<div dir="ltr">Dear <span style="font-size:13px">Steve,</span><div><span style="font-size:13px"><br></span></div><div><span style="font-size:13px">thank you for your help, the references are greatly appreciated! Indeed, I'd like to extend the analysis to identifying parts where the correlation is significantly different; I am going to try this approach.</span></div><div><span style="font-size:13px"><br></span></div><div><span style="font-size:13px">Best regards,</span></div><div><span style="font-size:13px">Harold</span></div></div><div class="gmail_extra"><br><div class="gmail_quote">2016-01-26 12:08 GMT+01:00 Stephen Politzer-Ahles <span dir="ltr"><<a href="mailto:stephen.politzer-ahles@ling-phil.ox.ac.uk" target="_blank">stephen.politzer-ahles@ling-phil.ox.ac.uk</a>></span>:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div dir="ltr"><div><div><div><div>Hi Harold,<br><br></div>If you're only interested in identifying which timepoints have the best correlation, multiple comparisons aren't really an issue; if you're not worried about testing for significance, then the place where you see the highest estimate is the highest. See e.g., Hauk et al. 2006 in NeuroImage, and <span>Smith</span> & <span>Kutas</span> 2015 in Psychophysiology, for similar analyses.<br><br></div>If you're interested in finding a part of the waveform where the correlation is significantly different from zero while also dealing with multiple comparisons, you could use [spatio]temporal clustering (Maris & Oostenveld 2007). Just make an event-related regression coefficient (as described in Hauk et al.; just do a regression at each timepoint, and then rather than plotting the ERP amplitude at each timepoint, plot the regression estimate (<i>b</i>) at each timepoint, to derive a similar waveform) and then test that waveform against 0 using temporal clustering.<br><br></div>Best,<br></div>Steve<br><div><div><div><br clear="all"><div><div><div class="gmail_extra"><br clear="all"><div><div><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><span><div><br><br>---<br></div>Stephen Politzer-Ahles<br>University of Oxford<br>Language and Brain Lab<br>Faculty of Linguistics, Phonetics & Philology<br><a href="http://users.ox.ac.uk/~cpgl0080/" target="_blank">http://users.ox.ac.uk/~cpgl0080/</a></span></div></div></div></div></div></div></div>
<div class="gmail_quote"><div><br> </div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex">
Message: 5<br>
Date: Tue, 26 Jan 2016 00:25:13 +0100<br>
From: Harold Cavendish <<a href="mailto:harold.cav89@gmail.com" target="_blank">harold.cav89@gmail.com</a>><br>
To: <a href="mailto:fieldtrip@science.ru.nl" target="_blank">fieldtrip@science.ru.nl</a><br>
Subject: [FieldTrip] Fwd: Identify a window of best correlation<span class=""><br>
        between ERP and behavioural data<br></span>
Message-ID:<br>
        <<a href="mailto:CALOTjvZXPNWHLefXrG6uss7uF3kkXie7qjiWqEcesOUqWay6qA@mail.gmail.com" target="_blank">CALOTjvZXPNWHLefXrG6uss7uF3kkXie7qjiWqEcesOUqWay6qA@mail.gmail.com</a>><br>
Content-Type: text/plain; charset="utf-8"<span class=""><br>
<br>
Dear FieldTrip users,<br>
<br>
I'm looking for the best method to analyse the relationship between ERP and<br>
behavioural data but all I've been able to find so far are methods to<br>
compare ERPs (or more generally time-series).<br>
<br>
Consider the following example: 20 participants performed a memory-related<br>
task in which they had to respond based on the difference between the<br>
target stimulus and the probe stimulus. EEG (50 electrodes, about 1000<br>
samples at 200 Hz) and responses were recorded; ERPs were then created<br>
based on epochs in which the responses were correct. Similarly, response<br>
accuracy was averaged over all successful epochs per each subject.<br>
<br>
The resulting data are therefore: 20 participants x 50 channels x 1000<br>
samples (ERP) and 20 averages of accuracy (one value per participant).<br>
<br>
My objective is to identify which portion of the ERP data best explains (or<br>
predicts) the changes in accuracy. In other words, in which time interval<br>
is the most significant difference between people who do well in the task<br>
and those who don't.<br>
<br>
So far I've been doing correlations between ERP at each time point and<br>
overall accuracy, which is unreliable due to multiple comparisons<br>
(correction methods are reportedly too conservative). Nevertheless, certain<br>
channels show quite strong correlations in multiple time intervals.<br>
<br>
How would you approach this problem, please?<br>
<br>
Many thanks!<br>
<br>
Best regards,<br>
Harold<br></span>
-------------- next part --------------<br>
An HTML attachment was scrubbed...<br>
URL: <<a href="http://mailman.science.ru.nl/pipermail/fieldtrip/attachments/20160126/b5769634/attachment-0001.html" rel="noreferrer" target="_blank">http://mailman.science.ru.nl/pipermail/fieldtrip/attachments/20160126/b5769634/attachment-0001.html</a>><br>
<br>
------------------------------<br>
<br><br></blockquote></div><br></div></div></div></div></div></div></div>
<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" rel="noreferrer" target="_blank">http://mailman.science.ru.nl/mailman/listinfo/fieldtrip</a><br></blockquote></div><br></div>