基于信息的成像的有效群体推断：从二级 t 检验到患病率推断
神经元与认知
2016-08-11 v3 应用统计
摘要
在神经成像数据的多变量模式分析中，“二级”推断通常通过跨被试将分类准确率输入与机遇水平比较的 t 检验来进行。我们认为，虽然 t 检验实现的随机效应分析在应用于激活差值时确实提供了群体推断，但在分类准确率或其他“类信息”度量的情况下却无法实现，因为此类度量的真值永远不会低于机遇水平。这一约束改变了所检验的群体水平零假设的含义，使其等价于群体中任何被试均无效应的全局零假设。因此，拒绝它仅允许推断存在某些被试具有信息效应，而不能推断其可推广，这使其实际上等同于固定效应分析。该陈述得到理论论证和模拟的支持。我们回顾了用于基于信息的成像的群体推断的可能替代方法，并聚焦于不应针对均值而应针对群体中效应的患病率的理念。详细描述了一种实现此方法的方法——“基于置换的信息患病率推断使用最小统计量”，并将其应用于经验数据。
引用
@article{arxiv.1512.00810,
title = {Valid population inference for information-based imaging: From the second-level $t$-test to prevalence inference},
author = {Carsten Allefeld and Kai Görgen and John-Dylan Haynes},
journal= {arXiv preprint arXiv:1512.00810},
year = {2016}
}
备注
manuscript accepted by NeuroImage, plus minor fixes and a note added after publication