1. 引言
情绪在人们的日常生活中具有重要的作用,卡尼曼的前景理论强调了情绪在决策中的影响作用。不仅实际的情绪体验影响决策,对未来事件的情绪预测也会影响个体决策的制定。人们对于未来发生的事件对自己情绪感受的影响的预测叫做情绪预测[1],也称为情感预测。情绪预测的重要性在于人们所做的每一项决定都是建立在对这件事的情绪预测结果的基础之上,比如,选择哪一份工作,和谁交往,是否生育小孩等很大程度上都取决于这件事情的发生会给我们带来什么样的情绪。人们经常根据对未来事件发生后的情绪预测,决定是否将经历和资源投入到对该事件的目标追求中,并为将来的不测事件做好准备。因而,当人们能够准确预测未来的情绪强度及其持续的时间,就能够更加合理有效地分配有限的资源以做出更为妥善的决策。但是伴随情绪预测的过程,我们不可避免地会出现种种偏差,由此影响我们对事件情绪预测的结果。事实上,大量研究表明人们能够较为准确地估计情绪体验的效价,但却总是不能精确估计情绪体验的强度和持续时间,即情绪预测偏差[2]。情绪预测偏差不仅出现在自己身上,同样也会出现在对他人经历情绪事件后的情绪体验进行预测的情境中。例如,陈宁等[3]的研究表明,教师很难在典型教学情境中准确体会学生们的情绪。尽管高估情感预测偏差在很多实验的研究中都得到了验证,然而现实生活中也存在低估某些情境下的情绪预测偏差。比如,有研究表明,孕妇在进行分娩疼痛预测时,总是低估分娩带来的疼痛从而选择不打麻药,而实际情况往往是疼痛难忍,因而改变不打麻药的这一决定。又如,当消费者的购物欲望在某一方面得到满足时,便会低估在其他方面的购买欲望。
关于情绪预测偏差的影响因素,前人也做了很多的相关研究[4]-[9]。Wilson和Gilbert首先提出了情绪预测偏差的来源模型(如图1),虚线左侧表示情绪预测阶段,右侧表示情绪体验阶段。情绪预测过程包括事件呈现、评估情绪反应阶段、情绪预测阶段、初始的情绪体验阶段、一段时间后的情绪体验等阶段。其中任何一个环节受到其他因素的影响都会使准确性下降,进而产生偏差。
Figure 1. Influencing factors of sentiment prediction bias
图1. 情绪预测偏差影响因素
在我们的生活中,不仅存在情绪预测偏差,也存在能力预测偏差现象。人们在对自己的能力估计时,往往存在高估现象。Dunning和Kruger把这种完成特定领域的任务时个体对自己的能力做出不准确的评价的现象称为邓宁–克鲁格效应,尤其表现为能力最低的个体倾向于最大程度地高估自己的能力,甚至超过平均水平,而能力最高的个体则倾向于低估自己的能力[3]。这种能力预测偏差大多来源于社会比较情境下。个体将通过和他人的比较来进行对自己的评估,该过程即社会比较[10]。Schachte对社会比较的理论进行了进一步的拓展,将其从能力、观点维度扩展到情绪领域。Wood (1989)认为社会比较还能够服务于自我提升和自我增强[11]。邢淑芬和俞国良(2005)将社会比较的内容概括为能力、感觉、个人观点甚至身体健康水平等,包含了认知、情感和行为三个心理成分[12]。本文将社会比较定义为个体将自身的能力与他人进行对比的过程。社会比较内容的操作性定义为能力测验中反馈的水平。
社会比较中常常存在着“优于常人”和“差于常人”的认知偏差。最初,研究者们认为这是一种动机性偏差,认为此观点能够帮助个体维护自己的自尊水平。但这种说法却无法解释差于常人效应。后来,有学者提出了权重理论来解释该现象。权重理论认为个体在和他人做对比时是以自我为中心的,较多地考虑自己的能力而较少考虑甚至是忽视比较对象的能力。信息差异理论认为在比较过程中,个体相较于比较对象,对自身掌握更多的信息,而由于信息的相对匮乏,对他人的评价更多依赖于所处团体的平均水平。当个体认为自身能力高于比较对象所处团体的平均水平时,便会出现“优于常人”效应;反之,则出现“差于常人”效应[13]。人们在和别人做对比时,倾向于认为自己比他人更加优秀,从而产生一种优越感,这种感觉尤其出现在社会情境和学业比较中。当这种虚拟的优越感出现在个体对其智力的评估时,会产生一种认知的偏差,也就是体倾向于高估自己的智商,即邓宁–克鲁格效应[14]。Dunning和Kruger通过能力的自我评价问题的研究形成了研究范式。首先,请被试做一套能力测验的题目,然后让他们预测自己完成的情况,即做对多少题。然后预测和其他人比,自己能力水平的排名情况。
而在情绪预测偏差的实验研究中,学者们经常使用能力测验实验诱发情绪反应,创设情绪预测偏差的实验情境。然而,却没有学者比较不同能力测验之间的情绪预测偏差是否有差异。而个体间对能力的重视程度不同,即卷入程度不同,有可能影响其自我评价的感知,进而影响情绪预测偏差。“卷入”一词最早来源于心理学的研究,表示为一种心理状态。目前,在心理学领域,由于对卷入的关注点不同,卷入没有明确而统一的定义[15]。然而,大部分研究者都认为卷入与个人的内在价值、目标和规范紧密相连,也就是说,卷入与自我概念密切相关。参照高慕烨[16]对卷入的定义,自我卷入可以定义为一种能力对个体的重要程度,即个体认为某种能力越重要则自我卷入度越高,反之则越低。
因此,本研究想探讨人们在对于个体重要程度不同的能力测验情境中所产生的情绪预测偏差是否有所不同,即探究自我卷入度对情绪预测偏差的影响。人们对自己的能力的感知一般是在社会比较情境当中的,社会比较还能够服务于自我提升和自我增强[17]。因此假设1:情绪预测偏差现象普遍存在于大学生当中。假设2:自我卷入度对情绪预测偏差有重要影响。具体而言,在消极反馈条件下,高自我卷入下的情绪预测偏差显著大于低自我卷入度下的情绪预测偏差。在积极反馈条件下,高自我卷入度下的情绪预测偏差差异不显著。在高自我卷入度条件下,积极反馈下的情绪预测偏差显著低于消极反馈水平下。在低自我卷入度条件下,积极反馈和消极反馈的情绪预测偏差差异不显著。
2. 实验研究
2.1. 预实验
预实验的目的是进行不同自我卷入度的能力的调查。预选常见的几种能力,参照高慕烨[16]对卷入的定义编制不同自我卷入度能力的选择调查,结合网上和实际生活经验,选取了注意力、观察力、运算能力、反应速度能力、社交能力、想象力、判断力、概括能力、比较能力、语言表达能力、分类能力、理解能力和阅读能力等13种能力编制成关于能力的自我卷入度调查问卷。通过问卷调查被试认为某种能力是否重要,如“您认为计算能力重要吗?”,若被试回答重要,则让其评估“如果您的这种能力水平偏低,你会怎么样?”1~10点计分,1代表一点也不难过,10代表十分难过。在网上针对大学生被试进行随机发放,收回83份问卷,剔除无效数据,最后收回74份。从中选出高自我卷入度水平和低自我卷入度水平的能力各两种,以为编制正式实验的材料打下基础。
由表1中数据可知,自我卷入度最高的能力分别是语言表达能力、理解能力和判断能力,自我卷入度最低的能力分别是比较能力和分类能力。
Table 1. A descriptive statistical table of self-involvement for various abilities (N = 74)
表1. 各种能力的自我卷入度的描述统计表(N = 74)
能力 |
MIN |
MAX |
M |
SD |
注意力 |
4 |
10 |
7.86 |
1.32 |
观察力 |
4 |
10 |
7.47 |
1.50 |
运算能力 |
1 |
10 |
6.61 |
2.06 |
反应速度能力 |
2 |
10 |
7.12 |
1.85 |
社交能力 |
1 |
10 |
7.47 |
2.08 |
想象能力 |
3 |
10 |
7.23 |
1.68 |
判断能力 |
5 |
10 |
8.07 |
1.15 |
概括能力 |
3 |
10 |
6.85 |
1.58 |
比较能力 |
1 |
9 |
5.41 |
2.13 |
语言表达能力 |
5 |
10 |
8.38 |
1.30 |
分类能力 |
1 |
9 |
6.14 |
1.82 |
理解能力 |
4 |
10 |
8.14 |
1.29 |
阅读能力 |
5 |
10 |
7.97 |
1.22 |
由于言语表达能力的测验题目需要文字描述,而本实验预选用图形推理材料,用指导语进行不同情境的构建,最终选择理解能力和判断能力为高自我卷入度能力,比较能力和分类能力为低自我卷入度能力。高自我卷入度和低自我卷入度进行配对样本t检验,两两比较结果如表2所示,ts > 8.24,ps < 0.001,表明它们在卷入度上差异显著,可以选择其进行后续实验程序的编制。
Table 2. Paired t-test of high/low self-involvement ability
表2. 高/低自我卷入度能力的配对t检验
配对能力 |
M |
SD |
t |
df |
p |
判断能力–分类能力 |
1.93 |
1.73 |
9.61 |
73 |
<0.001 |
判断能力–比较能力 |
2.66 |
2.13 |
10.73 |
73 |
<0.001 |
理解能力–分类能力 |
2.00 |
2.09 |
8.24 |
73 |
<0.001 |
理解能力–比较能力 |
2.73 |
2.41 |
9.76 |
73 |
<0.001 |
2.2. 正式实验
2.2.1. 实验目的
正式实验采用2 × 2混合设计,其中自我卷入度为被试间变量,反馈为被试内变量。因变量为情绪。每个被试进行同一卷入度下两种能力的测验。为了控制误差,能力顺序和反馈顺序均进行平衡。探讨社会比较情境下自我卷入度对情绪预测偏差的影响特点,对影响情绪预测偏差的因素进行了补充讨论。
2.2.2. 研究对象
根据以往研究,在统计检验力1 − β = 0.95,α = 0.05,中等程度的效应量f = 0.25的前提下,使用G-power 3.1计算得出混合设计需要的被试量为54名被试,每组27人。为了平衡顺序效应,高低自我卷入度水平下分别各有4组处理,因此每组人数为7人。故最后确定总实验被试数为56人,即高自我卷入度组和低自我卷入度组各28人。其中男被试19人,女被试37人,被试均为江苏省某大学学生,平均年龄21.2岁。
2.2.3. 研究工具
1) 修改版正负性情绪量表(PANAS)
邱林,郑雪和王雁飞(2008)等人修订版了Watson于1988年编制的PANAS,共18个项目[18]。正性情绪量表内部一致性信度达0.85以上,负性情绪量表达到0.84。该问卷全部都是正向计分。1、3、5、9、10、12、14、16、17、19为正性情绪,数值越大,情绪越积极。2、4、6、7、8、11、13、15、18、20为负性情绪,数值越大,情绪越消极。
2) 自编能力测试材料
从公务员行测考试的图形推理题库中,控制难度和熟悉度,选取适量的图形推理题作为能力测试材料。每个能力测验题目均10题,实验由E-prime 3.0软件呈现。且高自我卷入度条件下的能力测试题目与低自我卷入度条件下的能力测试题目均相同,同一自我卷入度水平下的两种能力测试题目不同。
2.2.4. 研究变量
自变量为自我卷入度和反馈。自我卷入度为被试内变量,即一件事物对个体的重要性程度。也就是当一种态度没有得到支持的时候,个体所产生的挫折感强度或者行为反应强度。个人产生的挫折感越强,卷入度越强。卷入度分为低自我卷入度、高自我卷入度。反馈分为积极反馈和消极反馈。由于预调查发现被试对自己的能力水平估计的均值在65%左右,因而考虑在此基础上加减20%,并发现该措施能够有效诱发被试的正负性情绪。并且,被试的能力估计值多为整十数,因此将反馈偏差改为19%,能够更有效提高被试对能力测验反馈的可信度的感知。高于被试自我能力预期的19%的结果反馈定义为积极反馈,低于被试能力预期19%的结果反馈定义为消极反馈。若被试对自己能力水平的预测高于超过65%的人或低于超过35%,则直接反馈为84%和16%,此时,84%为积极反馈,16为消极反馈。
因变量为情绪预测、情绪实际体验、情绪预测相对偏差(下文简称相对偏差)。相对偏差是预期情绪和实际情绪之间的差值,正值表示高估,负值表示低估。同时,每个被试的情绪预测和情绪实际体验均分为正性情绪和负性情绪两个值。本研究的数据处理保留正负性情绪,不用情绪预测相对偏差,这样能够保留更多数据信息。
2.2.5. 实验程序
首先告知被试将会进行两个能力测验(高自我卷入度条件下两个能力测验为理解能力和判断能力,低自我卷入度条件下能力测验为分类能力与比较能力),在测试结束后系统会根据被试表现将其与常模进行比较并给出能力排名反馈,即反馈被试该能力水平高于百分之多少的大学生。在开始第一个能力测验前,要求被试填写情绪自评量表,评测当时的情绪。接着,请被试预测自己的该能力水平能够超过百分之多少的大学生,并在电脑上输入该值。然后请被试想象若自己在该能力测验中的能力水平明显高于和低于大多数大学生,预测那时的情绪状态是什么样的,填写情绪自评量表。继而,被试根据指导语开始能力测验,完成10道题后,系统给予被试一个积极或消极的反馈。被试得知系统反馈结果后填写情绪自评量表,记录情绪体验。紧接着,系统提示被试休息一下,缓和心情,开始下一个能力实验。第二个能力测验的具体流程同第一个能力测验流程(积极、消极反馈顺序进行了平衡)。具体实验流程如图2。实验结束后,出于实验伦理,主试需要向被试解释出于实验目的需要,该实验反馈并非真实测试水平,希望不要影响到自己对自己该能力的评价。
Figure 2. Experimental flow chart
图2. 实验流程图
由于自我卷入度是被试间变量,因而每个被试进行的两个能力测验为同一自我卷入度水平。由于反馈为被试内变量,故每个被试要进行两个能力测验。每个被试既要经历积极反馈的情绪体验又要进行消极反馈的情绪体验。比如,被试在第一个能力测验中系统给予的是积极反馈,则在下一个能力测验中,系统应给予消极反馈,反之亦然。为了平衡能力测验间和积极消极反馈间的前后顺序影响,采用ABBA法进行平衡。实验具体处理水平如下:高自我卷入度条件下:理解能力–积极反馈,判断能力–消极反馈;理解能力–消极反馈,判断能力–积极反馈;判断能力–积极反馈,理解能力–消极反馈;判断能力–消极反馈,理解能力–积极反馈;低自我卷入度条件下:分类能力–积极反馈,比较能力–消极反馈;分类能力–消极反馈,比较能力–积极反馈;比较能力–积极反馈,分类能力–消极反馈;比较能力–消极反馈,分类能力–积极反馈。
积极反馈条件下,只保留被试预测能力显著高于大多数大学生情况下的情绪预测和积极反馈下的情绪体验。消极反馈条件下,只保留预测能力显著低于大多数大学生情况下的情绪预测和消极反馈下的情绪体验。
3. 结果与分析
3.1. 描述性统计结果
被试在实验中的实际情绪、预测情绪、情绪预测偏差、能力预测和实际能力反馈以及能力预测偏差的描述性统计结果如表3所示。
Table 3. Descriptive statistics M(SD)
表3. 描述性统计M(SD)
卷入 |
情绪 |
反馈(%) |
积极反馈 |
消极反馈 |
预测 |
实际 |
偏差 |
预测 |
实际 |
偏差 |
预测 |
实际 |
偏差 |
高(N = 28) |
正 |
64.18 (15.08) |
77.31 (9.56) |
−13.04 (10.07) |
28.29 (9.19) |
27.93 (8.55) |
0.36 (7.50) |
10.82 (3.60) |
11.21 (4.15) |
−0.39 (4.63) |
负 |
67.32 (12.87) |
48.82 (11.80) |
18.50 (2.65) |
15.21 (6.68) |
16.00 (7.07) |
−0.79 (5.07) |
19.50 (8.26) |
17.79 (8.27) |
1.71 (4.38) |
低(N = 28) |
正 |
53.89 (16.09) |
71.96 (15.22) |
−18.07 (3.42) |
29.25 (8.35) |
28.00 (9.41) |
1.25 (5.27) |
11.68 (3.35) |
12.43 (3.75) |
−0.75 (2.74) |
负 |
59.86 (12.26) |
40.86 (12.26 |
19.00 (0.00) |
15.61 (6.98) |
15.82 (6.68) |
−0.21 (4.70) |
21.86 (8.45) |
17.14 (6.73) |
4.71 (6.07) |
3.2. 重复测量方差分析
以情绪为因变量,做2 (卷入度) × 2 (反馈) × 2 (情绪效价) × 2 (情绪评估点)的重复测量方差分析,卷入度(高、低自我卷入度)为被试间变量,反馈(消极、积极反馈)、情绪效价(正、负性情绪)和情绪评估点(预测情绪、实际情绪)均为被试内变量。结果如表4所示。
由表4可知卷入度的主效应不显著,F(1,54) = 0.24,p = 0.624 > 0.05,
= 0.040,表明高自我卷入度下的情绪(M = 18.34, SD = 0.80)与低自我卷入度下的情绪(M = 18.97, SD = 0.90)无显著差异。反馈的主效应显著,F(1,54) = 44.53,p < 0.001,
= 0.452,表明在积极反馈下的情绪(M = 19.96, SD = 0.65)和消极反馈下的情绪(M = 17.37, SD = 0.69)有显著差异。情绪效价的主效应显著,F(1,54) = 96.20,p < 0.001,
= 0.640,表明正性情绪(M = 22.01, SD = 0.81)和负性情绪(M = 15.30, SD = 0.63)存在显著差异。情绪评估点的主效应显著,F(1,54) = 8.74,p < 0.001,
= 0.139,表明预测情绪(M = 19.03, SD = 0.67)和实际情绪(M = 18.29, SD = 0.63)存在显著差异,即情绪预测偏差普遍存在于大学生中。反馈与情绪效价的交互作用显著,F(1,54) = 114.29,p < 0.001,
= 0.679。反馈与情绪评估点的交互作用显著,F(1,54) = 6.97,p = 0.011 < 0.05,
= 0.114。反馈与情绪效价和情绪评估点的交互作用显著,F(1,54) = 9.89,p = 0.003 < 0.01,
= 0.155。
Table 4. Repeated ANOVA
表4. 重复方差分析
效应 |
F |
df |
p |
|
卷入度 |
0.24 |
1 |
0.624 |
0.040 |
反馈 |
44.53 |
1 |
<0.001 |
0.452 |
情绪效价 |
96.20 |
1 |
<0.001 |
0.640 |
情绪评估点 |
8.74 |
1 |
0.005 |
0.139 |
反馈 × 卷入度 |
0.15 |
1 |
0.705 |
0.003 |
反馈 × 情绪效价 |
114.29 |
1 |
<0.001 |
0.679 |
情绪效价 × 卷入度 |
0.22 |
1 |
0.645 |
0.004 |
反馈 × 情绪评估点 |
6.97 |
1 |
0.011 |
0.114 |
情绪评估点 × 卷入度 |
4.25 |
1 |
0.044 |
0.073 |
情绪效价 × 情绪评估点 |
1.68 |
1 |
0.200 |
0.030 |
反馈 × 情绪效价 × 卷入度 |
0.00 |
1 |
0.951 |
<0.00 |
反馈 × 情绪评估点 × 卷入度 |
2.61 |
1 |
0.112 |
0.046 |
反馈 × 情绪效价 × 情绪评估点 |
9.89 |
1 |
0.003 |
0.155 |
情绪效价 × 情绪评估点 × 卷入度 |
0.11 |
1 |
0.745 |
0.002 |
反馈 × 情绪效价 × 情绪评估点 × 卷入度 |
1.29 |
1 |
0.261 |
0.023 |
3.3. 简单效应分析
进一步进行2 (卷入度) × 2 (情绪评估点)的简单效应分析,结果如表5所示。
Table 5. Simple effects analysis
表5. 简单效应分析
|
|
df |
F |
p |
卷入度 |
预测情绪 |
1 |
0.72 |
0.398 |
实际情绪 |
1 |
0.01 |
0.927 |
情绪评估点 |
高自我卷入度 |
1 |
0.40 |
0.529 |
低自我卷入度 |
1 |
12.59 |
0.001 |
简单效应分析结果如图3所示,高自我卷入度条件下的预测情绪(M = 18.35, SD = 0.88)和实际情绪(M = 18.23, SD = 0.88)无明显差异,F(1,54) = 0.40,p = 0.529 > 0.05。低自我卷入度条件下,预测情绪(M = 19.60, SD = 0.95)显著大于实际情绪体验(M = 18.46, SD = 0.95),F(1,54) = 12.59,p = 0.001,表现为个体既高估正性情绪又高估负性情绪。
注:误差线代表±1标准误。
Figure 3. Experimental flow chart
图3. 实验流程图
3.4. 简单简单效应分析
进一步进行2 (反馈) × 2 (情绪效价) × 2 (情绪评估点)的简单简单效应分析,结果如表6所示。
Table 6. Simple and simple effect analysis
表6. 简单简单效应分析
效应 |
df |
F |
p |
情绪评估点 |
积极反馈 |
正性情绪 |
1 |
0.87 |
0.355 |
负性情绪 |
1 |
1.28 |
0.262 |
消极反馈 |
正性情绪 |
1 |
0.59 |
0.444 |
负性情绪 |
1 |
19.43 |
<0.001 |
反馈 |
正性情绪 |
预测情绪 |
1 |
123.30 |
<0.001 |
实际情绪 |
1 |
95.60 |
<0.001 |
负性情绪 |
预测情绪 |
1 |
77.88 |
<0.001 |
实际情绪 |
1 |
35.86 |
<0.001 |
情绪效价 |
积极反馈 |
预测情绪 |
1 |
230.08 |
<0.001 |
实际情绪 |
1 |
160.11 |
<0.001 |
消极反馈 |
预测情绪 |
1 |
14.15 |
<0.001 |
实际情绪 |
1 |
1.27 |
0.265 |
简单简单效应分析如图4所示,积极反馈下正性情绪的情绪预测(M = 28.77, SD = 1.17)与情绪实际体验(M = 27.96, SD = 1.20)无显著差异,F(1,54) = 0.87,p = 0.355 > 0.05。积极反馈下的负性情绪的情绪预测(M = 11.25, SD = 0.46)与情绪实际体验(M = 11.82, SD = 0.53)无显著差异,F(1,54) = 1.28,p = 0.262 > 0.05。消极反馈下的正性情绪的情绪预测(M = 15.41, SD = 0.91)与情绪实际体验(M = 15.91, SD = 0.92)无显著差异,F(1,54) = 0.59,p = 0.444 > 0.05。而消极反馈下的负性情绪的情绪预测(M = 20.98, SD = 1.12)与情绪实际体验(M = 17.47, SD = 1.01)有显著差异,F(1,54) = 19.43,p < 0.001,表明人们高估消极事件的消极情绪。
注:误差线代表±1标准误。
Figure 4. The simple and simple effect of Feedback ×the emotional valence × the emotional assessment point
图4. 反馈 × 情绪效价 × 情绪评估点的简单简单效应
3.5. 独立样本t检验
以结果预测为因变量,卷入度(高、低)为自变量,做一个独立样本t检验。结果如表7所示,t(110) = 3.30,p = 0.001 < 0.01,表明高自我卷入度下的结果预测显著高于低自我卷入度下的结果预测,即人们倾向于高估自己重视的能力。
Table 7. Independent samples t-test
表7. 独立样本t检验
|
卷入度 |
N |
M |
SD |
t |
p |
结果预测 |
高 |
56 |
65.75 |
13.98 |
3.30 |
0.001 |
低 |
56 |
56.88 |
14.49 |
4. 结论与讨论
4.1. 结论
(1) 大学生在预测未来情绪事件的情绪反应时存在情绪预测偏差。消极事件下的情绪预测偏差尤其显著。
(2) 自我卷入度影响人们的情绪预测偏差。高自我卷入度下的情绪预测显著低于低自我卷入度下的情绪预测,且高卷入度下的情绪预测偏差显著小于低自我卷入度下的情绪预测偏差。
4.2. 讨论
4.2.1. 中国大学生中存在情绪预测偏差现象
本研究通过创设不同的实验情境,证实了情绪预测偏差普遍存在于大学生之中。在积极反馈中的情绪预测偏差并不明显。在消极反馈下,人们对正性情绪的预测偏差不显著,对负性情绪倾向于高估其强度,而实际负性情绪体验并没有想象中的高。其可能原因是因为,人们对消极事件带来的消极情绪更加敏感,因而高估消极情绪预测。前人研究表明,在情绪预测过程中,存在那些人们意识不到的但是能帮助人们不良情绪合理化的免疫性忽视现象,如自我肯定等。Pauketat等人[19]的研究表明,启动自我肯定可以激活应对资源,而应对资源能影响对事件的评估,从而减少了消极事件中的情绪预测偏差。正是因为免疫性忽视的存在,使得个体在产生负性情绪后,体验到更少的负性情绪。
4.2.2. 自我卷入度是情绪预测偏差的重要影响因素
本研究将情绪预测与实际情绪体验作为因变量,自我卷入度作为自变量,其交互作用显著。简单效应分析结果表明,高自我卷入度条件下的预测情绪和实际情绪无明显差异,低自我卷入度条件下,预测情绪显著大于实际情绪体验,表现为个体高估正性情绪和负性情绪。且高自我卷入度下的情绪预测显著小于低自我卷入度下的情绪预测,表明人们对于自身而言重要事件有更多的经验和考虑,因此,在情绪预测上更为准确,从而出现更小的情绪偏差。