<html>
<head>
<style><!--
.hmmessage P
{
margin:0px;
padding:0px
}
body.hmmessage
{
font-size: 10pt;
font-family:Tahoma
}
--></style>
</head>
<body class='hmmessage'>
 <BR>
Thank you very much for this helpful advice Olga. That would have also been my impression until I found this discussion between Maya Zuckerman and Eric Maris:<BR>
<BR><A href="http://mailman.science.ru.nl/pipermail/fieldtrip/2010-December/003335.html">http://mailman.science.ru.nl/pipermail/fieldtrip/2010-December/003335.html</A><BR>
<A href="http://mailman.science.ru.nl/pipermail/fieldtrip/2010-December/003338.html">http://mailman.science.ru.nl/pipermail/fieldtrip/2010-December/003338.html</A><BR>
 <BR>
, which I may have misunderstood. I can see from the list that people are interested in using depsampleF to investigate interactions between two independent variables (e.g., background: I,II x stimulus: a,b) in experiments with multiple participants. I can also see a several people have had problems with this.<BR>
 <BR>
Given for datasets I_a, I_b, II_a, II_b I'd like to do something like:<BR>
cfg.design =????;<BR>
...<BR>
cfg.statistic ='depsamplesF';<BR>
...<BR>
 [stat] = ft_timelockstatistics(cfg, I_a, I_b, II_a, II_b);<BR>
 <BR>
to find the tests of of main effect clusters for each factor and interaction clusters. How to specify up cfg.design could be one of the problems, as could be what other cfg parameters need to be specified. I may be barking up completely the wrong tree.<BR><BR>
Assuming the interaction is significant, there are 4 differences that would be of theoretical interest: I_a vs I_b, II_a vs II_b,I_a vs II_a,I_b vs II_b). For instance, a "classical" interaction might exhibit the abolition of significance of an effect ab seen at I at level II of that factor. <BR>
 <BR>
So, if I understand the Zuckerman-Maris dialogue, if I used the permutation test to test such I_a vd II_b differences as in the tutorial:<BR>
 <BR>
 cfg.method = 'montecarlo';<BR>cfg.statistic = 'depsamplesT';<BR>cfg.correctm = '<SPAN class=search_hit>cluster</SPAN>';<BR>cfg.clusteralpha = 0.05;<BR>cfg.clusterstatistic = 'maxsum';<BR>cfg.minnbchan = 2;<BR>cfg.tail = 0;<BR>cfg.clustertail = 0;<BR>cfg.alpha = 0.025;<BR>cfg.numrandomization = 500;<BR>
...<BR>
[I_avsb_stat] = ft_timelockstatistics(cfg, I_a, I_b);<BR>
[II_avsb_stat] = ft_timelockstatistics(cfg, II_a, II_b);<BR><BR>
[IvsII_a_stat] = ft_timelockstatistics(cfg, I_a, II_a);<BR>
[IvsII_b_stat] = ft_timelockstatistics(cfg, I_a, II_b);<BR>
<BR><BR>,I may have to either do some bonferonni correction:<BR>
-at the cluster level (cluster.alpha) <BR>
-or at the level at which each t-test can be included in a cluster (cfg.alpha). <BR>
Please would you verify which, if at all?<BR>
 <BR>
If I am testing 4 such differences with 4 permutation tests then if the bonferroni correction is to be at the cluster level, please should the correction depend upon the number of clusters as well as the number of such differences tested? <BR>
<DIV> </DIV>
<DIV>Please, I look forward to any clarifications.</DIV>
 <BR>
With best regards,<BR>
 <BR>
Tom Campbell.<BR><BR><BR> <BR>
<BR>

<HR id=stopSpelling>
From: olga@graphicmind.info<BR>To: tom_campbell75@hotmail.com; fieldtrip@donders.ru.nl<BR>Subject: Re: [FieldTrip] depsamplesF<BR>Date: Thu, 27 Jan 2011 06:16:51 +0300<BR><BR>Hi, Tom,
<DIV><BR></DIV>
<DIV>I guess if you do cluster analysis, which is based on permutation tests you do not need any correction like.</DIV>
<DIV>Cluster-based statistics just deal with multiple comparison problem differently (Monte-Carlo randomization, permutation tests and examine the probability of your cluster among the random ones). Clusters may be formed based on time, space/frequency adjacency.</DIV>
<DIV><BR></DIV>
<DIV>Best Regards,</DIV>
<DIV>Olga.</DIV>
<DIV><BR>
<DIV>
<DIV>On 27.01.2011, at 2:26, Tom Campbell wrote:</DIV><BR class=ecxApple-interchange-newline>
<BLOCKQUOTE>
<DIV style="FONT-FAMILY: Tahoma; FONT-SIZE: 10pt" class=ecxhmmessage>Dear Eric Maris, Robert Oostenveld and colleagues,<BR> <BR>I write with some queries with reference to your previous correspondence on the Fieldtrip listserv and would very much appreciate if you could please answer them.<FONT size=2 face=Tahoma,sans-serif><SPAN style="FONT-SIZE: 10pt"><BR> </SPAN></FONT><FONT size=2 face=Tahoma,sans-serif><SPAN style="FONT-SIZE: 10pt"><BR>I am trying to use Fieldtrip to analyse timelocked ERP data from what is a 16(participant: [1:16]) X2(Background: congruent, incongruent)x2(Stimulus: Animal, Vehicle) design. The code seems to runing well treating this as a 16(participant: [1:16]) X4(Visual stimulus: animal-congruent background, animal-incongruent background, vehicle-congruent, vehicle-incongruent )design with 4 conditions, though I haven't looked at the results of the tests yet. If I then run cluster analyses of differences of theoretical interest via depsamplest, please how would I bonferroni correct? I am interested in what clusters exist in the background and stimulus main effects and their background X stimulus interaction. Please is this possible in fieldtrip to use depsamplesF to work with a Participant X "2-way" design?</SPAN></FONT><FONT size=2 face=Tahoma,sans-serif><SPAN style="FONT-SIZE: 10pt"><BR></SPAN></FONT><BR>Best regards,<BR> <BR>Tom Campbell.<BR><BR>
<DIV> </DIV><BR><BR>_______________________________________________<BR>fieldtrip mailing list<BR><A href="mailto:fieldtrip@donders.ru.nl">fieldtrip@donders.ru.nl</A><BR><A href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip" target=_blank>http://mailman.science.ru.nl/mailman/listinfo/fieldtrip</A></DIV></BLOCKQUOTE></DIV><BR></DIV>                                          </body>
</html>