<div dir="ltr">dear Fieldtrip community,<br><br>I'm performing analysis of CTF MEG data. I have two conditions of interest: A and B, and I have performed spectral decomposition with the wavelet method to obtain the power (frequencies from 6 to 50 Hz). I have some questions regarding my analysis:<br><br>1. As a first approach I wanted to do analysis at the sensor level and then to move at the source level. This is a rather exploratory analysis. I have noted oscillatory activity when analysing ERFs, so I decided to perform spectral analysis but I don't have any a priori hypothesis about any frequency or sensor. I'm using a cluster-based permutation (CBP) test to evaluate significance, but I'm not sure how to do a multi-sensor analysis. Since I have computed the power from frequencies ranging from 6 to 50 Hz, I could perform a CBP test for each frequency, but this would become a multiple comparison problem isn't? Otherwise what I have see in some publications is to average across sensors, and do a permutation test similar to what is done in single-sensor analysis,<br><br>2. I have performed spectral analysis of my data for magnetometers and gradiometers. I was wondering if I should expect the same results for both magnetometers and gradiometers. Since the activity of the planar gradient do not cover the same sensors than the magnetometers I wouldn't expect it. However, perhaps the effects should fall within the same frequency boundaries?<br><br>3. I was wondering why in the "Within subjects experiments" example of the tutorial "Cluster-based permutation tests on time-frequency data" (<a href="http://www.fieldtriptoolbox.org/tutorial/cluster_permutation_freq">http://www.fieldtriptoolbox.org/tutorial/cluster_permutation_freq</a>) the cfg.alpha is set to 0.025. Since the data are planar gradients, thus positive values, one would need to perform a one-side test, and thus an alpha of 0.05? Maybe in this case the data was baseline corrected and thus one would then have positive and negative values, might that be the case? As a general question, if I'm working with planar gradient data, I should need differentially set my alpha value regarding if is baseline-corrected or not, is that correct?<br><br>4. I have seen some publications that include an additional correction to the analysis after performing a permutation test. For instance, Busch et al (J Neurosc 2009) use a resampling test and the FDR method to test significance of differences in power in the Fz channel. The general question is when one can apply only a resampling/permutation test, and when one have to include a correction like FDR?<br><br clear="all">Thanks in advance,<br>
Jose<br><br></div>