spm怎么把fdr调出来

SPM（Statistical Parametric Mapping）是一种用于脑成像分析的工具，FDR（False Discovery Rate）是一种用于控制多重比较校正的方法。在SPM中，我们可以通过以下步骤将FDR调出来：

1. 打开SPM软件并加载数据：首先，我们需要将需要进行FDR校正的数据加载到SPM软件中。这可以通过点击“File”菜单，选择“Data”选项并选择相应的数据文件来实现。

2. 配置设计矩阵：在SPM中，我们使用设计矩阵来描述实验设计和统计模型。根据实验设计和数据类型的不同，选择适当的模型和设计矩阵，并将其配置到SPM软件中。

3. 进行统计分析：点击“Stats”菜单，选择“General Linear Model”或者其他适合当前数据的统计模型。根据数据类型进行参数设置，并点击“Estimate”按钮，进行模型估计。

4. 生成统计参数图：点击“Results”菜单并选择“Thresholded SPM”，这将显示出进行统计分析后得到的t值或z值的统计参数图。

5. 设置FDR校正：在统计参数图的界面中，点击“Adjust”菜单并选择“FDR”，这将启用FDR校正。我们可以选择合适的阈值和类型来设置FDR校正的参数。

6. 查看结果：通过设置适当的FDR校正参数，我们可以得到校正后的结果图，其中显示的是经过FDR校正后的显著结果。

总的来说，通过加载数据、配置设计矩阵、进行统计分析、设置FDR校正参数等步骤，我们可以在SPM中调出FDR校正，并将其应用于脑成像分析中的结果。

相关问题

python FDR

FDR (False Discovery Rate) 是一种控制多重检验中的错误发现率的方法。它是由Benjamini和Hochberg在1995年提出的。他们的方法的目标是控制在一个预设的水平以下的FDR，并在此基础上，后续的研究提出了更加精确估计FDR的方法，例如Storey的、Broberg的、Dalmasso的、Guan的和Strimmer的方法等。Benjamini的方法将FDR控制在一个水平以下，而后续的方法与此方法相比更具有强大的统计力度，但也牺牲了鲁棒性。

在数据分析中，常常会遇到多重检验问题，即对于多个假设进行统计检验。Benjamini在1995年提出了一种方法，通过控制FDR (False Discovery Rate) 来确定P值的阈值。假设选出了R个差异表达的基因，其中有S个是真正有差异表达的，而另外有V个实际上却没有差异表达，是假阳性。在实践中，希望错误比例Q=V/R的平均值不能超过预先设定的值（例如0.05），在统计学上，这等价于控制FDR不超过5%。

至于Python中如何计算FDR，我找到了一个使用SHD函数的代码示例：`cdt.metrics.SHD(target, pred, double_for_anticausal=True)`，其中`target`是目标变量的真实值，`pred`则是预测值，`double_for_anticausal`则是一个参数，用于指定是否将反因果结构计算两次。<span class="em">1</span><span class="em">2</span><span class="em">3</span>
#### 引用[.reference_title]
- *1* *2* [FDR多重检验校正原理及Python实现方法](https://blog.csdn.net/weixin_39818264/article/details/113981441)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
- *3* [对于因果模型的常见评估函数：SHD 和 FDR](https://blog.csdn.net/weixin_55703970/article/details/124239263)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"]
[ .reference_list ]