SPM/組分析
對於 fMRI 或 EEG 資料，組分析也被稱為二級分析，因為一級分析是將廣義線性模型擬合到每個受試者的資料。二級分析則評估了效應在受試者組之間或組內的變異性。SPM 依賴於彙總統計方法，其中一級分析生成對比影像，總結了每個受試者的效應。這些影像隨後作為資料輸入到二級模型中。對於 VBM，沒有一級分析。您只需直接輸入處理後的解剖影像即可。
建議使用 SPM 中稱為“分割槽誤差”的方法來實現組分析。這需要設定一個二級設計矩陣，以測試每個感興趣的效應。
如果您有多個實驗因素，則分析會涉及許多步驟，因為需要測試許多效應（由於析因設計的組合性質）。因此，我們現在提供 SPM 列表中電子郵件摘錄以指導您的分析。答案已針對一致性進行了編輯。
一個 2x2 設計，包含一個組內因素和一個組間因素。
問題
我的實驗設定如下：2 個組（組間因素），每個組有 2 個條件（時間，掃描前和掃描後）。第一組有 8 個受試者，第二組有 14 個受試者。
理想情況下，我會設定一個 2x2 混合方差分析來模擬主效應和互動效應。我假設它是使用靈活的析因模型？您能幫助我如何準確地指定它嗎？您能幫助我進行對比或推薦這方面的優秀文獻嗎？我在網上找到很多內容，但沒有或很少涉及 2x2 混合方差分析。我假設我也可以新增協變數？
做到這一點的最佳方式是什麼？我現在正在 SPM 中進行 VBM 分析，但我認為使用 PET 或 fMRI 時也是相同的流程。
回答
您需要做的是在第一級為每個受試者建立兩張對比影像
- c1=[1 1] 總體/平均效應 (掃描後加掃描前)
- c2=[1 -1] 條件之間的差異 (掃描後減去掃描前)
要檢視效應 ci（其中 i 可以是 1 到 2）在組之間是否存在差異，請建立一個兩樣本 t 檢驗設計（在“二級”）並輸入組 1 的 ci 對比影像（即 8 張對比影像），輸入組 2 的 ci 對比影像（即 14 張對比影像），並輸入一個 [1 -1] F 對比。
要測試所有受試者的效應，請建立一個單樣本 t 檢驗設計，輸入兩組的 ci 對比影像，並使用一個 [1] F 對比。
因此，您需要在二級進行四種不同的模型，並在每種模型中進行一次對比。這為您提供了您通常在 2x2 設計中測試的四件事。
您可能會看到與時間無關的組之間存在差異（例如，VBM 資料的結構差異）（二級 [1 -1] 對比，一級 [1 1] 對比）。並且您可能會看到這種差異隨時間變化（二級 [1 -1] 對比，一級 [1 -1] 對比，互動作用）。
您可能希望用前者對後者進行掩蔽，並且您可以在二級設計中輸入協變數。
關於純組內設計的說明
如果這是一個 2x2 設計，其中兩個因素都是組內的，您將為每個受試者建立四張對比影像：c1=[1 1 1 1]，c2=[1 1 -1 -1]，c3=[1 -1 1 -1]，c4=[1 -1 -1 1]（總體效應，主效應 1，主效應 2，互動作用）。然後，您將建立四個二級設計，每個設計都是一個單樣本 t 檢驗，並將所有受試者的對比影像輸入到該特定對比中（每個受試者只有一張對比影像）。然後輸入一個 [1] F 對比，以測試您受試者組中相應的效應。
更一般地說，如果您有一個 k1xk2 設計，您可以使用函式 spm_make_contrasts 來告訴您要輸入哪些一級對比（請閱讀該函式的幫助，因為它假設您的設計矩陣中的條件按特定順序排列）
Con = spm_make_contrasts([k1 k2])
對於 k1xk2 設計（例如 2x3）。如果所需的對比有多行，您需要將多張對比影像輸入到二級。
一個 2x3x2 設計。前兩個因素是組內的，第二個因素是組間的。
問題
我的任務設計涉及情感圖片（積極、中性、消極），每張圖片後面都跟著兩種可能的提問之一（1 和 2）。在一級，我計算了每個受試者的六個對比，每個提問型別分別針對每個情緒效價，與基線進行比較。
我現在想在二級評估效價和提問型別因素的作用，以及組因素（患者與對照）。據我瞭解，最簡單的選擇是使用一個完整的析因模型，包含 3 個因素：組、提問型別和效價。我的問題是
1）我可以使用完整的析因模型嗎？或者使用每個受試者的多個對比等同於重複測量設計，這意味著我必須使用靈活的析因設計並明確地建模“受試者”因素？
2）如果我使用完整的析因模型，據我瞭解，因素的獨立性應該是：組（是），提問（否），效價（否）。方差呢？應該是相等、不相等、相等，還是始終不相等？
3）另一種可能更簡單的方法是隻使用兩個組 t 檢驗，並評估 6 個條件中的每一個。所以我需要執行 6 個 t 檢驗。但是，如果我想評估無論效價如何，提問 1 在組之間的差異，我可以簡單地將所有提問 1 的對比（即針對積極、中性、消極效價）輸入到“組 1 掃描”框中嗎？我假設這將計算所有掃描的平均值，並將其在組之間進行比較，這就是我想要的結果，但是在每個受試者中輸入 3 個掃描是否存在任何問題？另外，假設我將年齡作為協變數輸入。然後，我需要為每個受試者輸入相同的年齡 3 次。這會存在問題嗎？
回答
我將按照下面描述的方式分析這些資料。傳統上，您可能希望測試 8 種效應（見下文） - 在我的描述中，您設定了 4 組一級對比影像，併為每組設定了兩個設計矩陣。也就是說，您為 SPM 分析建立了 8 個新目錄（每個目錄對應於您正在測試的一種效應）。因此，步驟 (1) 是建立必要的第一個對比影像，步驟 (2) 建立第二個設計矩陣，分配對比影像並擬合模型，步驟 (3) 是輸入第二個對比，以測試您感興趣的效應。
我假設您這裡有兩個組內因素
(A) 任務，具有兩個水平：提問 1 或提問 2，(B) 情緒效價，具有三個水平：(1) 積極、(2) 中性、(3) 消極。
為了使之具體，假設您在患者組中有 18 個人，在對照組中有 17 個人，總共 35 人。
還假設您為每個受試者設定了一個一級設計矩陣，其列按以下順序排列：A1B1、A1B2、A1B3、A2B1、A2B2 和 A2B3。
為了測試(1) 總體效應，我會為每個受試者使用一個 [1 1 1 1 1 1] 對比，並將得到的 35 張對比影像輸入到二級單樣本 t 檢驗中。然後，您將指定一個 [1] F 對比（在二級），以測試與您的正規化相關的顯著非零 BOLD 反應。在二級使用相同的第一個對比影像，並將其分成 18 個患者和 17 個對照，將使您能夠測試組效應（使用二級 F 對比 [1 -1] 測試差異）。這是(2) 組的主效應。
為了測試(3) 因子 A 的主效應（具有兩個水平的因子），我將使用[1 1 1 -1 -1 -1] 對比度對每個受試者進行測試，並將得到的 35 個 con 影像放入第二級進行單樣本 t 檢驗。類似地，將相同的第一級對比影像放入第二級進行雙樣本 t 檢驗設計，並將 18 名患者和 17 名對照組分開，將允許您測試組效應（使用第二級 F 對比[1 -1] 進行測試差異）。這將檢驗(4) 組 × 任務互動。
為了測試(5) 因子 B 的主效應，我將使用每個受試者的兩個對比度[1 -1 0 1 -1 0] 和[0 1 -1 0 1 -1]，並將得到的 70 個 con 影像（每個受試者兩個）放入第二級進行雙樣本 t 檢驗設計。然後，我將使用[1 0; 0 1] F 對比度測試該主效應。類似地，將相同的第一級對比影像放入第二級進行單因素方差分析設計（具有 4 個“水平”；前兩個用於患者，後兩個用於對照組），並將 18 名患者和 17 名對照組分開，將允許您測試組效應（使用第二級 F 對比[1 0 -1 0; 0 1 0 -1] 進行測試差異）。這將檢驗(6) 組 × 效價互動。
為了測試(7) 因子 A 和因子 B 之間的互動，我將使用每個受試者的兩個對比度[1 -1 0 -1 1 0] 和[0 1 -1 0 -1 1]，並將得到的 70 個 con 影像（每個受試者兩個）放入第二級進行雙樣本 t 檢驗設計。然後，我將使用[1 0; 0 1] F 對比度測試該互動效應。類似地，將相同對比度放入第二級進行單因素方差分析設計（具有 4 個“水平”；前兩個用於患者，後兩個用於對照組），並將 18 名患者和 17 名對照組分開，將允許您測試組效應（使用第二級 F 對比[1 0 -1 0; 0 1 0 -1] 進行測試差異）。這將檢驗(8) 組 × 效價 × 任務互動。
這就是您設計中因子性質的全部內容：對於具有 3 個因子的析因設計，需要測試 8 個效應：總效應、3 個主效應、3 個雙向互動和 1 個三向互動 - 您可以使用上面編號為 (1) 到 (8) 的方法測試它們。
順便說一下，SPM 可以幫助您找到在析因設計中測試效應所需的對比度。使用函式Con = spm_make_contrasts ([k1 k2]) 進行 k1 -by-k2 設計（例如 2 × 3）。如果所需的對比度具有多行，則需要將多個 con 影像放入第二級。
對於任何第二級設計，您還可以輸入協變數，例如年齡。如果您在第二級有一個單樣本 t 檢驗設計，那麼這很簡單，只要您的年齡變數是中心化的 - 即均值為零（否則它將與您正在測試的另一個效應共線性，並使其消失）。然後，[0 1] F 對比度將測試 BOLD 反應依賴於年齡的區域。對於更復雜的第二級設計（例如雙樣本 t 檢驗），您可以包含互動項 - 這將建立兩個新列，例如患者的年齡、對照組的年齡。然後，[0 0 1 0; 0 0 0 1] F 對比度測試任何年齡的影響，[0 0 1 -1] F 對比度測試 BOLD 與年齡效應在患者與對照組之間不同的區域。
- 方差分析和 SPM，R. Henson 和 W. Penny
- 方差分析 (ANOVA)，R. Henson
- 使用單變數一般線性模型對神經影像資料的組級重複測量建模，M. McFarquhar