<p><span style="padding: 3px 10px; border-radius: 5px; color: #ffffff; font-weight: bold; display: inline-block; background-color: #ff0000;">&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;External Email - Use Caution&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;&nbsp;</span></p><p></p><div>Hi all,</div><div>I'd like to carry out single-trial regression using linear_regression python function to evaluate effect of continuous variable on ERFs. The following gist yields the desired output for a single subject<span data-emoji-typing="true">:</span></div><code><pre style="background-color:rgba(0,0,0,0.05);padding:0.2em 1em"><div><span style="color:rgb(29, 28, 29)"><font style="font-size:12px"><font style="font-family:Monaco, Menlo, Consolas, &quot;Courier New&quot;, monospace">n_obs = len(epochs)</font></font></span></div><div><span style="color:rgb(29, 28, 29)"><font style="font-size:12px"><font style="font-family:Monaco, Menlo, Consolas, &quot;Courier New&quot;, monospace">intercept = np.ones((n_obs, 1))</font></font></span></div><div><span style="color:rgb(29, 28, 29)"><font style="font-size:12px"><font style="font-family:Monaco, Menlo, Consolas, &quot;Courier New&quot;, monospace"># Design matrix for continuous covariate</font></font></span></div><div><span style="color:rgb(29, 28, 29)"><font style="font-size:12px"><font style="font-family:Monaco, Menlo, Consolas, &quot;Courier New&quot;, monospace">regressor = np.linspace(8, 66, n_obs)</font></font></span></div><div><span style="color:rgb(29, 28, 29)"><font style="font-size:12px"><font style="font-family:Monaco, Menlo, Consolas, &quot;Courier New&quot;, monospace">dmat = np.concatenate((regressor[:, np.newaxis], intercept), axis=1)</font></font></span></div><div><span style="color:rgb(29, 28, 29)"><font style="font-size:12px"><font style="font-family:Monaco, Menlo, Consolas, &quot;Courier New&quot;, monospace"># regression between ERF &amp; covariate</font></font></span></div><div><span style="color:rgb(29, 28, 29)"><font style="font-size:12px"><font style="font-family:Monaco, Menlo, Consolas, &quot;Courier New&quot;, monospace">res = linear_regression(epochs, design_matrix=dmat, names=names)</font></font></span></div></pre></code><div>But it's not clear to me what to do with the resulting mne.Evoked objects containing beta values, to describe the regression results across a group of subjects. E.g. does it make sense to average the evoked (beta) objects across the group? and if so how do I derive the t-values? Thanks in advance.</div><br><div><signature id="local-58baddf8-433b"><table cellpadding="0" cellspacing="0"><tbody><tr><td style="vertical-align:top"></td><td><div>Kambiz Tavabi PhD</div><div style="font-size:0.9em;border-top:1px solid gray;min-width:250px;max-width:300px;margin-top:4px;padding-top:4px"><div><div><a href="mailto:ktavabi@uw.edu">ktavabi@uw.edu</a></div><div><span style="margin-right:8px"><a href="tel:206-685-6173">206-685-6173</a></span></div><div><a href="https://maps.google.com/?q=%E2%80%8BInstitute%20for%20Learning%20%26%20Brain%20Sciences%201715%20Columbia%20Road%20N%20Portage%20Bay%20Building%20Box%20357988%20University%20of%20Washington%20Seattle%2C%20WA%2098195-7988%20T">‚ÄčInstitute for Learning &amp; Brain Sciences<br>1715 Columbia Road N Portage Bay Building<br>Box 357988<br>University of Washington<br>Seattle, WA 98195-7988</a></div><div></div></div></div></td></tr></tbody></table></signature></div>