GCA的基于残差的方法

在非GCA的回归分析研究中，几乎所有的都要看beta，同理，相关系数也是如此。但有意思的是，在GCA的研究中，多数研究只关心F。我认为，只关心F值，不如关心beta更“科学”。我不太理解“实际上的增高或者减低”是什么意思。不管是多元分析还是单元分析，回归与相关的道理是一样的，功能连接研究中，有些文章中说是correlation，有些文章中说是regression，公式本身并没有本质的区别。我们做功能连接的时候，如果不管功能连接的正负而谈“增高或者减低”是不合适的。

不管用beta还是用residual，都可以基于individual level的结果进行group level的统计。如果是beta，比较好办，它是符合正态分布的，直接进入group level就可以了；但rediual的F值不符合正态分析，应该把F值转为z值之后再进入group level的统计（在你这种情况下，即进入SPSS的统计）。不过，很抱歉，我对REST－GCA的使用不太熟悉。

当然可以算多个ROI，但是REST中的软件不支持。基于残差的多元GCA有很多种，但是本质还是一样的，都是关注于当其他ROI加入模型中，对残差减小的贡献程度。

我不知道我是否正确理解你的意思：你是想表达因为正负带来的影响，很难对结果进行推断？这个很正常。举个例子，两个人的关系可以表示为：没有，有一些，有很大。。。。这个就好比只有正值的比较，但是这种比较只关注了两个人关系程度，并没有描述是怎样的关系。而真实生活中，除了关系紧密程度，还有好坏。最简单的例子就是：仇人，恩人，陌生人。仇人就好比是负值关系，陌生人是没有关系，恩人是正直关系。

基于系数的GCA不仅描述了两个时间序里之间关系的紧密程度，还描述了这种紧密程度的正负，所以我更倾向于用基于系数的GCA。