理论教育 脑电数据分析的预处理及统计分析方法

脑电数据分析的预处理及统计分析方法

时间:2023-05-20 理论教育 版权反馈
【摘要】:在脑电数据分析时,我们采用Neuroscan对数据进行眼电校正,并完成对无眼电干扰的脑电数据的其他预处理步骤,具体包括参考转换、滤波、事件提取、去伪迹、基线校正、叠加平均等,最后将预处理后的数据导出,用SPSS 20和Stata 12进行统计分析。我们选取了中央顶区的6个点作为P300成分的分析点位,分别是CP3、CPZ、CP4、P3、PZ和P4,并截取了300—400毫秒作为分析时间窗。这6个电极点位的描述性统计结果参见表7.2。

脑电数据分析的预处理及统计分析方法

在脑电数据分析时,我们采用Neuroscan(Scan 4.3.Neurosoft Labs Inc.,USA)对数据进行眼电校正,并完成对无眼电干扰的脑电数据的其他预处理步骤,具体包括参考转换、滤波、事件提取、去伪迹、基线校正、叠加平均等,最后将预处理后的数据导出,用SPSS 20和Stata 12进行统计分析。本书在最后的研究方法介绍部分对ERPs数据的预处理过程进行了详细的介绍。

P300成分通常出现在头皮后侧,并且在中央顶区中间线附近最多(Nieuw enhuis、Aston-Jones、Cohen,2005)。我们选取了中央顶区的6个点作为P300成分的分析点位,分别是CP3、CPZ、CP4、P3、PZ和P4,并截取了300—400毫秒作为分析时间窗。这6个电极点位的描述性统计结果参见表7.2。

表7.2 中央顶区6个电极点位平均波幅描述性统计

(www.daowen.com)

资料来源:作者整理。

针对顶区P300成分做2(决策类型:风险决策与含糊决策)×2(唤醒度:大数额与小数额)×6(电极位:CP3、CPZ、CP4、P3、PZ和P4)的重复性方差检验发现:决策类型的主效应显著[F(1,11)=5.48,p=0.039];唤醒度的主效应显著[F(1,11)=10.53,p=0.008];电极位主效应显著[F(5,55)=3.70,p=0.006];决策类型与唤醒度的交互效应显著[F(1,11)=5.97,p=0.033]。

进一步做简单效应检验发现,在大数额条件下,风险决策和含糊决策有显著差异[F(1,11)=9.80,p=0.010],即含糊情境下的P300波幅显著大于风险情境下的P300波幅,在小数额条件下,风险决策和含糊决策则无显著差异[F(1,11)=0.014,p>0.05]。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈