<DIV>Hi, everyone<BR> <BR>   SIFT doesn¡¯t have Group Analysis module in current version. <BR>   But I want to use this toolbox to do the granger-causal connectivity analysis of channel data. <BR>   To achieve this goal, I thought out this method. But I don¡¯t know whether it right or not.</DIV>
<DIV> <BR>   I will make use of the experiment in the SIFT manual to illustrate my method.<BR>   Assuming I have got the data of 10 subjects in two conditions (RespWrong and RespCorrect). <BR>   So there are 20 datasets in total. Independent component analysis has been conducted on all of the 20 datasets.<BR>   In each dataset, the number of channels and independent components both are 152(nbchan = 152 ), and the   number of epochs is 123. In every epoch, there are 1024 data points(ie. pnts = 1024).<BR> <BR>   Then I collected the EEG data of the eleventh subject in the two conditions (RespWrong and RespCorrect).<BR>   And these two dataset are called ¡®datasetwrong¡¯ and ¡®datasetcorrect¡¯. Independent component analysis has<BR>   been conducted on all of the 2 datasets. In each dataset, the number of channels and independent components<BR>   both are 152(nbchan = 152 ), and the number of epochs is 1030. In every epoch, there are 1024 data<BR>   points(ie. pnts = 1024).<BR> <BR>   Now I want to do granger-causal connectivity analysis of the RespWrong condition. <BR>   The No. of channels for analysis are 11, 12, and 13. For the first ten subjects, I get 1230(123*10) epochs <BR>   at each channel. <BR>   1. I get 1000 epochs which are free from artifacts from all the 1230 epochs(123*10) in channel 11, 12 and 13.  <BR>   Then using these data, I get 3 1024*1000 matrices. <BR>   They are called a, b, and c. And I assume these three matrices represent the data from all of the first ten <BR>   subjects. <BR>   2.'datasewrong' is loaded in MATLAB, and 30 epochs in this dataset are deleted, which means <BR>   the number of the remaining epochs is 1000. <BR>   3, in the command line, <BR>   I type EEG.data(11,:,: ) = a ; EEG.data(12,:,: ) = b; EEG.data(13,:,: ) = c.  EEG.data is a 152*1024*1000 matrix. <BR>   4. In the command line, I type EEG.data = EEG.icaact; EEG.icawinv = EEG.icaweights = ones(152,152).<BR>   5, I select the eleventh, twelfth, and thirteenth independent components and do granger-causal connectivity<BR>   analysis according to the Data processing pipeline illustrated by the SIFT manual.</DIV>
<DIV> <BR>   I¡¯m asking my method is right or not? Can it be considered as an alternative for group analysis?<BR> <BR>   Can I do bootstrap sample and phase randomization with the current version of SIFT?<BR> <BR>   Thanks!<BR> <BR> <BR>Sincerely,<BR>Hui-bin Jia 

</DIV>