本实验任务用Python编写，在被试完成实验任务的过程中，除了fMRI数据外，行为数据也被实时记录下来。行为数据包括刺激呈现的时刻、被试的反应时、每个试次的潜在得失金额。被试的行为学数据在任务完成后自动保存在Excel表格中。我们主要采用SPSS 20和Stata 12对行为数据进行统计分析。

首先，我们计算了决策者在面对社会距离不同的决策收益者时对风险决策试次的平均接受率（被试接受风险试次的数量与全部试次数量之比）。结果显示，在为陌生人决策时，决策者对风险决策试次的平均接受率为47.28%，而在为朋友和自己决策时分别为42.99%和41.54%。从总体上看，决策者在为社会距离较远的群体决策时更加冒险，在行为上表现为对风险决策试次的接受率更高。

接下来，我们从整体水平计算不同实验条件下的损失厌恶。与上一章所采用的损失厌恶估计方法不同，在本实验中，损失厌恶被表达为接受-拒绝的决策边界，即被试达到对“接受”选项和“拒绝”选项无差异的无差异点时，以潜在收益及潜在损失之比作为损失厌恶系数（Gelskov et al.，2015；Gelskov et al.，2016）。具体步骤为：首先拟合以被试选择为因变量，潜在收益与潜在损失之比ratiogain/loss为自变量的logit模型a，即

logit（Paccept）=β0+βratioratiogain/loss，

随后计算当选择“接受”和“拒绝”选项的概率相等（50%）时，潜在收益与潜在损失的比值，该比值即为损失厌恶程度（λ）：(www.daowen.com)

这种算法的原理在于，当试次达到无差异点时，被试接受和拒绝该试次的效用相等且均为0，此时损失厌恶恰好等于该试次所对应的潜在收益值与潜在损失值之比。

结果显示：决策者为社会距离最近的自己决策时，所表现出的损失厌恶估计值为1.13；为社会距离稍远的朋友决策时，损失厌恶估计值为1.09；而为社会距离最远的陌生人决策时，损失厌恶估计值为1.03。可见，从总体上看，随着社会距离变远，行为层面上的损失厌恶呈现弱化趋势。

为了进一步从统计分析的角度比较同社会距离下的损失厌恶，我们对每名被试在每种决策条件下的损失厌恶值进行了逐个估计。结果显示，损失厌恶均值按照为自己（M＝1.19，SD＝0.30）、朋友（M＝1.14，SD＝0.33）和陌生人（M＝0.98，SD＝0.27）决策的顺序递减。非参数检验结果显示：与为陌生人决策相比，为自己（p＝0.01）和朋友（p＝0.068）决策时的损失厌恶程度更高，但为自己与朋友决策的统计结果没有达到显著水平。