嘿，作为刚入坑fMRI RSA的新手，你碰到的这个显著性检验问题可太关键了——毕竟光有RDM里的相似性/差异性数值，根本没法确定哪些结果是真的有统计意义，哪些只是随机波动。我来给你把原理和实操步骤掰扯清楚：

你用Pearson's r构建的RDM，每个非对角线元素本质是两个实验条件下脑活动模式的Pearson相关系数（如果你的RDM用的是差异度，比如1-r，那先转换回r就行）。我们要检验的是：这个样本相关系数r，是否能证明总体中两个条件的脑活动模式确实存在相关（即总体相关系数ρ≠0），而不是随机出现的。

核心的统计逻辑是构建t统计量：

t = r × √[(n-2)/(1-r²)]

这里的n是计算相关时的样本量——在fMRI RSA场景下，就是你选定脑区的体素数量（因为我们是基于体素层面的活动模式来计算相关）。这个t值服从自由度为df = n-2的t分布，我们可以通过t值计算对应的双侧p值，判断是否在预设的显著性水平（比如α=0.05）下拒绝“ρ=0”的原假设。

另外必须注意：RDM是对称矩阵，对角线是自身相关（通常为1），不需要检验；同时因为要一次性检验大量元素（比如k个条件的话，有k*(k-1)/2个非对角线元素），必须做多重比较校正，否则会大幅增加假阳性概率。

分两种场景：单个被试的RDM，和群体平均的RDM。

1. 单个被试的RDM显著性检验 #

单个被试的RDM是基于该被试脑区的体素计算的，步骤如下：

• 先确认你的RDM元素是相似性（r）还是差异度：如果是差异度（比如1-r），先转换成r（比如r=1-差异度）。
• 对每个非对角线元素（对应条件i和j的r_ij），代入上面的公式计算t值，再根据自由度df=体素数-2计算双侧p值。
• 对所有p值做多重比较校正：比如用Bonferroni校正，校正后的显著性水平为α / m（m是需要检验的非对角线元素总数）；或者用FDR校正控制假发现率，后者更适合大样本检验。

你可以用MATLAB简单实现这个过程，比如：

% 假设rdm是单个被试的RDM矩阵（元素为Pearson r）
voxel_num = 150; % 你的目标脑区体素数量
cond_num = size(rdm, 1); % 实验条件数
p_matrix = zeros(cond_num, cond_num);

% 遍历所有非对角线元素
for i = 1:cond_num
    for j = i+1:cond_num
        r = rdm(i,j);
        t_val = r * sqrt((voxel_num - 2)/(1 - r^2));
        % 计算双侧p值
        p_val = 2 * (1 - tcdf(abs(t_val), voxel_num - 2));
        p_matrix(i,j) = p_val;
        p_matrix(j,i) = p_val; % 对称赋值
    end
end

% Bonferroni多重比较校正
test_num = cond_num*(cond_num-1)/2;
p_corrected = p_matrix * test_num;
p_corrected(p_corrected > 1) = 1; % 超过1的p值设为1

2. 群体整体RDM的显著性检验 #

群体RDM通常是多个被试RDM的平均，这时候我们要检验的是群体层面上，两个条件的相似性是否显著偏离0，步骤如下：

• 收集每个被试RDM中对应位置的r值（比如条件i和j，每个被试都有一个r_ij），得到一个长度为N（被试数量）的数组。
• 对这个数组做单样本t检验，检验其均值是否显著不等于0。
• 同样对所有元素的p值做多重比较校正。

MATLAB实现示例：

% 假设rdms是k×k×N的数组，k是条件数，N是被试数
cond_num = size(rdms, 1);
subj_num = size(rdms, 3);
p_group = zeros(cond_num, cond_num);

for i = 1:cond_num
    for j = i+1:cond_num
        % 提取所有被试在i-j位置的r值
        r_vals = squeeze(rdms(i,j,:));
        % 单样本双侧t检验，检验均值是否≠0
        [~, p_val, ~, ~] = ttest(r_vals, 0, 'Tail', 'both');
        p_group(i,j) = p_val;
        p_group(j,i) = p_val;
    end
end

% FDR多重比较校正
p_group_corrected = mafdr(p_group(:));
p_group_corrected = reshape(p_group_corrected, cond_num, cond_num);

• 多重比较校正不能省：比如10个条件就有45个非对角线元素，不校正的话，α=0.05时平均会有2-3个假阳性结果，完全不可靠。
• 体素数量的影响：单个被试检验中，体素越多，自由度越高，t检验的效力越强，但一定要确保你的目标脑区是有理论依据的，不能为了提高效力随便选大区域。
• RDM定义要对应检验方法：如果你用的是欧氏距离等其他指标构建RDM，显著性检验的方法会略有不同——但你用的是Pearson's r，上面的方法完全适用。

内容的提问来源于stack exchange，提问作者Alireza