撰稿丨腦聲常談 瑾瑜（筆名）

排版丨腦聲常談 編輯團(tuán)隊

插畫丨腦聲常談 TYR

隱蔽站臺實驗也就是任務(wù)學(xué)習(xí)階段通常把一組動物的一天內(nèi)的四次試驗數(shù)據(jù)（試驗塊：block）進(jìn)行平均，數(shù)據(jù)表示為平均值±標(biāo)準(zhǔn)誤（mean±?s.e.m），以因變量（測試的指標(biāo)）為縱坐標(biāo)，測試日為橫坐標(biāo)繪制學(xué)習(xí)曲線（如圖二）。然而，實驗者也可以通過繪制一組動物每天四次的試驗（不進(jìn)行平均，每組動物每次試驗均顯示）來檢查數(shù)據(jù)，以確保在每天的測試中動物都有學(xué)習(xí)。除非發(fā)現(xiàn)異常模式，否則繪制一組動物每天四次試驗的數(shù)據(jù)通常能準(zhǔn)確地跟蹤學(xué)習(xí)過程。通常在第1天的試驗1和試驗2期間觀察到較長的潛伏期，任務(wù)表現(xiàn)在試驗3和試驗4期間有所改善（潛伏期下降）。第二天，試驗1開始時的潛伏期一般比前一天的試驗4長，然后任務(wù)表現(xiàn)會改善，超過第1天試驗4的表現(xiàn)。這種鋸齒狀學(xué)習(xí)模式在連續(xù)的測試日重復(fù)出現(xiàn)，在幾天內(nèi)呈現(xiàn)整體縮短或向下階梯式的表現(xiàn)模式。而通過使用每天四次試驗的平均值繪制數(shù)據(jù)可以使學(xué)習(xí)曲線平滑，這條線是最廣泛使用的空間學(xué)習(xí)指標(biāo)。（研究者也可以單獨(dú)繪制每只動物的學(xué)習(xí)曲線，用于監(jiān)測動物學(xué)習(xí)情況，統(tǒng)計分析則用上述紅字粗體的方法）

每個因變量的組平均值應(yīng)按每次試驗和試驗塊（block）分別計算。首先應(yīng)該測量測試第1天的試驗1和試驗2，以確保各組在相同的任務(wù)表現(xiàn)水平上開始測試。第一天的試驗1或試驗2的數(shù)據(jù)應(yīng)使用高檢測能力的檢驗進(jìn)行比較，如t檢驗；如果分組超過兩組，則采用方差分析。如果不同組別間在早期試驗中即存在顯著差異，則是一個提示，這種在不同組別之間預(yù)先存在的差異，可能會阻止或損害空間位置學(xué)習(xí)的學(xué)習(xí)曲線和空間探索方面記憶試驗的結(jié)果解釋。如果組間早期試驗數(shù)據(jù)基本一致（沒有顯著差異），那么數(shù)據(jù)通常會在一個試驗塊中繪制和分析（上述紅字的方法）。數(shù)據(jù)一般采用方差分析。這些處理因素通常為基因型，治療分組和測試日。一些實驗包括其他因素，比如性別。在方差分析模型中，分組通常是受試者“間”因素，測試日通常是受試者“內(nèi)”因素。使用SAS等統(tǒng)計軟件，MWM數(shù)據(jù)可以使用Proc GLM（一般線性模型）或Proc混合模型進(jìn)行分析。GLM模型可以容納一個或多個受試者間因素和一個或多個受試者內(nèi)因素；然而，在使用GLM模型進(jìn)行重復(fù)測量（受試者內(nèi)因素）變量分析時必須謹(jǐn)慎。如果受試者內(nèi)因素只有兩個水平，?GLM方差分析結(jié)果是精確的，但在MWM中通常測試日這個因素不只兩個水平（測試通常四到五天）。如果重復(fù)測量因素超過兩個水平，則“受試者內(nèi)因素”和“受試者內(nèi)因素x受試者間因素”的F值的顯著性可能會失真。這是因為GLM要求數(shù)據(jù)滿足復(fù)合對稱性假設(shè)，即重復(fù)因素的方差協(xié)方差矩陣內(nèi)的相關(guān)性（例如，天）在測量之間的所有距離上完全相同。例如，第1天和第2天之間的相關(guān)性必須與第1天和第3天之間或第2天和第3天之間的相關(guān)性相同。學(xué)習(xí)數(shù)據(jù)幾乎無法滿足這一假設(shè)，因為隨著學(xué)習(xí)的進(jìn)行，方差隨著測試日的變化而變化。當(dāng)動物學(xué)習(xí)任務(wù)時，它們的表現(xiàn)變得越來越穩(wěn)定，因此方差隨著時間的推移而減少，相關(guān)性也發(fā)生變化。沒有對復(fù)合對稱性的精確測試，但有一個更嚴(yán)格的球度測試。如果使用GLM模型，建議使用球度的協(xié)方差矩陣檢驗。如果數(shù)據(jù)顯示是非球形的，可以校正F值，使顯著性水平不會被高估。校正F值的兩種最常見的方法是Greenhouse–Geisser和?Huyhn–Feldt。

另一種方法是使用Proc混合方差分析模型（SAS）。該模型提供了一種更精確的方法來處理協(xié)方差矩陣的非對稱性問題，但也有一定的限制，因為它不能處理模型中含有兩個受試者內(nèi)因素的情況。然而，Proc混合方差分析具有一些顯著的優(yōu)點(diǎn)使它值得使用。Proc混合模型提供了一組不同的協(xié)方差模型，可以擬合到數(shù)據(jù)。這些不同的模型可以根據(jù)數(shù)據(jù)進(jìn)行測試，并使用Proc Mixed提供的最佳擬合統(tǒng)計數(shù)據(jù)進(jìn)行比較。根據(jù)研究者的經(jīng)驗，自回歸協(xié)方差模型通常提供了對MWM任務(wù)學(xué)習(xí)階段變量的最佳擬合，如潛伏期、路徑長度和累積距離。無論哪種協(xié)方差模型最適合擬合數(shù)據(jù)，都可以選擇最佳擬合模型，并對數(shù)據(jù)進(jìn)行分析，以獲得比Proc GLM更精確的F檢驗?？臻g探索實驗數(shù)據(jù)通常沒有重復(fù)測量成分，因此不需要Proc 混合模型。發(fā)現(xiàn)了顯著的交互作用或組的主效應(yīng)后需要考慮多重比較。例如，在分組和測試日兩個因素之間發(fā)現(xiàn)了交互作用，還需要提供每天的組效應(yīng)的統(tǒng)計結(jié)果，以確定是哪些天顯示了組間差異。由此，可以在某一測試日在治療組之間進(jìn)行單獨(dú)的組比較（即事后測試）。在SAS中，Proc Multtest提供了組比較測試，對第I類錯誤提供不同級別的保護(hù)。Bonferonni就是常用的測試方法之一。

空間探索實驗就是統(tǒng)計一組動物某一指標(biāo)的數(shù)據(jù)，進(jìn)行處理因素對某一因變量的影響的分析即可，比較不同組別數(shù)據(jù)的差異，數(shù)據(jù)用mean± s.e.m表示，常用單因素方差分析（如圖三）。然后采用合適事后多重檢驗。一般選擇p < 0.05為顯著性水平。

?（C）VPA處理的APP23小鼠在第3天和第4天逃逸到隱藏平臺上的潛伏期較短，方差分析，P<0.001

（D）VPA處理的APP23小鼠在第3天和第4天逃到隱藏平臺前游泳路徑較短，方差分析，P<0.01。

不同的治療組為受試者間因素，測試日為受試者內(nèi)因素，使用方差分析，發(fā)現(xiàn)有測試日和分組的交互作用，進(jìn)行多重比較分析不同測試日時，治療組之間的差異。

不同治療組對目標(biāo)象限停留時間的影響。使用單因素方差分析，采用LSD事后檢驗。