Mass univariate analysis of event-related brain potentials/fields I: a critical tutorial review.
Mass univariate analysis of event-related brain potentials/fields I: a critical tutorial review.
复制标题
DOI：
10.1111/j.1469-8986.2011.01273.x
复制
发表时间：
2011-12
期刊：
影响因子：
3.7
通讯作者：
Kutas M
中科院分区：
文献类型：
--
作者：
Groppe DM;Urbach TP;Kutas M
事件相关电位（ERP）和磁场（ERF）通常通过先验窗口中平均活动的ANOVA进行分析。计算能力和统计学的进步产生了一种替代方法，即大规模单变量分析，包括数千次统计检验和用于多重比较的强大校正。这种分析是最有用的，当一个有一点先验知识的影响位置或lavelet，并划定影响边界。大量的单变量分析补充，有时，取代传统的分析。在这里，我们回顾这种方法适用于ERP/ERF数据和多重比较校正的四种方法：强控制的家庭明智的错误率（FWER）通过排列测试，弱控制的FWER通过基于集群的排列测试，错误发现率控制，和控制的广义FWER。最后，我们为他们的使用建议，并介绍免费的MATLAB软件的实施。
Event-related potentials (ERPs) and magnetic fields (ERFs) are typically analyzed via ANOVAs on mean activity in a priori windows. Advances in computing power and statistics have produced an alternative, mass univariate analyses consisting of thousands of statistical tests and powerful corrections for multiple comparisons. Such analyses are most useful when one has little a priori knowledge of effect locations or latencies, and for delineating effect boundaries. Mass univariate analyses complement and, at times, obviate traditional analyses. Here we review this approach as applied to ERP/ERF data and four methods for multiple comparison correction: strong control of the family-wise error rate (FWER) via permutation tests, weak control of FWER via cluster-based permutation tests, false discovery rate control, and control of the generalized FWER. We end with recommendations for their use and introduce free MATLAB software for their implementation.
登录
查看更多内容
影响因子：
3.7
作者：
Groppe DM;Urbach TP;Kutas M
通讯作者：
Kutas M
影响因子：
2.7
作者：
Benjamini, Yoav;Krieger, Abba M.;Yekutieli, Daniel
通讯作者：
Yekutieli, Daniel
影响因子：
4.5
作者：
Clarke, Sandy;Hall, Peter
通讯作者：
Hall, Peter
影响因子：
3
作者：
Hemmelmann, Claudia;Ziegler, Andreas;Vollandt, Ruediger
通讯作者：
Vollandt, Ruediger
影响因子：
2.9
作者：
Groppe DM;Choi M;Huang T;Schilz J;Topkins B;Urbach TP;Kutas M
通讯作者：
Kutas M