遅延測定は、調整量のタスクを使用した人間で割引します

Abstract

遅延割引は、それがすぐに利用可能であるときに比べて遅れている報酬の価値の下落を指します。遅延割引タスクは遅延と大きさの両方が異なる2つ二分報酬の代替のための同等の好みを反映無関心ポイントを識別するために使用されます。彼らは私たちが値上の遅延の影響を分離することを可能にするため、無関心ポイントは、遅延割引勾配の形状を評価するための鍵となります。たとえば、1週間の遅延と$ 1,000、最大であれば、無関心点は、私たちはその参加者に対して、1週間の遅延が値で30％の削減に相当し、ことを知っている$ 700からです。このビデオでは、比較的迅速に無関心ポイントを識別し、安価で管理が容易である調整量の遅延割引タスクの概要を説明します。データが収集された後、非線形回帰法は、典型的には、割引曲線を生成するために使用されます。割引曲線の勾配は、IMPの程度を反映グループまたは個々のulsive選択。これらの技術は、商品の広い範囲で使用されており、比較的衝動的である集団を同定しました。例えば、薬物乱用問題の割引を持つ人々は、制御の参加者よりも急激に報酬を延期​​しました。割引の度合いを調べ、商品の関数として変化するが、1商品の割引は、割引が行動¹の永続的なパターンであることを示唆している他の商品の割引、と相関します。

Introduction

遅延割引は、人々が遅延割引が時間的近位報酬がより高度に一時的に遠位の報酬よりも評価されているという事実を指す遭遇する多くの状況に影響を与える行動の現象です。つまり、遅延の報酬の減少の値です。人々が作る多くの選択肢が即時低品質の結果との間のトレードオフを伴うので、これは重要なプロセスである（ 例えば 、夕食後のチーズケーキの一部）と、高品質の結果を遅延（ 例えば 、長期的な健康）。遅延割引もサル^4,5、ラット^6,7、およびハト^8を含む 、人間^2,3に加えて、様々な種で観察されています。

割引の程度の個人差は、様々な不適応行動⁹にリンクされています。報酬の値は双曲線減衰関数⁸に応じた遅延の関数として減少します。双曲線崩壊で、値が減少比較的短い遅延で広範囲だが、比較的長い遅延を越え比例それほど減少しています。値は、遅延の関数として双曲線劣化することがメーザーの発見は、双曲​​線関数が選好逆転を予測することができるので、重要である他の理論機能することはできません追加の前提条件なし。好みの反転はある共通の遅延は、両方の選択肢に追加された場合は逆になります^10-12未来（LLR）で比較的遠位の時点で入手可能な、より大きな報酬上で利用可能な小型の報酬は比較的早く（SSR）のためにその好みを見つける十分に文書化。仕事から家に運転している間、空腹感が突然ヒットし、たとえば、人が待っているとは対照的に、彼らはの作品のために家を出るまで比較的不健康な軽食のための目の前で最初のファーストフードレストランで停止するように傾斜させてもよいです果物や他のいくつかの高品質のスナック。人はまだに歩く必要があるときは、しかし、飢餓は、仕事でしばらくまだヒットした場合自分の車やファーストフード店に接近する前に、道を車で、彼らは果物のために家に帰るまで待つことにした可能性が高くなります。

遅延の関数としての価値の下落に報いるれる急峻性は、生物の選択の衝動性の尺度とみなすことができます。選択肢の衝動は、衝動的選択の.Higher度を使用するようにリンクされているLLR ^13,14の上に、SSRのためのプリファレンスとして定義され、アルコール^15,16、タバコ^17,18、コカイン^19、ヘロイン^20,21、など様々な薬物の乱用することができます及びメタンフェタミン^22。衝動的な選択肢の高い度も問題ギャンブル^23、肥満^24,25、および貧しい人々の健康と個人の安全の選択肢²⁶にリンクされています。

様々なタスクは、ヒトにおける割引遅延を評価することができます。例えば、参加者が代替と経験間の意思決定の一部または全部を行うことを求められることができました彼らの選択（実際の報酬タスク^27,28）に関連するか、彼らが実際に彼らの選択（仮想的な報酬タスク^1-3,9に関連した結果を経験しないであろう、その場合には、彼らは、仮想的な選択肢の間で決定を下すことを求められることができた結果の^{、15-19,25,29）。}割引の類似度は、一般的にかかわらず、報酬や遅延が本物か³⁰仮説的であるかどうかの観察されました。遅延割引のタスクを投与する方法は、研究間で異なっています。例えば、様々な研究所が穴埋めアンケート^31、複数の選択肢の質問票^32、調整量手順^33、および通貨の選択アンケート^34を使用してタスクを管理してきました。もともとデュ、緑、Myerson氏³³によって開発され、我々の研究室で広く使用さ調整量のタスクは、いくつかの利点を提供します。タスクは、プログラムされたデータ収集が自動化されると、制限プロセス全体を通じて人的エラー。タスクの調整性質上、無関心ポイントは、参加者が、実験と制限退屈であることが要求されている時間を最小限に抑えることが比較的少ない質問で達成されています。重要なことは、タスクが詳細かつ信頼性の高いデータを提供します。調整量タスクは以下に詳述します。

Protocol

プロトコルは、ユタ州立大学の施設内倫理委員会によって承認されました。以下の手順は、プログラミングと遅延割引のタスクを行うためのガイドとして機能する必要があります。

1.遅延割引タスクの設定

1. 割引が評価されるため、遅延の範囲を選択します。
   注：例えば、典型的なシナリオは1週間から25年の範囲で遅延を使用します。選択された遅延は、慣例により、およそ指数関数的な進行に従ってください（ 例えば、1週間、2週間、1ヶ月、2ヶ月、6ヶ月、1年、5年、25年）
2. タスクで使用されるお金の最大量を選択してください。たとえば、タスクで使用される資金の典型的な量は$ 100または$ 1,000です。
3. 各遅延で無関心点を決定するために完了しなければならない試行回数を選択してください。
   注：例えば、各遅延のための試験の典型的な数は6〜8トンの間でなければなりませんデータ解像度と参加者の疲労のバランスをとるためにリアル。

2.インフォームドコンセントやログインの参加を入手

1. 参加者は、コンピュータの前に分離された部屋に座っています。自分の携帯電話および/または任意の他の電子機器の電源をオフにするために参加して下さい。
2. 見直し、彼らが作業に参加することに同意した場合に署名するためのインフォームドコンセントフォームで参加者を提供します。
3. コンピュータ上のタスクに関連付けられたアイコンをクリックしてプログラムを起動します。
4. ダイアログボックスを確認し、参加者のデータに添付されますユニークな参加者IDタグを入力してください。
   注：タスクは実験者によってプログラムされなければならないため、このステップでは、プログラムが自動的に参加者のタグを割り当てたことにより、自動化することができました。

3.手順と実践トライアルを提供

1. 彼または彼女はタスクに経験するかについて参加者の指示を与えます。
2. 提供しデータ分析には含まれません電子の練習試行。
   注：実際の試験は、タスク設計に参加者を理解し、参加者には、タスクの開始時に収集されたデータの整合性を脅かすことなく、彼らが期待されているかを理解するために失敗した場合に質問をする機会を提供するように設計されています。練習試験は以下の通り調整の手順を使用しないでください。その代わりに、実際の試験では、単純に即時の結果と遅延の結果との間に選択の一連で構成する必要があります。
   1. 例えば、コンピュータ画面上の質問を示し、すぐに利用できる$ 10と1ヶ月で利用できる$ 100との間で選択するよう参加者に依頼することによって練習試行を開始します。画面上で行った選択を確認します。
   2. immediaまで（関係なく、選択肢の参加者によって行われた）次の画面ではなく、その後の選択肢は、各裁判に$ 10の増加によって即時選択肢を増やすために同じ質問をしますTEおよび遅延の選択肢は$ 100と等しいです。
3. 参加者がタスクに順応できるようにするために10練習試行を行ってください。

4.シングル無関心ポイントを評価します

注：無関心ポイントは、遅延割引タスクからの主要な従属変数として機能し、遅延代替の現在価値は、即時代替のものと同じである点を表します。

1. 参加者に遅延し、即座に代替するための出発量を表示します。最初の試験では、遅延の代替のための量と最大量を表示します。同時に最大量の1/2として即時の量を表示します。試験の開始時に画面（選択の選択肢のそれぞれから等距離）の中央にマウスカーソルを設定します。
   注意：代替が提示された側（画面の右側または左側）は、ランダムにそれぞれに決定されるべきです裁判。
2. 参加者の選択を確認します。
3. 参加者の選択に基づいて、第2の試験のための最大の1/4によって即時代替の量を調整します。
   1. 参加者は、最初の試験にすぐに代替手段を選択した場合に、第2の試験のための即時代替の量を減らします。即時の量は$ 50であり、それは、最初の試験で選択された場合たとえば、その後、二審で$ 25と即時の量を表示します。
   2. 参加者は最初の試験に遅れ代替案を選択した場合に、第2の試験のための即時代替の量を増やします。即時の量は$ 50だったが、遅延量が最初の試験で選択された場合たとえば、その後、二審で$ 75即時量を表示します。
4. 参加者に即座に代替し、一定の遅延代替の新量を表示し、それらが彼らの次の選択を行うことができます。
5. Pを観察articipantの選択と前の調整の1/2によって即時代替の量を調整します。
   1. 参加者は、現在の裁判にすぐに代替手段を選択した場合は、次の試験のための即時代替の量を減らします。即時の量が第2裁判に$ 25であり、それが選択された場合たとえば、3番目の裁判に$ 12.50のように即時の量を表示します。
   2. 参加者は、現在の裁判に遅れた選択肢を選択した場合は、次の試験のための即時代替の量を増やします。即時の量が第2裁判に$ 25であり、それが選択された場合たとえば、3番目の裁判に$ 37.50のように即時の量を表示します。
6. 参加者は選択肢の必要数をした繰り返して、4.4と4.5のステップ
   注：選択肢の数は、実験者の裁量に任されて、さらに詳細のための議論を参照してください。
   注：ALWA必要があり、今後の裁判のための調整nは、電流調整のための試行回数である2 ^-n、乗じた最大量に等しくなるようYS（ 図1を参照）。
7. 参加者の選択に基づいて即時量に最終調整を行います。その遅延の無関心点として、この新しい金額を使用してください。

5.各遅延で無関心ポイントを決定します

1. 完全に即時結果の量と各遅延で最初の試験のための調整量をリセットし、選択された遅延のそれぞれについて、ステップ4を繰り返します。

6.質的に異なるアウトカム（オプション）の遅延割引を評価します

1. 選択した結果の一例を提供するために、参加者を確認して下さい。選択した結果が食品である場合たとえば、その後、「あなたの好きな食べ物は何ですか？」の参加者に尋ねます
2. 参加者の反応を観察し、結果コスト（ 例えば 、どのくらいの単位参加者に尋ねる。「何好適な食品のコストですか？」）。
   注：実験者が商品全体で割引くの違いを評価することに興味がある場合は割引の違いが割引されている量の違いによるものではないように、このステップは、値の面で商品を等しくなります。
3. 参加者によって報告された価格に基づいて、即時および遅延開始値の値を表示します。参加者によって提供され、その量の1/2に即座に代替を設定した単位当たりの価格で除した最大値に等しくなるように、結果の遅延量を設定します。
   注：アイスクリームの1食分は$ 5のコストと最大$ 100の場合たとえば、その後$ 100アイスクリームの20人前があります。即時の代替（ 例えば 、「今アイスクリームの10人前」）として、遅延の代替（ 例えば 、「1週間でアイスクリームの20人前」）と、その量の1/2として計算された値を使用してください。
4. REPEそれぞれの結果の再計算値とステップ4および5のすべてで。

調整額タスクの図1.試用構造 。遅延代替、Yの開始値は、最大値を同じにする必要があります。即時の代替の開始値、Xは、.5Yを同じにする必要があります。 Xは選択された場合、Xの値は、次の裁判に減少させるべきです。 Yを選択した場合、Xの値は、次の裁判に増やす必要があります。調整量は、試験1に.25Yであり、各その後の裁判の前の調整の0.5である。 この図の拡大版をご覧になるにはこちらをクリックしてください。

7.データ解析

1. 任意の好適なデータANALYへのデータのインポートSISプログラム。各参加者の各遅延のための無関心ポイントを分離します。各グループの各遅延の中央無関心ポイントを計算します。
   注：グループの設計が使用される場合、中央値無関心ポイントの計算にのみ必要です。
2. 曲線回帰モデルを選択してください（例については、代表的な結果を参照してください）​​。 （中央値）無関心点にモデルに合わせて曲線回帰を使用してください。これは、選択されたモデル（パラメータの説明については以下を参照）に関連するパラメータ推定値を生成します。
   注：私たちは、ステップ7で読者を支援するための統計プログラムRについて補足資料に曲線回帰を実施するためのコードを提供してきました。

Representative Results

遅延割引の結果は、一般的にそれぞれの結果のために個々の参加者からのグループと無関心点からの中央値無関心ポイントの両方に曲線回帰モデルを当てはめることによって分析されます。サンプルについて無関心点は、通常、一般には配布されませんので、中央値、グループ無関心ポイントが使用されています。 3つの非線形回帰モデルは、一般的に使用されます。マズール（式^{1）8、Myerson}氏とグリーン（式^2）35、およびラクリン（式^3）36によって提案されたもの。

これらのモデルでは、Vは O遅延の存在（割引）値であり、utcome（すなわち、実験的に決定さ無関心点）、Aは、将来の結果の量であり、Dは、結果の遅延であり、kは遅延結果が関数としての価値を失うと急峻性を定量化する自由パラメータであります遅延の。式2及び3において、Sはまた変える自由にスケーリングパラメータです。従来の統計的分析は、kが原因との相互作用に割り引くの独立した尺度ではないため、1統計的分析は、式2と式3からLN（K）にはあまり適切である式からkの自然対数（LN） ​​に行ってもよいですsパラメータ 。

当研究室では、我々は検討されている特定の結果が示されている（ 例えば 、お金対食品）（ 例えば 、食品がより急峻にお金¹よりも割り引かれる）割引に影響します。この事実にもかかわらず、個々の好みのうるさいです割引のipants」程度は異なる結果全体に相関しています。私たちは、割引は特性のようなプロセスであり、遅延証拠としてこの知見を解釈しています。遅延割引を形質様プロセスであると考えられる一方でしかし、それはまた、状態変数^37,38によって影響されます。

以前ジャーナル精神薬理学 ¹に掲載された以下の結果は、非線形回帰によって得られた曲線を割り引く典型的な遅延を示しています。基分析のために、中央値、グループ無関心ポイントは、各遅延のために得られます。これらの点は、非線形回帰モデル（ただし、Rコードを参照）に適合している4転帰改善のためのモデルは、式（2）のフィット2ディスプレイ図 ：お金、アルコール、エンターテイメント、食品。喫煙者と非喫煙者：結果は、2つのグループに分離されました。

ロード/ 53584 / 53584fig2.jpg "/>
図2.様々な商品の遅延割引。お金、アルコール食品、エンターテイメントの商品のために喫煙者と非喫煙者のための機能を割り引きます。すべての4つのパネルでは、ポイントが中央値無関心ポイントを示し、ラインは最高のフィッティング双曲線のような割引関数^{35を示しています} 。アルコール、エンターテイメント、食品の商品のためのインセットは、x軸と同じデータが最短遅延で無関心ポイントを表示するようにスケーリングされます。いくつかの例では、データ点が重なっていてもよいです。この図は、もともと（CC-BYライセンスの下で） 精神薬理学 ¹に掲載されました。 この図の拡大版をご覧になるにはこちらをクリックしてください。

R ²および赤池情報量基準（AIC）：フィットの質は、2つの測定値を用いて評価することができます。（残差平方和二乗の/合計） - ^R 2は1として計算されます。 R非線形回帰の²得点は慎重に解釈（そしておそらく回避）する必要があるの正方形と正方形の誤差和のモデル合計は1に等しいそれにもかかわらず、我々は一般的に大会に起因するR ²得点を含むので、値はそのていないので、私たちの研究から、以前の研究と比較することができます。 AICは、2K + N kは、自由パラメータ（数1 1、及び式2および3の2）の数であり、nは無関心ポイント（ 表1参照 ）の数であるログ（RSS / N）として算出されます。個々のデータは、同様の方法で分析されます。中央値R ²とAICの値は、個々のフィット（ 表2）の品質を示すことが報告されています。それは、式1、式2、式3の特別な場合であることに注意することが重要です（sは = 1の場合）、これらの他の式よりも大きなR ²値を生成することはありません。このように、AICはすることができますより複雑なモデルのR ²のゲインはこれらの式では追加のパラメータ（複雑化）を正当化するかどうかを評価するために使用します。より複雑なモデルが正当化されるかどうかを評価する別の方法は、S 1 ^39から有意に異なるかどうかを決定するであろう。

代替的に、曲線（AUC）下の非理論的な尺度、地域、参加者の無関心点⁴⁰から得ることができます。 AUCは、隣接無関心ポイントの各組の間に台形の面積の合計です。 [（Y ₁ + Y _2）/ 2] _X 1およびX _{2は、連続する}遅延および_Y 1およびY 2 _は、無関心点が（それらの遅延のためのものである場合、提供される参照のR - AUCは、（X _{1、X 2）}のように計算されますコー​​ド）。 AUCは、0と1の間の範囲と低い値が急峻に割引を示しています。場合パラメトリック統計は、AUCを分析するために使用することができます特定のサンプルは、正常の要件を満たしています。

表1： モデルの適合度の比較メーザー⁸双曲線とMyerson氏とグリーン³⁵双曲面のモデルフィットの比較。。太字の値は、より良いフィット感を示しています。中央値無関心ポイントの場合、赤池情報量規範（AIC）の結果は、双曲面は、8回のうち5より良いフィット感を提供することを示しています。個々の参加者データの両方のモデルをフィッティングから得られたR ²の値の比較は、双曲面が双曲線よりも、すべての場合には、より良いフィットすることを示します。

表2：パラメータ見積り。KとSパラメータだけでなく、R ²双曲面のためには、各グループのそれぞれの結果の中央値無関心ポイントにフィットします。

Discussion

このビデオでは、調整量のタスクを用いた実験を割り引く遅延を実施するために取るべき手順について説明します。調整量のタスクが実施する比較的迅速である（10 - 参加者あたり15分）し、信頼性の高いデータを生成します。タスクの調整性質は割引の個々の参加者の程度の微調整分析を提供します。タスクは、コンピュータベースのデータ収集であるため、データ収集プロセスの間に人間がエラーと影響を制限する、自動化されています。典型的には、タスクは、仮想の結果の割引を評価するために使用され、それはまた、実際の成果²⁸の割引を評価するために使用されてきました。調整量タスクに1つの制限は、タスクが参加者のエラーに対してロバストではないということです。大幅にタスクの滴定自然遅延ブロック（ 例えば 、参加者は週$ 100を選択することを意味したときに週に代わりに$ 100は今$ 50クリック）の最初の試験で行われたエラーのためになります試験全体の減少調整に再びこのブロックで$ 50に達することはありませんimmediateオプションとして、この遅延の無関心ポイントに影響を与えます。ブロック内の後に裁判で行われたエラーは、多くの無関心ポイントには影響しません。我々の研究室での観察に基づいて、我々はこのようなエラーは比較的稀であることがわかります。実験者は無関心ポイントが正確である参加者と確認し、そうでない場合は、その遅延のためのプロセスを繰り返すタスクをプログラムすることができます。

調整量のタスクを用いた実験を割り引く遅延内の3つの重要なパラメータは、裁量権を実験者までですが、実験的な質問で揃える必要があります。1）使用されている成果の量は、実験的な質問（例のために意味をなすべきでの、$ 100,000個の価値食べ物は）無意味です。 2）実験に用いた遅延は、 例えば （結果と意味を成さなければならないし、量を使用している。、急峻な割引$ 5月10日に1）は25年に1週間の範囲の遅延の進行を使用している場合は、意味のあるデータを提供するのに十分ではありません。 3）各遅延ブロック内の調整の数が分解能と時間（より多くの試験で、より解像度が、参加者からの必要な長い時間）を調整しなければなりません。ここでは、遅延割引評価を実施することができる1つの方法を概説しますが、遅延割引のタスクが変化し、上記で概説した手順のわずかな変更に堅牢では調査結果に大きな違いをする可能性はありません。

遅延割引実験からのデータを分析することによって、データへの良好なフィットを実現し、製造するのが比較的容易である曲線回帰技術で構成されています。プログラミングでタスクを割り引く遅延を支援するための擬似コード：我々は実験を割り引く遅延をプログラミングし、遅延割引タスクを通じて収集されたデータを分析するのに役立つ補足資料でいくつかの文書が含まれていますNY言語、E-プライムにプログラムされた遅延の割引タスク、および（コメント）統計プログラムRに非線形回帰を実行するためのスクリプト。

遅延は、実験を割り引く調整量のタスクを使用して、グループ間および被験者内衝動選択肢の違いを識別するための確実な方法を提供します。実験は、不適応な行動パターンと制御参加者⁴¹を持つ人々の間で割り引い遅延の程度の違いを同定しました。遅延割引タスクを用いた実験も被験者内インパクト遅延割引変数を識別し、それらの操作の相対的な耐久性を評価するために使用することができます。

以前の研究は、異なる集団間の遅延割引の違いを調べることに焦点を当ててきたが、より多くの研究は、遅延割引は、治療介入によって影響を受ける可能性があるかを理解するために必要とされます。遅延割引実験は極めてsuccessfuされています個人が、ギャンブル用医薬品、食べ過ぎ、または健康関連行動のための少し点を持っている理由の根拠と研究者の不適応な行動パターンを持つコントロール集団と人々の集団間の違いを識別し、提供中のL。これらの行動に関連した負の結果が遅れているため、これらの成果は、急な割引機能を持つ人々の行動にはほとんど影響を持っています。

少し研究は、まだ遅延割引のメカニズムに焦点を当てています。何がこれらの不適応な行動パターンにつながる可能性が割引の高度に上昇を与えますか？その遅延割引を示唆する証拠があるが、少なくとも⁴²幾分遺伝、遅延割引はまだ可鍛性場合があります。これは、それらのメカニズムに影響を与える可能性が遅延割引と変数の根底にある心理的、神経生物学のメカニズムを特定することが重要です。遅延割引の程度はRであり得ることがことが可能です治療的介入の^43で析出したが、より多くの研究は、これらの知見の一般性を理解するために必要とされ、遅延割引の減少の影響は急な遅延割引勾配に関連する不適応な行動パターンに従事する傾向にあってもよいです。

Materials

Name	Company	Catalog Number	Comments
Computer	any		Mac or Windows
Programming Software	Visual Studios		https://www.visualstudio.com
Data Analysis Software	The R Foundation		http://www.r-project.org
Informed Consent Form