关于练习效应、适应的一些想法
今天在看《HUMAN BRAIN FUNCTION》12章，Random-Effects Analysis的时候，作者说加入time variable来显示habituation effectes。想到做眼动实验时，由于不想加入练习trial，或者练习trial不够多，总是觉得会有学习效应影响，因此突然想到一种方法，来去除练习效应或者是适应。
一般的练习效应都应该使实验数据成指数衰减的。对于实验数据的时间序列，如果不用均值代表，而用指数进行回归。即用变化的均值代替恒定的均值，这样进行统计分析应该可以去除练习效应。
这个想法突然就冒出来了，之后更多的是对这个想法的思考...
这个东西肯定有人做过，至少看到过一篇DCM文章验证适应的指数衰减效应的。主要的是这种思考方式。根据实际需要，引入一种统计方法组织数据。不知道假如让这种方法能被应用，需要做什么样的研究。大概需要做适应的实验，看看与一般统计方法比，统计的效果如何。还有什么？暂时想不出来了。
是不是可以把它看成一种理论呢？理论的提出可以用微分方程提出，（数学、cool！），然后要用实验证实。数学还是很重要的，当然现实中的理论不会只是这么简单的数学表达！
这个东西也许在实验数据处理上可以用得上，有机会可以试试。：）
一般的练习效应都应该使实验数据成指数衰减的。对于实验数据的时间序列，如果不用均值代表，而用指数进行回归。即用变化的均值代替恒定的均值，这样进行统计分析应该可以去除练习效应。
这个想法突然就冒出来了，之后更多的是对这个想法的思考...
这个东西肯定有人做过，至少看到过一篇DCM文章验证适应的指数衰减效应的。主要的是这种思考方式。根据实际需要，引入一种统计方法组织数据。不知道假如让这种方法能被应用，需要做什么样的研究。大概需要做适应的实验，看看与一般统计方法比，统计的效果如何。还有什么？暂时想不出来了。
是不是可以把它看成一种理论呢？理论的提出可以用微分方程提出，（数学、cool！），然后要用实验证实。数学还是很重要的，当然现实中的理论不会只是这么简单的数学表达！
这个东西也许在实验数据处理上可以用得上，有机会可以试试。：）
评论
发表评论