2020年6月份公众号推送了《SME：ERP数据质量检测的新指标》一文，关注了 Luck等人对ERP数据分析质量检测的新的研究成果。近期（8月5日）Luck就此举行了一场线上研讨会，更为全面系统细致的讲解了采用SME这一ERP数据质量检测指标的原因、意义以及如何计算等内容。
数据质量检测指标主要有以下作用：
1. 通过该指标，我们能够客观的判断并将信噪比较低的被试数据排除。
2. 判断哪些电极点为坏导或因噪声污染需通过插值等方法进行数据替代。
3. 判断并选取最优的数据记录和分析方法。
4. 可以在一定程度上帮助研究者、审稿人、期刊编辑等判断已有研究中进行数据分析后得到的结果是否稳定可信。
要实现以上的作用，关键在于数据质量检测指标的测量精确度（Precision）。SME可以为研究者提供数据分析结果的标准误差，从而让研究者获悉该结果的精度。
注：文中所有图片均来源于网络研讨会中使用的ppt,使用遵守CC BY-SA 4.0协议，下载链接见扩展阅读[10]
第二部分 数据质量检测的方法
已有的研究中，关于数据质量的检测主要集中在信度（reliability）上，但随着研究的深入，其作为数据质量检测方式的弊端也逐渐显现（更多详情可查阅扩展阅读资料[1]和[2]），传统关于信度的测量提供的是一个组平均值而不是单个被试的值，同时，它不仅会受到数据质量的影响，还会受到测量结果分数的分布范围的影响。因此在未来的研究中我们更应该关注测量的精确度。2.1 Standard Error(SE)
已有的研究大多数采用 Standard Error(SE) 来检测数据的质量（如下图所示）。
2.2 Standardized Measurement Error (SME)
虽然SE在一定程度上满足了数据质量检测的需要，但其自身的局限性在检测ERP数据质量时并不全部适用，因此SME应运而生（如下图所示，关于SME的更多详情可查阅扩展阅读资料[3-6]）
第三部分 SME的实例运用
1.准备工作
下载(链接[7]）并安装最新版的ERPLAB(V8.0 或更高)。
获取示例数据[8]：
阅读ERPLAB数据质量分析标准[9]：
2.具体计算步骤
在进行ERP平均计算时，选择如图所示的红色箭头标记的按钮，则进行计算默认设置条件下的SME值。
若需要自定义SME计算的条件，则进行如图所示的操作即可。
第四部分 SME在其他领域的使用
第五部分 SME、效应量和统计检验力的关系
第六部分 如何使用SME
[1] Why experimentalists should ignore reliability and focus on precision:https://erpinfo.org/blog/2019/2/19/reliability-and-precision [2] Hedge, C., Powell, G., & Sumner, P. (2018). The reliability paradox: Why robust cognitive tasks do not produce reliable individual differences. Behavior Research Methods, 50(3), 1166-1186.https://link.springer.com/article/10.3758/s13428-017-0935-1[4] A New Metric for Quantifying ERP Data Quality:https://erpinfo.org/blog/2020/4/28/data-quality[5] Standardized Measurement Error: A Universal Measure of Data Quality for Averaged Event-Related Potentials (v20b):https://psyarxiv.com/dwm64/[6] Standardized Measurement Error as a Universal Measure of Data Quality for Event-Related Potentials: An Overview:https://psyarxiv.com/jc3sd/[7] ERPLAB v8.0+ required : https://github.com/lucklab/erplab/releases[8] Standardized Measurement Error (SME) demo scripts:https://osf.io/a4huc/[9]ERPLAB Data Quality Metrics:https://github.com/lucklab/erplab/wiki/ERPLAB-Data-Quality-Metrics[10] Standardized Measurement Error:A Universal Measure of Data Quality for Averaged ERPs:https://static1.squarespace.com/static/5abefa62d274cb16de90e935/t/5f2ac8dcabdcdc0a82d4a096/1596639474909/SME_Webinar_August_2020.pdf
后记：本文只是对此次网络研讨会的一个简单梳理，长达1小时30分的网络研讨会属于高密度的知识输出，因此小编还是建议有时间的小伙伴可以点击文末【阅读原文】进入视频录像的教程学习，视频链接会在2020年8月12日失效。请及时学习。