静息态功能连接的回归分析

Submitted by zs1990 on Wed, 12/21/2016 - 15:26

各位老师，请问rsFC的回归分析应该怎么操作呀？rest里面的statistical analysis中只有相关分析，可是外审专家要求应该做回归而不是相关。

Submitted by ZangYF on Wed, 01/04/2017 - 07:54

这是一个非常好的问题，也是一个非常有意思现象。
 
在静息态功能磁共振领域，进行功能连接分析时，多数文章是基于linear correlation的，但也有少数文章是基于linear regression的。如果是基于后者，理论上应该对beta进行组水平的统计，但在我印象中，有文章明明采用的是回归模型，但组水平的统计仍然用r；beta相当于原始的effect size，而r相当于标准的effect size；如果是基于相关模型的功能连接分析，组水平统计时则理所当然是基于r的。beta表示的是一个变量对另外一变量的决定程度（取值为负无穷大到正无穷大），而r值表示的是二者的相关程度（取值为-1到+1）。如果不考虑组水平（有时称为second level）的统计问题，所谓回归与相关，仅仅是假设与解释的不同，公式是一样的。
 
而在任务fMRI的激活检测方式，几乎全部采用的是多元回归模型，在组水平的统计，是基于beta，而不是r值。
 
数年前，我曾经让我的一个硕士研究生比较基于beta的和基于r的功能连接的结果有什么不同，但遗憾的是这个学生后来对这个问题不感兴趣，我个人也认为不会有非常大的区别，也就没有进行下去。但从理论上来说，应该是有所不同的。
 
再次感谢你的问题，等我有合适机会，把这个问题再彻底搞清楚一下。如果有比较擅长统计学的朋友对这个问题感兴趣，我非常乐意合作。
这是一个非常好的问题，也是一个非常有意思现象。
 
在静息态功能磁共振领域，进行功能连接分析时，多数文章是基于linear correlation的，但也有少数文章是基于linear regression的。如果是基于后者，理论上应该对beta进行组水平的统计，但在我印象中，有文章明明采用的是回归模型，但组水平的统计仍然用r；beta相当于原始的effect size，而r相当于标准的effect size；如果是基于相关模型的功能连接分析，组水平统计时则理所当然是基于r的。beta表示的是一个变量对另外一变量的决定程度（取值为负无穷大到正无穷大），而r值表示的是二者的相关程度（取值为-1到+1）。如果不考虑组水平（有时称为second level）的统计问题，所谓回归与相关，仅仅是假设与解释的不同，公式是一样的。
 
而在任务fMRI的激活检测方式，几乎全部采用的是多元回归模型，在组水平的统计，是基于beta，而不是r值。
 
数年前，我曾经让我的一个硕士研究生比较基于beta的和基于r的功能连接的结果有什么不同，但遗憾的是这个学生后来对这个问题不感兴趣，我个人也认为不会有非常大的区别，也就没有进行下去。但从理论上来说，应该是有所不同的。
 
再次感谢你的问题，等我有合适机会，把这个问题再彻底搞清楚一下。如果有比较擅长统计学的朋友对这个问题感兴趣，我非常乐意合作。