Esterman et al. (2009)这篇新文章提出的方法与分半方法类似。简单说起来就是,一次去掉一个被试 (Leave one subject out, LOSO)。比如,一共有15个被试,先去掉被试1,用被试2-14进行voxel-wise分析定义ROI,再用这个独立于被试1的ROI提取被试1的统计值。如此对每个被试做一次LOSO,再把每个被试的统计值拿出来与主观被排斥感计算相关。这样就可以保证提取每个被试统计值时依据的localizer是独立于该被试的。这种方法很巧妙,而且实际的操作可行性很强,估计以后会被广泛使用。
Esterman, M., Tamber-Rosenau, B., Chiu, Y., & Yantis, S. (2009). Avoiding non-independence in fMRI data analysis: Leave one subject out NeuroImage DOI: 10.1016/j.neuroimage.2009.10.092