fMRI model specifictaion
GLM based
包括以下步驟：①明確GLM設計矩陣；②用經典或貝葉斯方法估計GLM參數；③利用對比向量檢查結果，生成統計參數圖（SPMs）以及后驗概率圖（PPMs）。
Design matrix：每行對應一個scan，每列對應一個影響變量或解釋變量（回歸量或解釋變量）。關於GLM（一般線性模型）網絡上有大量相關文章，
對於多被試分析，SPM通常分為兩個階段（level）：
① 1st-level analysis：個體分析（within-subject）。通常有多少被試就要進行多少1st-level分析。使用 Specify fi rst level 和 Estimate 選項。這些選項的結果可以被用於做 case study。
② 2nd-level analysis：RFX analysis（Random effect analysis）。從被試推斷被試所屬主體的情況。
1st level analysis：
①Conditions：
name（1*n cell）：condition name；
onsets（1*n cell）：每個cell中為一保存condition開始時間的時間向量，每列對應一個condition，每行對應其出現時間（補充，心心水滴csddzh：任務刺激啟動的掃描數（如1:14:70 ，代表任務從第 1個TR 開始，每14個TR 為一個周期，共70個TR））；
durations：事件時長。
一般這些信息都保存在condition.mat文件中，使用的時候直接load進來，使用Multiple Conditions.
②Regressors
設計矩陣中用來和血液動力響應做卷積的一列。之后的leave-one-out實驗要用。
暫時還沒搞清楚是不是要用Multiple Regressors。
③Factorial design
設定該選項則SPM 可以直接生成主要效應和交互作用之間必要的test：F-test（被試個體（1st level）與被試間（2nd level）的contrast image）和T-test。
根據蠟筆的視頻：被試根據三種商品顏色選擇買或者不買，那么就有兩個factor：color，3；choice，2。
SPM 默認第一個因素變化最慢，第二個因素變化第二慢...以此類推。
Factorial design一般在有復雜情況的時候才用，簡單的時候可以不用設置。
其他因素沒怎么看，因為在蠟筆的視頻里都是默認。
=============================================
fMRI model estimation
模型參數可以用經典（ReML - Restricted Maximum Likelihood）或貝葉斯算法估計。
蠟筆視頻中這一步直接使用了上一步生成（？）的SPM.mat之后用默認運行。
生成一SPM.mat，包含設計和估計的模型參數。
看結果：主面板Result。
=============================================
Factorial design specification（2nd level analysis）
配置設計矩陣，描述統計分析所需要的GLM，數據及必要的參數（保存在GLM中）。用於為2nd level analysis做准備。
Specify 2nd level analysis。