脑声常谈：Morris水迷宫实验数据这么统计分析才可靠！

2022-12-11 14:08 作者:脑声常谈 0人读过 | 我要投稿

撰稿丨脑声常谈瑾瑜（笔名）

排版丨脑声常谈编辑团队

插画丨脑声常谈 TYR

隐蔽站台实验也就是任务学习阶段通常把一组动物的一天内的四次试验数据（试验块：block）进行平均，数据表示为平均值±标准误（mean± s.e.m），以因变量（测试的指标）为纵坐标，测试日为横坐标绘制学习曲线（如图二）。然而，实验者也可以通过绘制一组动物每天四次的试验（不进行平均，每组动物每次试验均显示）来检查数据，以确保在每天的测试中动物都有学习。除非发现异常模式，否则绘制一组动物每天四次试验的数据通常能准确地跟踪学习过程。通常在第1天的试验1和试验2期间观察到较长的潜伏期，任务表现在试验3和试验4期间有所改善（潜伏期下降）。第二天，试验1开始时的潜伏期一般比前一天的试验4长，然后任务表现会改善，超过第1天试验4的表现。这种锯齿状学习模式在连续的测试日重复出现，在几天内呈现整体缩短或向下阶梯式的表现模式。而通过使用每天四次试验的平均值绘制数据可以使学习曲线平滑，这条线是最广泛使用的空间学习指标。（研究者也可以单独绘制每只动物的学习曲线，用于监测动物学习情况，统计分析则用上述红字粗体的方法）

每个因变量的组平均值应按每次试验和试验块（block）分别计算。首先应该测量测试第1天的试验1和试验2，以确保各组在相同的任务表现水平上开始测试。第一天的试验1或试验2的数据应使用高检测能力的检验进行比较，如t检验；如果分组超过两组，则采用方差分析。如果不同组别间在早期试验中即存在显著差异，则是一个提示，这种在不同组别之间预先存在的差异，可能会阻止或损害空间位置学习的学习曲线和空间探索方面记忆试验的结果解释。如果组间早期试验数据基本一致（没有显著差异），那么数据通常会在一个试验块中绘制和分析（上述红字的方法）。数据一般采用方差分析。这些处理因素通常为基因型，治疗分组和测试日。一些实验包括其他因素，比如性别。在方差分析模型中，分组通常是受试者“间”因素，测试日通常是受试者“内”因素。使用SAS等统计软件，MWM数据可以使用Proc GLM（一般线性模型）或Proc混合模型进行分析。GLM模型可以容纳一个或多个受试者间因素和一个或多个受试者内因素；然而，在使用GLM模型进行重复测量（受试者内因素）变量分析时必须谨慎。如果受试者内因素只有两个水平， GLM方差分析结果是精确的，但在MWM中通常测试日这个因素不只两个水平（测试通常四到五天）。如果重复测量因素超过两个水平，则“受试者内因素”和“受试者内因素x受试者间因素”的F值的显著性可能会失真。这是因为GLM要求数据满足复合对称性假设，即重复因素的方差协方差矩阵内的相关性（例如，天）在测量之间的所有距离上完全相同。例如，第1天和第2天之间的相关性必须与第1天和第3天之间或第2天和第3天之间的相关性相同。学习数据几乎无法满足这一假设，因为随着学习的进行，方差随着测试日的变化而变化。当动物学习任务时，它们的表现变得越来越稳定，因此方差随着时间的推移而减少，相关性也发生变化。没有对复合对称性的精确测试，但有一个更严格的球度测试。如果使用GLM模型，建议使用球度的协方差矩阵检验。如果数据显示是非球形的，可以校正F值，使显著性水平不会被高估。校正F值的两种最常见的方法是Greenhouse–Geisser和 Huyhn–Feldt。

另一种方法是使用Proc混合方差分析模型（SAS）。该模型提供了一种更精确的方法来处理协方差矩阵的非对称性问题，但也有一定的限制，因为它不能处理模型中含有两个受试者内因素的情况。然而，Proc混合方差分析具有一些显著的优点使它值得使用。Proc混合模型提供了一组不同的协方差模型，可以拟合到数据。这些不同的模型可以根据数据进行测试，并使用Proc Mixed提供的最佳拟合统计数据进行比较。根据研究者的经验，自回归协方差模型通常提供了对MWM任务学习阶段变量的最佳拟合，如潜伏期、路径长度和累积距离。无论哪种协方差模型最适合拟合数据，都可以选择最佳拟合模型，并对数据进行分析，以获得比Proc GLM更精确的F检验。空间探索实验数据通常没有重复测量成分，因此不需要Proc 混合模型。发现了显著的交互作用或组的主效应后需要考虑多重比较。例如，在分组和测试日两个因素之间发现了交互作用，还需要提供每天的组效应的统计结果，以确定是哪些天显示了组间差异。由此，可以在某一测试日在治疗组之间进行单独的组比较（即事后测试）。在SAS中，Proc Multtest提供了组比较测试，对第I类错误提供不同级别的保护。Bonferonni就是常用的测试方法之一。

空间探索实验就是统计一组动物某一指标的数据，进行处理因素对某一因变量的影响的分析即可，比较不同组别数据的差异，数据用mean± s.e.m表示，常用单因素方差分析（如图三）。然后采用合适事后多重检验。一般选择p < 0.05为显著性水平。