En un análisis de resonancia magnética funcional de primer nivel, no me queda claro qué está comparando realmente la prueba t realizada para cada vóxel. He visto que esto se describe en una de dos maneras diferentes:
La prueba t estima qué tan bien se ajusta el modelo (curva HRF contorneada con el diseño) a los datos (señal BOLD), en otras palabras, es una medida de la bondad de este ajuste.
La prueba t compara la señal BOLD con una línea base.
Supongo que ambos pueden conceptualizarse como pruebas t de una muestra, pero no está claro si las dos comparaciones serían de hecho equivalentes, o si se usan diferentes tipos de pruebas t en diferentes situaciones, siendo los dos casos mencionados anteriormente sino dos ejemplos.
El coeficiente es la medida de la fuerza con la que el factor dado predice la variable dependiente, o en otras palabras, qué parte de la varianza en la variable dependiente puede explicarse por ese factor. Entonces, el coeficiente en sí, y no la estadística t del coeficiente, es una medida de lo que usted llama qué tan bien se ajusta el modelo (o, más correctamente, el regresor) a los datos.
La estadística t del coeficiente en una regresión múltiple es la prueba estadística de ese coeficiente, calculada como el coeficiente dividido por su error estándar. Por lo tanto, sería más correcto decir que esta es una medida de qué tan confiable es el coeficiente de la muestra, o qué tan probable es, dado el coeficiente que obtuvimos, que el verdadero coeficiente sea 0. Pero esto es teóricamente independiente de la bondad del coeficiente. ajuste, y podría tener un coeficiente muy estable pero pequeño, que obtendría un t-stat alto, o un coeficiente grande en promedio, pero altamente variable, que recibiría un t-stat bajo. Los resultados de la prueba también, obviamente, dependerán del tamaño de su muestra y los grados de libertad en su modelo.
Donde podría estar la confusión es que el coeficiente es más o menos el mismo que una comparación con la línea de base, porque la línea de base no es (o no debería ser) un regresor explícito en el modelo. Un coeficiente más alto significará, en igualdad de condiciones, que el ajuste es mejor y/o que el efecto es mayor. Pero a menos que esté ejecutando explícitamente una comparación de activación frente a la línea de base, esto no es lo que realmente significa el coeficiente.
Puede leer más sobre este último problema aquí: https://github.com/jdkent/tests_and_musings/blob/master/magnitude_and_delay_in_bold.ipynb?fbclid=IwAR3H-pvYmVQtMaDBzDAfexyNeuCUHHe6vuYLsV83l957rvHawv1bWJlaB9U
z8080
henry brice