图片源于：https://www.nature.com/articles/s41598-018-30680-7
我们在三个不同国家（中国、伊朗和英国）对风险与遗憾对金融决策的影响进行了测试。
鉴于可重复性的挑战，我们还测试了两种任务变体，每种文化中各有一个新样本。
因此，我们在3种文化 × 2个任务变体（‘Exp1’和‘Exp2’）的设计中测试了六组参与者。
参与者
在提供知情同意的情况下，共有117名健康参与者参加了本项目，该项目得到相关授权伦理委员会的批准。
在英国，此项目经UCL研究伦理委员会批准；在伊朗，经德黑兰大学心理学与教育科学学院伦理委员会批准；在中国，经北京大学心理与认知科学学院伦理委员会批准。
所有方法均按照相关指南和法规进行。
补充方法和表S2总结了六个参与者组的年龄和性别。
每个组均衡性别，且不同文化间的年龄没有差异。
中国参与者在北京大学进行测试，伊朗参与者在德黑兰大学进行测试，英国参与者在伦敦大学学院（UCL）进行测试。
伦敦是一个高度多元文化的城市，因此对于英国样本我们仅包括：
（i）出生于英国；
（ii）在出生后的前10年主要生活在英国；
（iii）至少有一位父母也是在英国出生。
所有中国和伊朗参与者均出生、成长并生活在这些国家。
在所有三个国家，招募通过校园标准手段进行，例如海报和邮件列表，所有数据集中的大多数参与者都是学生。
实验设计
在当前研究中，我们采用了“幸运轮”任务的变体，以测量参与者的风险和遗憾。
在每次试验中，参与者被要求从两个彩票中选择一个。
每个彩票有两个潜在结果，均以数字表示。
每个结果的概率通过彩票片段的大小显示。
每次试验开始时，屏幕展示空白1-2秒（平均为1.5秒），接着为期4秒的选择时间，参与者查看两个选项并按左或右按钮输入他们的选择。
选择时间结束后，指针旋转1秒，并在随机确定的最终位置结束，指示所选彩票的结果。
结果展示3秒后，参与者对结果的感受进行评分。
我们的两个任务变体（Exp1和Exp2）在两方面有所不同。
首先，刺激列表不同。
Exp1使用过往研究中的48个试验的刺激列表，其中每个彩票包含两个结果（取自200、50、-50和-200分），并具有三种结果概率水平（0.2、0.5和0.8）。
每个试验中的两个彩票始终不同。
然而，现有刺激列表可能有限，因为大多数试验在两个彩票之间的期望值（EV）差异很大，这可能会主导风险或预期遗憾的微妙文化效应。
此外，该列表中感兴趣的回归量之间的相关性较高。
因此，Exp2的刺激列表在彩票对间的EV差异较小（通过使用潜在结果抽取自200、100、50、-50、-100和-200来实现），且潜在感兴趣的回归量在30个试验的刺激集中相关性较低。
补充表S3-S6显示了完整的刺激列表及其描述性统计信息。
第二，考虑到以往研究表明初始试验在区块中的反馈条件对西方人影响更大，我们改变了反馈条件的顺序。
在Exp1中，部分反馈和完整反馈条件以12个试验为一组呈现，并在每组前在屏幕上告知参与者所处的反馈条件。
在Exp2中，试验以随机混合顺序展示。
表2展示了在Exp1刺激集中的赌博变量的相互关系。
表3展示了在Exp2刺激集中的赌博变量的相互关系。
所有参与者进行了一次实践练习（12-15次试验）。
在测试环节，他们在随机秩序下进行完整的刺激列表，在每种反馈条件下各进行一次（Exp1总共96次试验，Exp2总共60次试验）。
参与者在实验室内单独进行测试，实验者在外等待。
测试通过计算机进行，使用Matlab中的Psychtoolbox完成。
测试的总时间约为Exp1的18分钟和Exp2的11分钟。
在六个数据集中的缺失试验数均少于两个，没有参与者缺失超过10个试验。
语言
参与者在本地语言（中国为普通话，伊朗为法尔西语，英国为英语）中收到书面说明，并由实验者一同朗读。
这些说明最初是用英语书写的，然后翻译成中文和法尔西语，由实验团队中的本地母语者检查。
在官方语言中，主观评分轴上使用的术语为：英语中的“极度积极”、“中性”和“极度消极”；中文“ ”和“ ”；法尔西语“，”和“ ”。
报酬
在三个国家中，参与者被告知他们的报酬与实验中的决策有关。
这包括一个固定报酬（中国25元；英国5英镑；伊朗120,000里亚尔），加上随机挑选的一次实验结果并真实进行（在中国这个试点的结果转换为当地货币的比例为0.1，相当于在-20元到20元之间的金额；英国的转换率为0.02，最小为-4英镑，最大为4英镑；伊朗的转换率为400，最小为-80000里亚尔，最大为80000里亚尔）。
这些支付金额在这三个机构中都是典型的，并且在相对于购买力平价校正后的GDP per capita中在三个国家相似。
对参与者在伊朗和英国而言，由于当地行政原因，他们并不得知接近较低潜在结果的金额。
在实验中，所有刺激以积分的形式展示于三个文化中的参与者。
选择行为的行为建模
我们对参与者选择的模型基础分析旨在确定我们的决策变量——风险和遗憾——如何影响选择，并为进一步分析定量化他们的影响。
我们利用最大似然估计（MLE）通过R软件包lme4中的glmer函数，为参与者估计模型参数。
我们比较不同的效用函数模型，使用贝叶斯信息准则（BIC）。
在不同的效用函数模型中，对于每次试验，我们专注于四个赌博统计量（赌博期望值（EV）、赌博方差（SD）、赌博的预期失望（D）以及预期遗憾（R））。
这是因为每次试验由两个彩票（左侧和右侧）组成，并且每个试验具有六个伪独立参数：左彩票的两个可能结果x1和y1（x1 > y1）；赚取x1的概率p（这意味着y1的概率是1 – p）；右彩票的两个可能结果x2和y2（x2 > y2）；以及赚取x2的概率q（y2的概率是1 – q）。
因此，我们构建了基于上述统计量的不同模型，并比较模型的表现，以下将对每个模型进行描述。
首先，在一个非常简单的EV Only模型中，个体仅关注每次试验中选项之间期望值的差异（ΔEV）。
ΔEV是左侧和右侧彩票之间期望值的差异，具体如下：
$${
m{ ilde{EV}}}=E{V}_{1}-E{V}_{2},$$
其中EV为：
$$E{V}_{1}=p{x}_{1}+(1-p){y}_{1}, \,E{V}_{2}=q{x}_{2}+(1-q){y}_{2},$$
其次，我们询问选择是否还受到风险的影响，使用平均风险模型（EV + SD）。
具体来说，风险通过每个彩票潜在结果的标准差进行测量。
该模型包含ΔEV参数和ΔSD，定义为加权标准差的差异，即：
$${
m{ ilde{SD}}}_{1}=S{D}_{2}-S{D}_{1},$$
其中：
$$S{D}_{1}= ext{sqrt}(p{({x}_{1}-E{V}_{1})}^{2}+(1-p){({y}_{1}-E{V}_{1})}^{2}),\ S{D}_{2}= ext{sqrt}(q{({x}_{2}-E{V}_{2})}^{2}+(1-q){({y}_{2}-E{V}_{2})}^{2}).$$
第三，我们探讨风险与遗憾是否共同影响选择，使用均值-风险-遗憾模型（EV + SD + R）。
R是先前在研究中使用的遗憾因子，为预期遗憾，更具体地说，它是在所有可能结果中最低和最高结果之间的绝对值差异，这样参与者可以通过选择一个最小化此差异的彩票来避免未来的遗憾。
为了预告我们的结果，这在我们的六个数据集中五个中是获胜模型。
R的定义为：
$$R=|{y}_{2}-{x}_{1}|-|{y}_{1}-{x}_{2}|.$$
第四和第五个模型使用失望（D）参数替代上述模型中的ΔSD。
失望源于在选择彩票时比较结果，其中备选结果比实际结果更为积极。
失望的大小反映“未获得的结果”与所选彩票实际结果之间的差距。
个体可以通过选择一个最小化最低结果和最高结果之间差异的彩票来避免预期失望。
这构成了EV + D模型和EV + D + R模型。
如同在先前的研究中，D被定义为：
$$D=|{y}_{2}-{x}_{2}|(1-q)-|{y}_{1}-{x}_{1}|(1-p).$$
最后，EV + SD + D + R模型包含上述四个参数。
在所有模型中，除非另有说明，否则我们建模选择行为时不包含反馈条件（部分或完整）。
统计分析
除了上述分析，其他使用的统计测试为z检验以进行逻辑回归系数，方差分析（ANOVA）及后续的Tukey Honest Significant Difference（HSD）测试，或使用R统计计算软件进行Fisher z变换。
报告的p值为双尾。
主观评分
我们通过纠正均值并将其除以标准差，即进行ipsatisation来标准化每个个体的主观评分，以减少跨文化的反应偏差。
反应时间分析
我们通过取自然对数、均值校正并除以标准差来对每个个体的反应时间进行规范化。
然而，我们发现使用“原始”或规范化反应时间获得相同的效应。
