静息态功能连接的回归分析

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。

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。