<html><head><meta http-equiv="Content-Type" content="text/html charset=us-ascii"></head><body style="word-wrap: break-word; -webkit-nbsp-mode: space; -webkit-line-break: after-white-space;"><div>Hi Arjen, Alik</div><div>Thanks for stimulating this discussion about second level statistics.</div><div>I tried as suggested, but it would be great if one of you can detail the steps involved so I can make sure what am doing is indeed correct.</div><div>It would be great if some more detail is provided on the field trip web page about this.</div><div><br></div><div>Thanks,</div><div>Raghavan</div><div><br></div><div><br></div><div><br></div><div><pre>What you described in your reply to me just now, calling

ft_timelockstatistics at the subject level to calculate descriptives, still

effectively reduces each subject to one "datapoint" -- the difference

between conditions of the selected t-descriptive for that subject. I

believe I understand how to do that, and how to then do nonparametric

shuffle testing at the between-subjects level for the signfiicance of that

within-subjects descriptive/difference.

>><i> Ok. That's indeed the procedure I tried to outline.

</i>

In your earlier reply to Raghavan, it sounded like you were suggesting

pooling the trials themselves between subjects (that is, all subjects'

trials go into one big "bucket"), with the trial-to-trial variance having

been removed via ft_regressconfound, *then* calling the ft_statistics

functions on this single large "bucket" of trials. Have I misunderstood

your suggestion?

>><i> I might have not been clear there then. I was meant to say that one

</i>could use ft_regressconfound on trials of two (or more) conditions combined

of a single subject, prior to calculating the single subject t-descriptive

(using ft_xxxstatistics). This allows one to compute a 'cleaner' t-score,

or at least provide a good case that head movement did not differentially

influence activity levels in the separate conditions. It was not related to

pooling trials between subjects.

2014-02-21 16:14 GMT+01:00 Alik Widge <<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">alik.widge at gmail.com</a>>:

><i> I don't *think* I'm asking about how to do second-order analysis, unless I

</i>><i> have missed something important. I did read the link/FAQ when I was working

> on this last week, and that seems different than the question I am asking.

</i>><i>

</i>><i> What you described in your reply to me just now, calling

</i>><i> ft_timelockstatistics at the subject level to calculate descriptives, still

</i>><i> effectively reduces each subject to one "datapoint" -- the difference

</i>><i> between conditions of the selected t-descriptive for that subject. I

</i>><i> believe I understand how to do that, and how to then do nonparametric

</i>><i> shuffle testing at the between-subjects level for the signfiicance of that

</i>><i> within-subjects descriptive/difference.

</i>><i>

</i>><i> In your earlier reply to Raghavan, it sounded like you were suggesting

</i>><i> pooling the trials themselves between subjects (that is, all subjects'

</i>><i> trials go into one big "bucket"), with the trial-to-trial variance having

</i>><i> been removed via ft_regressconfound, *then* calling the ft_statistics

</i>><i> functions on this single large "bucket" of trials. Have I misunderstood

</i>><i> your suggestion?

</i>><i>

</i>><i> Alik

</i>><i>

</i>><i> Alik Widge

</i>><i> <a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">alik.widge at gmail.com</a>

</i>><i> (206) 866-5435

</i>><i>

</i>><i>

</i>><i>

</i>><i> On Fri, Feb 21, 2014 at 9:53 AM, Stolk, A. (Arjen) <

</i>><i> <a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">a.stolk at fcdonders.ru.nl</a>> wrote:

</i>><i>

</i>>><i> Dear Alik,

</i>>><i>

</i>>><i> If I am correct, you're asking how to create subject-level

</i>>><i> t-descriptives, mentioned in the previous post? A quick answer would be to

</i>>><i> perform an indepedent t-test ( cfg.statistic = indepsamplesT; ) using

</i>>><i> ft_timelockstatistics (although you're not really 'testing' here, but only

</i>>><i> interested in that t-descriptive), in which trials are the unit of

</i>>><i> observations ( cfg.design = [ones(1, ntrls_conditionA) 2*ones(1,

</i>>><i> ntrls_conditionB)]; ). Note that since an indepedent t-test tests for

</i>>><i> differences of the means of two conditions, it won't fail on unequal number

>> of observations across the conditions (unlike a dependent/paired t-test).

</i>>><i>

</i>>><i> Hope this gets you kickstarted for the moment. I found a previous

</i>>><i> mail-conversation that goes more into detail, providing more overview of

</i>>><i> the steps involved:

</i>>><i> <a href="http://mailman.science.ru.nl/pipermail/fieldtrip/2011-November/004539.html">http://mailman.science.ru.nl/pipermail/fieldtrip/2011-November/004539.html</a>

</i>>><i> More useful documentation:

</i>>><i>

</i>>><i> <a href="http://fieldtrip.fcdonders.nl/faq/what_is_the_idea_behind_statistical_inference_at_the_second-level">http://fieldtrip.fcdonders.nl/faq/what_is_the_idea_behind_statistical_inference_at_the_second-level</a>

</i>>><i>

</i>>><i> Yours,

</i>>><i> Arjen

</i>>><i>

</i>>><i> ------------------------------

</i>>><i>

</i>>><i> *Van: *"Alik Widge" <<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">alik.widge at gmail.com</a>>

</i>>><i> *Aan: *"FieldTrip discussion list" <<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">fieldtrip at science.ru.nl</a>>

</i>>><i> *Verzonden: *Vrijdag 21 februari 2014 11:38:10

</i>>><i>

</i>>><i> *Onderwerp: *Re: [FieldTrip] regressconfound and frequency domain

</i>>><i>

</i>>><i> Arjen, what you just described is more or less what I struggled to do

</i>>><i> last week and ultimately gave up as I was unable to figure out how to get

</i>>><i> FT to do it despite much meditation over tutorials and source files. Can

</i>>><i> you elaborate a bit more on what you are saying below -- not the

</i>>><i> ft_regressconfound bit, but the bit about how to get

</i>>><i> ft_statistics_montecarlo and its wrappers to do a trials-level analysis and

</i>>><i> permutation at the whole-group level? Especially, what does one put in

</i>>><i> cfg.design and how does one call the function? Everything I could find in

</i>>><i> the tutorials described the case of doing means at the subject level and

</i>>><i> then permutation of means at the group level, which as you point out is

>> underpowered for subtle effects.

</i>>><i>

</i>>><i> My particular situation was timelock-analyzed trials (with

</i>>><i> keeptrials='yes'), but I  could not find a way to set up cfg.design that

</i>>><i> did not throw error messages. The thing that really seemed to bother it was

</i>>><i> that there were different numbers of trials in the 2-3 conditions of

>> interest, since some had to be removed for excessive artifact.

</i>>><i>

</i>>><i> Thanks for any help,

</i>>><i> Alik

</i>>><i>

</i>>><i> Alik Widge

</i>>><i> <a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">alik.widge at gmail.com</a>

</i>>><i> (206) 866-5435

</i>>><i>

</i>>><i>

</i>>><i>

</i>>><i> On Fri, Feb 21, 2014 at 3:23 AM, Stolk, A. (Arjen) <

</i>>><i> <a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">a.stolk at fcdonders.ru.nl</a>> wrote:

</i>>><i>

</i>>>><i> Dear Raghavan,

</i>>>><i>

</i>>>><i> To compute a t-descriptive on subject level freq data, you'll need to

</i>>>><i> use ft_freqstatistics. Have a look here for instance:

</i>>>><i> <a href="http://fieldtrip.fcdonders.nl/tutorial/cluster_permutation_freq">http://fieldtrip.fcdonders.nl/tutorial/cluster_permutation_freq</a>

</i>>>><i>

</i>>>><i> At the subject level, you do not need (non-parametric) cluster

</i>>>><i> permutation testing (Maris & Oostenveld), as you're taking each subject's

</i>>>><i> t-descriptives to the group level. At the group level, you can then test

>>> the hypothesis that there's a difference between tasks/conditions (H1) vs.

</i>>>><i> no difference (H0). In order to do so, you'll need to create a dummy

</i>>>><i> variable at the group level, that has the same number of 'subjects', but

</i>>>><i> with zeros in all fields (in your case this will be a .stat field). At the

</i>>>><i> group level, you thus call ft_freqstatistics again. This approach has the

</i>>>><i> advantage that you're more sensitive (as compared to taking each subject's

</i>>>><i> mean to the group level) to effects that are small but consistent over

>>> trials in each subject.

</i>>>><i>

</i>>>><i> Arjen

</i>>>><i>

</i>>>><i>

</i>>>><i> ------------------------------

</i>>>><i>

</i>>>><i> *Van: *"Raghavan Gopalakrishnan" <<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">gopalar.ccf at gmail.com</a>>

</i>>>><i> *Aan: *<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">fieldtrip at science.ru.nl</a>

</i>>>><i> *Verzonden: *Donderdag 20 februari 2014 23:33:18

</i>>>><i>

</i>>>><i> *Onderwerp: *Re: [FieldTrip] regressconfound and frequency domain

</i>>>><i>

</i>>>><i> Thanks Arjen,

</i>>>><i> Should I use ft_freqdescriptives to compute t descriptives for

</i>>>><i> individual subjects, and then take that to group level instead of mean? If

>>> not, what are the other alternatives?

</i>>>><i> Thanks,

</i>>>><i> Raghavan

</i>>>><i>

</i>>>><i> Hi Raghavan, ft_regressconfound run on timelock data seems to return output with avg field. However, ft_regressconfound run on frequency data, does not return average. I see the avg field being removed. Is there a reason? >> Not intentionally, but not an issue either. You could still use ft_freqdescriptives to compute the average for you, but see my comment below. Question - Since ft_regressconfound outputs power spectrum of individual trials - 4D matrix (instead of average), can I simply re-average the power spectrum over trials to see the average power for that subject. Also, I need to run grand average (over subjects) before running statistics. I hope these steps does not distort the data. Please advise. >> Remember that the mean over trials is not affected by your clean-up of trial-by-trial variance due to head movement. Taking each subject's mean (unaffected) to the group level is an approach that will not benefit from your clean-up. In order to benefit from reduced trial-by-trial variance, you'll need a measure that depends on it, e.g. t-descriptive, neural activity-behavior correlation (for taking to the group level). Hope this helps, Arjen ----- Oorspronkelijk bericht -----

</i>>>><i> >* Van: "Raghavan Gopalakrishnan" <gopalar.ccf at <a href="http://gmail.com">gmail.com</a> <<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">http://mailman.science.ru.nl/mailman/listinfo/fieldtrip</a>>>

</i>>>><i> *>* Aan: fieldtrip at <a href="http://science.ru.nl">science.ru.nl</a> <<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">http://mailman.science.ru.nl/mailman/listinfo/fieldtrip</a>>

</i>>>><i> *>* Verzonden: Donderdag 20 februari 2014 22:12:28

</i>>>><i> *>* Onderwerp: Re: [FieldTrip] regressconfound and frequency domain

</i>>>><i> *>* Arjen,

</i>>>><i> *>* Thanks, I reduced down the time resolution so computation can go

</i>>>><i> *>* faster. Now, m y matrix looks like this

</i>>>><i> *>* hpicomptimefreq =

</i>>>><i> *>* label: {204x1 cell}

</i>>>><i> *>* dimord: 'rpt_chan_freq_time'

</i>>>><i> *>* freq: [1x56 double]

</i>>>><i> *>* time: [1x375 double]

</i>>>><i> *>* powspctrm: [4-D double]

</i>>>><i> *>* cumtapcnt: [59x56 double]

</i>>>><i> *>* cfg: [1x1 struct]

</i>>>><i> *>* trialinfo: [59x1 double]

</i>>>><i> *>* beta: [4-D double]

</i>>>><i> *>* ft_regressconfound run on timelock data seems to return output with

</i>>>><i> *>* avg field. However, ft_regressconfound run on frequency data, does not

>>> *>* return average. I see the avg field being removed. Is there a reason?

</i>>>><i> *>* Question - Since ft_regressconfound outputs power spectrum of

</i>>>><i> *>* individual trials - 4D matrix (instead of average), can I simply

</i>>>><i> *>* re-average the power spectrum over trials to see the average power for

</i>>>><i> *>* that subject. Also, I need to run grand average (over subjects) before

>>> *>* running statistics. I hope these steps does not distort the data.

</i>>>><i> *>* Please advise.

</i>>>><i> *>* Thanks,

</i>>>><i> *>* Raghavan

</i>>>><i> *>* Date: Wed, 19 Feb 2014 22:58:38 +0100 (CET)

</i>>>><i> *>* From: "Stolk, A. (Arjen)" < a.stolk at <a href="http://fcdonders.ru.nl">fcdonders.ru.nl</a> <<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">http://mailman.science.ru.nl/mailman/listinfo/fieldtrip</a>> >

</i>>>><i> *>* To: FieldTrip discussion list < fieldtrip at <a href="http://science.ru.nl">science.ru.nl</a> <<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">http://mailman.science.ru.nl/mailman/listinfo/fieldtrip</a>> >

</i>>>><i> *>* Subject: Re: [FieldTrip] regressconfound and frequency domain

</i>>>><i> *>* Message-ID:

</i>>>><i> *>* < 2108167665.5423215.1392847118322.JavaMail.root at <a href="http://sculptor.zimbra.ru.nl">sculptor.zimbra.ru.nl</a> <<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">http://mailman.science.ru.nl/mailman/listinfo/fieldtrip</a>>

</i>>>><i> *>* >

</i>>>><i> *>* Content-Type: text/plain; charset="utf-8"

</i>>>><i> *>* Dear Raghavan, Good to hear it's working out for you. A short answer

</i>>>><i> *>* would be 'no'. Reducing the size of your data matrix is likely going

</i>>>><i> *>* to speed up computations. Your time resolution seems pretty high (1500

</i>>>><i> *>* frequency estimations per single trial); do you need that many? Yours,

</i>>>><i> *>* Arjen ----- Oorspronkelijk bericht -----

</i>>>><i> *>* > Van: "Raghavan Gopalakrishnan" < gopalar.ccf at <a href="http://gmail.com">gmail.com</a> <<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">http://mailman.science.ru.nl/mailman/listinfo/fieldtrip</a>> >

</i>>>><i> *>* > Aan: fieldtrip at <a href="http://science.ru.nl">science.ru.nl</a> <<a href="http://mailman.science.ru.nl/mailman/listinfo/fieldtrip">http://mailman.science.ru.nl/mailman/listinfo/fieldtrip</a>>

</i>>>><i> *>* > Verzonden: Woensdag 19 februari 2014 22:01:00

</i>>>><i> *>* > Onderwerp: [FieldTrip] regressconfound and frequency domain

</i>>>><i> *>* > Arjen,

</i>>>><i> *>* > Thanks for answering all my previous questions. I was successfully

</i>>>><i> *>* > able to incorporate head movements to my erf data. As I understand I

</i>>>><i> *>* > have to do this separately for the time frequency data after keeping

</i>>>><i> *>* > individual trials. I am interested in both beta and gamma bands

</i>>>><i> *>* > [15:1:70]. my time frequency looks like this using wavelets,

</i>>>><i> *>* > timefreq =

</i>>>><i> *>* > label: {204x1 cell}

</i>>>><i> *>* > dimord: 'rpt_chan_freq_time'

</i>>>><i> *>* > freq: [1x56 double]

</i>>>><i> *>* > time: [1x1500 double]

</i>>>><i> *>* > powspctrm: [4-D double]

</i>>>><i> *>* > cumtapcnt: [55x56 double]

</i>>>><i> *>* > grad: [1x1 struct]

</i>>>><i> *>* > elec: [1x1 struct]

</i>>>><i> *>* > cfg: [1x1 struct]

</i>>>><i> *>* > trialinfo: [55x1 double]

</i>>>><i> *>* > After regressconfound

</i>>>><i> *>* > hpicomptimefreq =

</i>>>><i> *>* > label: {204x1 cell}

</i>>>><i> *>* > dimord: 'rpt_chan_freq_time'

</i>>>><i> *>* > freq: [1x56 double]

</i>>>><i> *>* > time: [1x1500 double]

</i>>>><i> *>* > powspctrm: [4-D double]

</i>>>><i> *>* > cumtapcnt: [55x56 double]

</i>>>><i> *>* > cfg: [1x1 struct]

</i>>>><i> *>* > trialinfo: [55x1 double]

</i>>>><i> *>* > beta: [4-D double]

</i>>>><i> *>* > Regressconfound took about 1 hr and 30 mins, since its a huge matrix

</i>>>><i> *>* > [55x204x56x1500]. I have 25 such blocks of data for 20 subjects. It

</i>>>><i> *>* > will take an enoumous amount of time to process the data through

</i>>>><i> *>* > regressconfound. Is there a workaround to make the processing faster

>>> *>* > or am I missing something. Any help would be of great help.

</i>>>><i> *>* > Thanks,

</i>>>><i> *>* > Raghavan*

</i>>>></pre><div><br></div></div></body></html>