Global Linear Model

$fMRI=\beta_{0}+\beta_{1}*BOLD+error$
即$Y=X\beta+\epsilon$
$min\quad\epsilon$会得到$\hat{\beta}=(X^{t}X)^{-1}X^{t}Y$
———————————————————————–
因为$\epsilon - N(0,\delta^{2}I)$
推出
$Y$~$N(X\beta,\delta^{2}I)$
$\hat{\beta}$~$N(\beta, (X^{t}X)^{-1}\sigma^{2})$
$\hat{\beta_{j}}$~$N(\beta_{j}, (X^{t}X)^{-1}_{jj}\sigma^{2})$
$\hat{\beta_{j}}-\beta_{j}$~$N(0, (X^{t}X)^{-1}_{jj}\sigma^{2})$
所以$\frac{\hat{\beta_{j}-\beta{j}}}{\sqrt{(X^{T}X)_{jj}^{-1}\sigma^{2}}}$~N(0,1)
由于$\sigma^{2}$(standard deviation)不能得到，但是可以计算$\hat{\sigma}^{2}$(standard error)
所以该问题转化为一个服从t分布的问题：
$\frac{\hat{\beta_{j}-\beta{j}}}{SE}$~$t_{n-p-1}$(SE=${\sqrt{(X^{T}X)_{jj}^{-1}\hat{\sigma}^{2}}}$)
—————————————————————————————————————-
如果$X_{i}$与Y没有线性关系，那么$\beta_{j}$应当为0，而估计得到的$\hat{\beta_{j}}$只不过是噪声而已。
——————————————————————————–
计算$(\beta_{j}-\hat{\beta_{j}})$的p-value
$P(|(0-\hat{\beta_{j}})|/SE)=P(|\hat{\beta_{j}}/SE|)$
如果p-value<0.05，认为有显著差异，$\hat{\beta_{j}}$不是一个噪声，而是反映线性相关性质的参数。