前回の分析では、繰り返しレベルが平均的または分類変数として使用されていました。 ここでは、代わりに、同じ刺激のそれぞれの繰り返しの間の時間を使用しました。したがって、与えられた被験者には3つの条件(顔面、不慣れな顔とスクランブルフェース)と1つの連続変数(刺激タイプの繰り返しの間の距離)があります。

第1レベル

この設計では、馴染みのある顔、スクランブルされた顔、そして不慣れな顔、3つの条件を検討しています。 1つの連続変数と一緒に:繰り返し間の距離(試験中)。 STUDYから新しいデザインを作成し、それを「繰り返し」呼び出して、「新しい」をクリックして条件を追加します。フィギュア 42).

図42. 連続変数でSTUDYをビルドする

繰り返しに興味があると、なぜフェイスタイプを追加するのか? 単一変数に反復をモデル化することで、刺激の型を同軸に試行錯誤を期待しています。 顔がスクランブルの顔よりも活性化するのを知っているので、回帰の斜面はこの違いの影響を受けます。そのため、条件も含むことが重要です。 一つは、時間の回帰器を3つの連続回帰器に分割し、コントラストを使用してそれらを逆転させることができます。 これは、リモパラメータを推定する際に利用可能です (図43のために) ERP, スペクトラムと ERSP).

_Figure 43. 推定パラメータ - 分類1._で連続変数を分割する

モデルを推定した後、リモを使用して設計行列をチェックすることができます –>結果 –>レビューデザイン(数字 44)、各条件の試験分割間の時間を示す。

Figure 44。 1つの主題のための設計行列

これらのコマンドラインでこのデザインを作成および見積もりできます

STUDY = std_makedesign(STUDY, ALLEEG, 2, 'name','Face_time','delfiles','off','defaultdesign','off',...
    'variable1','face_type','values1',{'famous','scrambled','unfamiliar'},'vartype1','categorical',...
    'variable2','time_dist','values2',[],'vartype2','continuous',...
    'subjselect',{'sub-002','sub-003','sub-004','sub-005','sub-006','sub-007','sub-008','sub-009','sub-010','sub-011','sub-012','sub-013','sub-014','sub-015','sub-016','sub-017','sub-018','sub-019'});
[STUDY, EEG] = pop_savestudy( STUDY, EEG, 'savemode','resave');
STUDY = pop_limo(STUDY, ALLEEG, 'method','WLS','measure','daterp','timelim',[-50 650],'erase','on','splitreg','on','interaction','off');

第2レベル

時間(繰り返し)の効果をテストするために、ANOVAを1方向繰り返し測定します。 これは、反復が線形EEG活動に影響を与える方法で刺激タイプに基づいて違いがあるかどうかをテストします。 2nd レベル GUI から図9)、新しいディレクトリを選択し、チャンネルの場所ファイルをロードし、ANOVAをクリックし、繰り返された対策、フルスカルプを選択して、モデルパラメータを入力します。グループと3の1つの要因を1つ示し、繰り返し設計のベータパラメータリストを選択します。パラメーター4 5 6 ワンウェイANOVAチュートリアルをご覧ください。。 次に、 limo 結果を取得し、新しいコントラストを作成します。この効果が異なる場合は、コントラスト [2 -1 -1] を使用して親しみやすい顔にテストします。 (数字 45).

Figure 45. 繰り返し回帰パラメータ上の片道ANOVA.

繰り返し効果が条件(有名な顔対スクランブルフェース対面の試行距離の回帰)と異なるANOVAショーの結果、これは有名な顔のための反復効果によって駆動されるという対照からの結果。

Figure 46. 片道ANOVAと対比は、繰り返し回帰パラメータの結果.