ERP数据分析中N2pc/Pd成分置换检验的实现

这是小编2019年度第一篇更新，敬请期待更多的分享！

置换检验的原理

  由于通过主观选择数据分析时间窗来计算平均波幅可能存在较大的偏差，因此我们选择成分的区域面积来度量成分(Sawaki, Geng, & Luck, 2012)。具体来说，N2pc波幅是180-300 ms内对侧减同侧的差异波中波幅为负值的区域的面积，Pd则是180-300ms内对侧减同侧的差异波中波幅为正值的区域的面积。由于是采用面积来度量成分，面积总是正数，数据不是正态分布，不宜采用传统的参数检验，我们采用更适合的非参数置换检验(non-permutation tests)(Gaspelin & Luck, 2018; Sawaki et al., 2012)。非参数置换检验的主要步骤是：1)随机编刺激试次的单侧性，即将同侧随机编码为对侧或同侧；2)将随机编码试次后的EEG数据进行总平均，并通过计算得到对侧减同侧的差异波；3)从差异波中计算出对应时间窗内为负值的区域面积。以上步骤将进行1000次，每次都会计算出对应的值，从而获得检验统计量的零分布(null distribution)。如果我们的实际观测波幅值大于检验统计量的零分布波幅值的95%，则可以认为观测值反映了个体真实的生理反应而不是数据中的噪音。此外，非参数置换检验还可用于检验组间数据是否存在差异，其原理和主要步骤与条件之间的对比是一样的(Gaspelin & Luck, 2018)。在组间差异的非参数置换检验中，我们对组别进行随机编码，随后计算组间差异值。以上步骤重复1000次，每次都会计算出对应的值，从而获得组间差异数据的检验统计量的零分布。如果组间差异观测波幅值大于或小于检验统计量的零分布(双尾分布)波幅值的95%，则可以认为组间差异具有显著的统计学意义。

注：翻译内容和引图来源于：[SupplementalMaterials]Hyperfocusingof Attention on Goal-Related Information in Schizophrenia: Evidence FromElectrophysiology by R. Sawaki et al., 2016, Journal of Abnormal Psychology[http://dx.doi.org/10.1037/abn0000209]

注：HCS和PSZ（a）的置换试验结果和组间差异（b）。a.HCS和PSZ中对侧负同侧差异波（相对于目标分色器侧）的负区和正区（N2pc和Pd）。蓝色条表示1000个排列的估计零分布。红线代表观察到的负区域和正区域的值。黄色区域表示排列分布的前5%。b.阴性和阳性区域的组间差异（HCS减去PSZ）。红线表示观察到的差异值。

参考文献：

[1] Luck, S. J. (2014). Anintroduction to the event-related potential technique. Cambridge: MITPress.

[2] Gaspelin, N., & Luck, S. J. (2018). Combined Electrophysiological and Behavioral Evidence for the Suppression of Salient Distractors. J Cogn Neurosci, 30(9),1265-1280. doi:10.1162/jocn_a_01279

[3] Sawaki, R., Geng, J. J., & Luck, S. J. (2012). A common neuralmechanism for preventing and terminating the allocation of attention. J Neurosci, 32(31), 10725-10736.doi:10.1523/JNEUROSCI.1864-12.2012

[4] Sawaki, R., & Luck, S.J. (2013). Active suppression after involuntary capture of attention. PsychonomicBulletin & Review, 20, 296–301.

置换检验的实现

1

打开Matlab & EEGLab 并导入数据

2

打开ERPlab,并选择如图所示的操作

3

打开Shuffle events et al Gui

      选择需要随机编码的试次类型，并输入对应的Event 或bin的数值，就可以实现试次的随机编码。

    如果想要了解更多信息，可以关注我目前研究生所在实验室的更多科研动态。

D罗心理学

    以下是小编的“流浪心球”，期待你的持续关注！

往期回顾：

01.编程技术

02.数据分析

03.生活杂记

04.名家话心