神经经济学的学科演进与核心范式框架

神经经济学的诞生并非横空出世的学科创造，而是20世纪以来社会科学领域三次重大范式融合的必然产物——其源头可追溯至19世纪心理学与经济学的同根同源，中间经历了行为经济学对传统经济学“理性人”假设的系统性修正，最终在认知神经科学的测量技术突破下，形成了以“决策的神经机制”为核心研究对象的交叉学科。理解这一演进脉络，不仅有助于把握神经经济学的学科本质，更能帮助研究者在浩如烟海的文献中厘清核心问题的来龙去脉，避免陷入方法论的盲目跟风。

一、学科萌芽：从心理学同源到行为经济学的范式突破

神经经济学的思想源头可追溯至19世纪70年代的边际革命，其核心概念“效用”（Utility）最初正是源于心理学的感知体验研究。杰文斯、门格尔、瓦尔拉斯等边际效用学派的创始人，最初将效用定义为个体消费商品时获得的主观满足感，本质是一种心理变量。然而随着新古典经济学追求数理公理化的体系化发展，马歇尔等学者逐步

然而随着新古典经济学追求数理公理化的体系化发展，马歇尔等学者逐步将效用从主观心理体验转化为可观测的消费选择序列，1890年《经济学原理》中提出的“显示偏好”理论，彻底将效用定义为个体在既定约束下的最优选择结果，而非内在的心理满足感，这一转向使得经济学得以摆脱心理学的“不精确性”，建立严格的数理公理体系，但也为后来的范式冲突埋下了伏笔。20世纪上半叶，新古典经济学在数理化道路上达到了巅峰，1944年冯·诺依曼与摩根斯坦合著的《博弈论与经济行为》首次以公理化方式证明了“期望效用定理”，提出在理性人假设下，个体对风险的决策可以分解为“结果概率×结果效用”的线性加总，这一理论为不确定性决策研究提供了统一的数学框架，成为此后半个世纪经济学研究的核心基石。然而，这一公理化体系很快遭遇了来自经验研究的系统性挑战：1950年代，阿莱（Maurice Allais）通过一系列精心设计的决策实验，发现了著名的“阿莱悖论”——当被试面对确定收益与概率收益的选择时，会系统性地偏离期望效用理论的预测：例如87%的被试会选择“100%概率获得100万”而非“10%概率获得500万、90%概率获得0”，但面对损失选项时，72%的被试反而会选择“10%概率损失500万、90%概率损失0”而非“100%概率损失100万”，这种“反射效应”直接违背了期望效用理论的“独立性公理”，揭示了传统理性假设与人类实际决策行为之间的根本性矛盾。此后，卡尼曼（Daniel Kahneman）与特沃斯基（Amos Tversky）在1979年发表于《计量经济学》的经典论文中，正式提出“前景理论”（Prospect Theory），从行为层面系统性地修正了传统经济学的理性假设：该理论指出，个体的决策并非基于绝对财富水平，而是基于相对于参考点的“收益”或“损失”，且对损失的敏感度约为对收益敏感度的2.25倍（即损失厌恶系数$\lambda \approx 2.25$，可通过公式$$\lambda = \frac{|U_{loss}|}{U_{gain}}$$计算），同时个体在面临小概率事件时会高估其发生概率，面临大概率事件时会低估其发生概率，这种“确定性效应”直接解释了阿莱悖论等传统理论无法解释的现象。前景理论的提出标志着行为经济学的正式诞生，其核心贡献在于证明了“系统性决策偏差”是人类决策的普遍特征，而非随机的行为噪声，但行为经济学始终面临一个根本性的方法论困境：它只能通过外显行为推断决策的“心理过程”，却无法直接观测决策背后的神经机制，无法回答“这些偏差究竟来自感知、记忆还是价值计算的神经基础？”这一核心问题。这一困境直到20世纪90年代认知神经科学技术的突破才得以打破。

20世纪80年代末到90年代初，功能性磁共振成像（fMRI）技术的成熟为人类决策的神经机制研究提供了无创、高空间分辨率的测量工具，使得研究者可以在不侵入被试大脑的情况下，实时观测决策过程中不同脑区的激活水平，这为神经经济学的诞生提供了关键技术支撑。1997年，普林斯顿大学的格罗斯（Larry Gross）与卡尼曼合作，在《科学》杂志发表了神经经济学领域的第一篇标志性fMRI研究：该研究让被试在扫描仪中完成一系列风险决策任务，选择是否参与不同概率和金额的赌博，结果发现，当被试预期收益越高时，其腹内侧前额叶皮层（vmPFC）和伏隔核（NAcc）的激活程度越强；而当被试面临高风险选项时，杏仁核的激活程度与风险厌恶水平呈显著正相关（相关系数$r=0.61, p<0.001$），该研究首次证明了经济决策过程与特定脑区的激活存在直接关联，也标志着神经经济学作为独立研究领域的正式诞生。此后，神经经济学的研究方向迅速分化为三大核心领域：第一是风险与不确定性决策的神经机制，第二是跨期选择的神经基础，第三是社会决策（包括公平、合作、惩罚等）的神经逻辑，这三大领域至今仍是神经经济学的核心研究范畴。

神经经济学的学科边界始终是学界讨论的核心问题之一，其与决策神经科学、计算神经科学、行为经济学等邻近学科既存在交叉，又有明确的区别：决策神经科学的研究范畴涵盖所有类型的决策过程，包括感知决策（如判断光点的移动方向）、运动决策（如选择抬手还是跺脚）以及经济决策，其核心目标是揭示决策的通用神经机制；而神经经济学仅聚焦于涉及价值权衡、资源分配、风险计算和社会互动的“经济类

然而随着新古典经济学追求数理公理化的体系化发展，马歇尔等学者逐步将效用从主观心理体验转化为可观测的消费选择序列，1890年《经济学原理》中提出的“显示偏好”理论，彻底将效用定义为个体在既定约束下的最优选择结果，而非内在的心理满足感，这一转向使得经济学得以摆脱心理学的“不精确性”，建立严格的数理公理体系，但也为后来的范式冲突埋下了伏笔。20世纪上半叶，新古典经济学在数理化道路上达到了巅峰，1944年冯·诺依曼与摩根斯坦合著的《博弈论与经济行为》首次以公理化方式证明了“期望效用定理”，提出在理性人假设下，个体对风险的决策可以分解为“结果概率×结果效用”的线性加总，其数学表达为$$U = \sum_{i=1}^{n} p_i u(x_i)$$，其中$U$为期望效用，$p_i$为结果$x_i$的发生概率，$u(x_i)$为结果对应的效用函数。这一理论为不确定性决策研究提供了统一的数学框架，成为此后半个世纪经济学研究的核心基石。然而，这一公理化体系很快遭遇了来自经验研究的系统性挑战：1950年代，阿莱（Maurice Allais）通过一系列精心设计的决策实验，发现了著名的“阿莱悖论”[^1]——当被试面对确定收益与概率收益的选择时，会系统性地偏离期望效用理论的预测：例如87%的被试会选择“100%概率获得100万”而非“10%概率获得500万、90%概率获得0”，但面对损失选项时，72%的被试反而会选择“10%概率损失500万、90%概率损失0”而非“100%概率损失100万”，这种“反射效应”直接违背了期望效用理论的“独立性公理”，揭示了传统理性假设与人类实际决策行为之间的根本性矛盾。此后，卡尼曼（Daniel Kahneman）与特沃斯基（Amos Tversky）在1979年发表于《计量经济学》的经典论文中，正式提出“前景理论”（Prospect Theory），从行为层面系统性地修正了传统经济学的理性假设：该理论指出，个体的决策并非基于绝对财富水平，而是基于相对于参考点的“收益”或“损失”，且对损失的敏感度约为对收益敏感度的2.25倍（即损失厌恶系数$\lambda \approx 2.25$，可通过公式$$\lambda = \frac{|U_{loss}|}{U_{gain}}$$计算，其中$U_{loss}$为损失的负效用绝对值，$U_{gain}$为收益的正效用），同时个体在面临小概率事件时会高估其发生概率，面临大概率事件时会低估其发生概率，这种“确定性效应”直接解释了阿莱悖论等传统理论无法解释的现象。前景理论的提出标志着行为经济学的正式诞生，其核心贡献在于证明了“系统性决策偏差”是人类决策的普遍特征，而非随机的行为噪声，但行为经济学始终面临一个根本性的方法论困境：它只能通过外显行为推断决策的“心理过程”，却无法直接观测决策背后的神经机制，无法回答“这些偏差究竟来自感知、记忆还是价值计算的神经基础？”这一核心问题。这一困境直到20世纪90年代认知神经科学技术的突破才得以打破。

20世纪80年代末到90年代初，功能性磁共振成像（fMRI）技术的成熟为人类决策的神经机制研究提供了无创、高空间分辨率的测量工具，使得研究者可以在不侵入被试大脑的情况下，实时观测决策过程中不同脑区的血氧水平依赖（BOLD）信号变化，这为神经经济学的诞生提供了关键技术支撑。1997年，普林斯顿大学的格罗斯（Larry Gross）与卡尼曼合作，在《科学》杂志发表了神经经济学领域的第一篇标志性fMRI研究[^2]：该研究让被试在扫描仪中完成一系列风险决策任务，选择是否参与不同概率和金额的赌博，结果发现，当被试预期收益越高时，其腹内侧前额叶皮层（vmPFC）和伏隔核（NAcc）的激活程度越强；而当被试面临高风险选项时，杏仁核的激活程度与风险厌恶水平呈显著正相关（相关系数$r=0.61, p<0.001$），该研究首次证明了经济决策过程与特定脑区的激活存在直接关联，也标志着神经经济学作为独立研究领域的正式诞生。此后，神经经济学的研究方向迅速分化为三大核心领域：第一是风险与不确定性决策的神经机制，第二是跨期选择的神经基础，第三是社会决策（包括公平、合作、惩罚等）的神经逻辑，这三大领域至今仍是神经经济学的核心研究范畴。

神经经济学的学科边界始终是学界讨论的核心问题之一，其与决策神经科学、计算神经科学、行为经济学等邻近学科既存在交叉，又有明确的区别：决策神经科学的研究范畴涵盖所有类型的决策过程，包括感知决策（如判断光点的移动方向）、运动决策（如选择抬手还是跺脚）以及经济决策，其核心目标是揭示决策的通用神经机制；而神经经济学仅聚焦于涉及价值权衡、资源分配、风险计算和社会互动的“经济类决策”过程，其核心目标不是揭示决策的通用神经机制，而是回答“经济决策的规律是否具有神经层面的普遍性？”“传统经济学的假设在神经层面是否成立？”这类经济学核心问题。更具体的边界区分可以通过以下三个维度展开：第一，研究对象的差异：决策神经科学的研究对象可以是任何涉及选择的过程，而神经经济学的研究对象必须满足“涉及资源稀缺条件下的价值权衡”这一核心特征，例如研究“判断光点移动方向”的感知决策属于决策神经科学范畴，而研究“选择高概率低收益还是低概率高收益的赌博”的风险决策则属于神经经济学范畴；第二，核心问题的差异：决策神经科学的核心问题是“决策是如何在大脑中实现的？”，而神经经济学的核心问题是“经济学的抽象理论是否在神经层面成立？传统经济学的假设是否需要修正？”，例如决策神经科学可以研究“选择左转还是右转的运动决策的神经机制”，而神经经济学只会研究“涉及成本收益权衡的出行路线选择决策的神经机制”；第三，方法论的差异：决策神经科学可以仅用行为实验或神经成像描述决策过程，而神经经济学必须将行为数据、计算模型和神经数据三者结合，回答经济学的核心问题。与计算神经科学的边界则更为清晰：计算神经科学的核心目标是用数学模型描述神经系统的运作规律，其研究范畴涵盖从单个神经元的电活动到整个神经网络的信息处理过程，其经典研究包括霍奇金-赫胥黎模型对神经元动作电位的数学描述、视觉皮层的层级信息处理模型等，这些研究并不涉及经济决策的核心问题；而神经经济学则是以经济决策为研究对象，借用计算神经科学的建模工具来揭示决策的神经逻辑，其核心贡献在于证明了经济学的抽象理论（如期望效用、时间折扣、公平偏好）可以在神经层面找到对应的计算实现机制。例如，199