±0.27）显著大于0，表明了一种显著的内隐联结倾向。采用传统的IAT数据统计方法（Greenwald，et al.，1998）得到的结果一致，发现不相容组的平均反应时（1118ms）多于相容组（683ms），不相容组的错误率（6.4%）高于相容组（2.5%）（参见图3-10）。
图3-10 I AT任务中相容组和不相容组的反应时（左图）和错误率（右图）
损失是一种负性事件，不公平也是一种负性事件，比起获益与不公平，损失更容易与不公平联结在一起。IAT效应的存在证实了获益与公平、损失与不公平的联结更紧密。这种联结偏向揭示了损失强化不公平的内隐加工机制。
相对于获益与不公平、损失与公平的联结相比，获益与公平、损失与不公平的联结程度更强（反应时更短），可能与词语效价（valence）的一致性有关。效价一致的概念在语义网络上的节点距离更近，更容易被联结加工。这种加工倾向可能会引起对损失情境下提议的不公平感加剧。我们随后考察了损失厌恶强化不公平厌恶的神经机制，将在第4章中加以介绍。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
