В анализе фМРТ 1-го уровня мне неясно, что на самом деле сравнивает t-тест, выполненный для каждого вокселя. Я видел, как это описывается одним из двух разных способов:
Стьюдентный критерий оценивает, насколько хорошо модель (кривая HRF, свернутая с планом) соответствует данным (ЖИРНЫЙ сигнал), другими словами, является мерой качества этого соответствия.
Стьюдентный тест сравнивает ЖИРНЫЙ сигнал с базовой линией.
Я предполагаю, что оба они могут быть концептуализированы как одновыборочные t-тесты, но неясно, будут ли эти два сравнения на самом деле эквивалентными, или если в разных ситуациях используются разные типы t-тестов, с двумя приведенными выше случаями. но два примера.
Коэффициент - это мера того , насколько сильно данный фактор предсказывает зависимую переменную, или, другими словами, какая часть дисперсии зависимой переменной может быть объяснена этим фактором. Таким образом, сам коэффициент, а не t-статистика коэффициента, является мерой того, что вы называете, насколько хорошо модель (или, точнее, регрессор) соответствует данным.
Т - статистика коэффициента в множественной регрессии является статистической проверкой этого коэффициента, рассчитанной как коэффициент, деленный на его стандартную ошибку. Поэтому было бы правильнее сказать, что это мера того, насколько надежен коэффициент выборки, или насколько вероятно, что с учетом коэффициента, который мы получили, истинный коэффициент равен 0. Но это теоретически не зависит от качества выборки. подходит, и у вас может быть очень стабильный, но маленький коэффициент, который получит высокий t-stat, или большой в среднем, но сильно изменчивый коэффициент, который получит низкий t-stat. Результаты теста также, очевидно, будут зависеть от размера вашей выборки и степеней свободы в вашей модели.
Может возникнуть путаница в том, что коэффициент более или менее такой же, как при сравнении с базовой линией, потому что базовая линия не является (или не должна быть) явным регрессором в модели. Более высокий коэффициент будет означать, при прочих равных условиях, что соответствие лучше и/или что эффект больше. Но если вы явно не проводите сравнение активации с базовым уровнем, это не то, что на самом деле означает коэффициент.
Вы можете прочитать больше об этой последней проблеме здесь: https://github.com/jdkent/tests_and_musings/blob/master/magnitude_and_delay_in_bold.ipynb?fbclid=IwAR3H-pvYmVQtMaDBzDAfexyNeuCUHHe6vuYLsV83l957rvHawv1bWJlaB9U
z8080
Генри Брайс