SPM12manual，统计部分（8-10）笔记

fMRI model specifictaion

 

GLM based

包括以下步骤：①明确GLM设计矩阵；②用经典或贝叶斯方法估计GLM参数；③利用对比向量检查结果，生成统计参数图（SPMs）以及后验概率图（PPMs）。

 

Design matrix：每行对应一个scan，每列对应一个影响变量或解释变量（回归量或解释变量）。关于GLM（一般线性模型）网络上有大量相关文章，

 

对于多被试分析，SPM通常分为两个阶段（level）：

① 1st-level analysis：个体分析（within-subject）。通常有多少被试就要进行多少1st-level分析。使用 Specify fi rst level 和 Estimate 选项。这些选项的结果可以被用于做 case study。

② 2nd-level analysis：RFX analysis（Random effect analysis）。从被试推断被试所属主体的情况。

 

1st level analysis：

①Conditions：

name（1*n cell）：condition name；

onsets（1*n cell）：每个cell中为一保存condition开始时间的时间向量，每列对应一个condition，每行对应其出现时间（补充，心心水滴csddzh：任务刺激启动的扫描数（如1:14:70 ，代表任务从第 1个TR 开始，每14个TR 为一个周期，共70个TR））；

durations：事件时长。

一般这些信息都保存在condition.mat文件中，使用的时候直接load进来，使用Multiple Conditions.

②Regressors

设计矩阵中用来和血液动力响应做卷积的一列。之后的leave-one-out实验要用。

暂时还没搞清楚是不是要用Multiple Regressors。

③Factorial design

设定该选项则SPM 可以直接生成主要效应和交互作用之间必要的test：F-test（被试个体（1st level）与被试间（2nd level）的contrast image）和T-test。

根据蜡笔的视频：被试根据三种商品颜色选择买或者不买，那么就有两个factor：color，3；choice，2。

SPM 默认第一个因素变化最慢，第二个因素变化第二慢...以此类推。

Factorial design一般在有复杂情况的时候才用，简单的时候可以不用设置。

 

其他因素没怎么看，因为在蜡笔的视频里都是默认。

 

=============================================

 

fMRI model estimation

 

模型参数可以用经典（ReML - Restricted Maximum Likelihood）或贝叶斯算法估计。

 

蜡笔视频中这一步直接使用了上一步生成（？）的SPM.mat之后用默认运行。

 

生成一SPM.mat，包含设计和估计的模型参数。

 

看结果：主面板Result。

 

=============================================

 

Factorial design specification（2nd level analysis）

 

配置设计矩阵，描述统计分析所需要的GLM，数据及必要的参数（保存在GLM中）。用于为2nd level analysis做准备。

 

Specify 2nd level analysis。

转载于:https://www.cnblogs.com/minks/p/4715328.html