企业官网建设流程全解析

脑电实验设计这件事，嘴上说起来就四五个字，实际做起来却能把人绕晕。我见过太多人一上来就关心“设备怎么戴、电极怎么打、波形怎么刷”，等真把数据采完准备分析，才发现当初设计阶段埋的坑一个接一个冒出来：条件混了、试次不够、刺激时间太短、伪迹多到没法看。这期就集中聊聊脑电实验设计的原理与实例，说说从研究问题到落地实验程序之间，到底哪几个环节决定了实验的成败，以及每一步我习惯怎么处理。不管你是刚进组的同学，还是准备把脑电用到产品测试里的工程师，这套思路应该都适用。

脑电实验设计的核心，不是“让被试坐在机器前看刺激”，而是先想清楚你要在几十到几百毫秒的脑电波形里隔离出哪一段认知加工，再围绕这个目标去安排刺激、试次、任务和记录参数。方案对了，后面分析自然顺畅；方案糙了，再贵的设备也救不回来。

1. 动手之前先搞懂：脑电实验到底在测什么

很多人第一次接触脑电时，脑子里会出现一个画面：屏幕上实时翻滚着好几条波形，有alpha节律、有各种噪声，看起来像在做某种生理监测。但实际上，绝大多数的脑电研究目标不是盯着一整段“自发脑电”看，而是利用事件相关电位（ERP）——也就是大脑对特定事件的锁时反应。

1.1 脑电信号里的两类信息：自发脑电与事件相关电位

自发脑电是大脑在没有特定刺激时持续产生的节律性活动，比如你在安静闭眼时后头部容易出现的alpha波，睁眼或思考时会被抑制。这类信号适合回答“大脑在一段相对长的时间窗里处于什么状态”的问题，比如睡眠分期、清醒程度、静息态连接模式。如果你要做的是“看一张图片后大脑如何加工它”，那用的就不是自发脑电，而是事件相关电位。

ERP的提取原理说穿了也简单：把同一个刺激重复呈现几十次上百次，每次记录下从刺激开始前到刺激后几百毫秒的脑电片段，再把这么多片段逐点平均。因为自发脑电是随机起伏的，平均后会被抵消掉；而事件锁定的正电位、负电位是有固定相位和潜伏期的，会保留下来。脑电实验设计的第一层逻辑，就是围绕“你打算让哪个事件作为锁时点、重复多少次、间隔多久”来展开的。

1.2 常见ERP成分与认知过程的对应关系

做设计之前，最好先熟悉一张“成分对照表”。这不是让你死背，而是让你在设计阶段就能预测：如果我的理论假设成立，哪个电极位置上、什么时间范围内、应该出现多大的波幅差异。

这张表的价值在于，它逼着你把研究假设“翻译成”具体的波形预期。比如你想研究喂猫和遛狗哪个更让人放松，光说“查一个放松指数”是不行的，你得先明确：你的放松体现在视觉加工增强，还是注意监控减弱？是P1波幅降低，还是P300潜伏期变长？这一步不确定，后面所有刺激设置和统计窗口都无从谈起。

1.3 假设到成分：怎样自检你的研究是否适合做脑电

我有一个自检清单，用来判断一个研究问题是不是真的适合用脑电来做，建议你也试试。

第一，你要研究的心理过程是否有时序特征？脑电最擅长的就是“先发生什么、后发生什么”，如果研究问题只关心“结果如何”，不关心“过程快慢”，那行为实验或问卷可能更合适。

第二，你的实验事件是否可重复？ERP依赖叠加平均，如果一个认知过程只是一次性的、反应锁时又不太稳定，做出来的波形会很模糊。

第三，你的时间精度需求有多高？fMRI的时间分辨率以秒计，脑电以毫秒计，如果你要分离早、中、晚三个加工阶段，脑电是更合理的选择。

第四，你的条件之间差异是否够聚焦？ERP成分记录的是宏观电流活动，弥散的心理状态变化往往难以被某个单一成分干净地捕捉。设计时要把条件间的差异控制在“一个维度”上，尽量不要让两个条件同时改变多个认知环节。

这些自检做完，你再进入范式选择阶段，心里就踏实得多。

2. 从研究问题到实验范式：我常用的三类范式及其设计要点

范式不是摆设，它直接决定被试在这台设备前“做什么”。一个糟糕的范式会让被试全程发呆，诱发不了目标成分；一个聪明的范式则能让你想测的加工过程在几十个试次里稳定浮现。我挑三类最常用、也最值得新手掌握的范式展开。

2.1 Oddball范式：研究自动加工和注意资源分配最稳的底子

Oddball范式的基本结构是：在连续呈现的一串标准刺激中，偶尔插入一个物理特征不同的偏差刺激。被试可以关注这些刺激，也可以不做任何反应，甚至在看电影不看刺激的情况下，偏差刺激依然能诱发一个早成分——失匹配负波（MMN）。这一点是它特别有价值的地方：它反映的是大脑几乎没有刻意参与时的自动偏差探测，基本不受主观任务影响。

如果你要让被试主动对偏差刺激作出反应，那么标准刺激通常占80%以上，偏差刺激占10%到20%。设计时要注意两点：其一，偏差刺激之间至少间隔若干个标准刺激，不能让偏差连着出现，否则大脑会重新建立“新常态”；其二，刺激间隔不要固定，最好在一个区间内随机变化，否则大脑会学会“计时”，预期效应会污染波形。以听觉Oddball为例，我习惯把标准刺激设置成1000Hz的短音，偏差刺激设置成1100Hz的短音，强度相同、时长约50毫秒、升/降沿各5毫秒，刺激间隔在400到600毫秒之间随机。这个底子打好了，之后无论是加任务难度，还是加第二个偏差维度，都顺理成章。

2.2 Go/NoGo与冲突类范式：做控制与错误监测研究的选择

当你想考察反应抑制、冲突监控或错误监测时，Go/NoGo范式是绕不开的。结构上其实也简单：屏幕上出现“Go”信号时要按键，出现“NoGo”信号时不能按键，前者的频率远高于后者。这样被试为了保持成绩，必须建立一个较强的反应倾向，而NoGo试次则要求他临时刹住这个倾向。

设计时有一个非常关键的点：NoGo比例不要太高。如果把Go和NoGo做成一半一半，被试的“反应倾向”很快就崩了，抑制加工反而不会被激活。一般我会让NoGo占比20%到30%，并把Go刺激的类型丰富一下，防止被试靠简单特征过任务。如果你关心的是错误反应后的脑电变化，那就需要保证一定的错误率，这个可以用限时反应来实现——比如限制被试在600毫秒内按键，超时算错误，这样自然会产生一部分“忍不住按错”的试次，反应锁时的ERN成分才有机会被平均出来。

2.3 语义与记忆类任务：把脑电用在更接近日常的加工过程

如果你不想研究纯粹的感知或抑制，而是想考察理解、记忆、预期等高级认知过程，那就要使用语义或记忆触发类范式。这类的典型结构，是让被试阅读一个语境内容，再看到一个目标词或目标画面，要求他做某种判断或默读。当语义预期被打破的时候，N400会冒出来；当语境极度限制导致目标词难以预测时，更早的后期正波也可能会出现。

这类范式在设计上的难点在于刺激材料控制。以语义一致与不一致的对比为例，你需要保证两组目标词在其他维度上都尽可能匹配——词频、词长、具体性、情感效价、语境预测率。事先找几十个同学做问卷评定，几乎是一个标配步骤。材料不好，后面分析做得再精致，也很难得出干净的解释。我自己的经验是：材料准备时间至少要占整个实验设计周期的一半，这笔时间千万不要省。

范式本身只是一个框架，真正能让脑电研究站得住脚的，是参数细节的准确控制。

3. 参数定得对不对，决定实验成败：刺激、试次、被试与伪迹控制

很多新手喜欢直接看别人的实验程序，照着把时间参数抄下来就用。这当然省事，但若不懂参数背后的逻辑，抄错了都不知道错在哪。这一节我会把几个最要命的参数掰开揉碎讲清楚。

3.1 刺激时间参数怎么定：呈现时长、ISI与SOA

实验中的时间参数，在报文章和做复现时是必查项，也是脑电设计里最能看出一个人是否专业的地方。先把三个概念理顺：

• 刺激呈现时长（duration）：单个刺激停留在屏幕或耳机里的时间；
• 刺激间隔（ISI，inter-stimulus interval）：一个刺激结束到下一个刺激开始之间的空档；
• 刺激起始间隔（SOA，stimulus onset asynchrony）：一个刺激开始到下一刺激开始之间的总时长，SOA等于“呈现时长+ISI”。

脑电分析中，“刺激开始前一段基线”至关重要，一般会在每个试次开始前留100到200毫秒的空白或注视点，用于后续基线校正。刺激呈现时长如果太短，被试可能看不清；太长，又可能引入更多的眼动和认知加工。对于视觉面孔类刺激，我常用200到500毫秒的呈现时长，ISI在400到800毫秒之间随机。听觉材料则常用50到100毫秒的短音，ISI在400到800毫秒之间随机。随机化不等于任意化，随机间隔的范围要适中，不能出现两个试次间隔太近导致成分重叠的情况。

3.2 试次数量与被试数量：如何大致估算

试次数量是脑电实验设计里最容易被低估的环节。ERP是叠加平均得到的，每个试次里除了真实信号，还有大量的自发脑电和伪迹噪声。试次数太少，波形毛糙，峰值根本量不准。

以视觉N170为例，单个条件如果只有三四十个有效试次，平均后的波形往往还带着明显起伏，很难跟相邻条件区分。我的经验是：一个目标条件至少要有80到120个有效试次；如果成分本身较小，比如N400或MMN，最好能到120个以上。考虑到眨眼、运动、坏电极、机器故障这些情况，正式实验时的试次数还要留出30%左右的冗余。也就是说，如果你想得到100个有效试次，就至少得采集130个试次。打个比方：你炒一盘菜需要十个鸡蛋，但打鸡蛋的时候总会碎几个，所以你得买十三个回来。

被试数量方面，脑电的被试内设计通常不需要像问卷研究那样动辄几百人，但也要足够支撑统计功效。对于两三个条件的被试内设计，我个人一般会安排最少20名有效被试，条件差异比较微妙的目标则往28到32名走。更精确的做法是用软件做功效分析，但先记住这个经验值，能避免设计阶段就白干一场。

3.3 伪迹控制要从设计阶段就开始

先明确一个观念：伪迹控制绝不只发生在采集现场，设计阶段才是节省工作量的关键环节。最常见的伪迹是眨眼，它能使额区电极出现1毫伏以上的巨大尖波。设计要求里你要主动给被试“眨眼时间”，而不是寄希望于他不眨眼。

具体做法：每个试次的最后一段留出几百毫秒的灰屏，同时指导被试“只在灰屏出现时眨眼睛，刺激出现时尽量保持眼睛正平和放松”。听上去很简单，但实际很有效，被试发现眨眼有专门的时间之后，他的眨眼率会显著下降。

肌电伪迹来自头颈部肌肉紧张，常见于被试咬牙、皱眉、吞咽。设计时要把试次长度控制得短一些，适当增加休息次数。我的习惯是每3到4分钟设一次休息提示，每个block之间让被试活动一下颈部和面部。电极接触不良属于硬性问题，关联到头戴结构和导电膏状态，这部分要放到“采集现场”那一节里专门说。

3.4 随机化与顺序平衡的潜在陷阱

条件设计一旦超过两个，刺激呈现顺序就必须考虑练习效应、疲劳效应和预期效应。最简单的做法是完全随机，但完全随机有时会造成同一条件连着出现很多次，影响被试状态。稍微好一些的做法是伪随机：每段里限定同一条件最多连续出现两次到三次，并保证各条件在总序列中的比例符合设定。

如果存在多个block，还要考虑block顺序的平衡问题。以三种情绪面孔为例，可以让不同被试按不同block顺序完成。多subject之间用拉丁方或随机组间排列，能把顺序效应对结果的影响尽量摊平。这一步没什么高深的数学，但很考验细心和耐心。

4. 一个完整的脑电实验设计实例：从研究假设到落地程序

光讲原则不够，我直接用一个可以复用的例子，把整个设计过程从头到尾串一遍。为了贴近现在很多组的常见选题，我就拿“情绪面孔的早期加工差异”来举例。

4.1 研究假设与预期成分

某同学想研究“正性、中性、负性”三种情绪面孔在早期加工阶段是否有差异。基于已有文献，他的假设是：负性面孔在视觉加工早期会获得更多注意资源，因此会在枕颞区诱发出比中性面孔更强的N170；正性面孔处在两者之间或接近中性。

这句话落到了具体位置上：N170，枕颞电极，约140到200毫秒。接着要解决的第一个问题就是：用什么任务？如果让被试直接判断“这张脸是正性还是负性”，那情绪加工任务本身会驱动大量主动评价加工，得到的差异可能来自“任务策略”而非“情绪加工本身”。

这里我给他推荐的方案是：让被试完成一个与情绪无关的朝向判断任务。比如每次呈现一张面孔，被试判断“面孔边缘是否有轻微倾斜”。这样做的逻辑是：面孔仍然处于视觉注意的中心，但被试不会刻意去评价情绪，早期情绪加工的差异就更容易被“被动地”诱发出来。

4.2 刺激材料与试次安排

刺激材料选用若干张标准化面孔图片，三个情绪条件各选不少于40张，保证面孔身份不重复，性别比例均衡，亮度、大小、对比度统一。如果一个条件只放20张图，被试很快就会在重复中变得麻木，而且每张图被重复看到的次数偏多，可能引入“图片熟悉性”这个混杂变量。通常每个条件下我会放48张，每张图在实验里呈现2到3次，既保证有效试次数，又不会让人觉得是在背图片。

试次数计算如下：每个条件计划有效试次100次，按70%的可用率折算，实际采集约143次，取整约144次。三个条件合计432个试次。按每个试次约1.5秒计算，一个block的时长约5到8分钟，分6个block完成，中间安排休息。这样一天采完一个被试，时间压力不至于太大。

4.3 设备与参数配置参考

这套配置是我做视觉实验的基线，你可以直接参考，也可以结合你的设备调整：

“参考电极”在脑电实验里很容易被忽视，但它对成分幅度和地形图的影响非常大。乳突参考时N170波幅往往更大；头顶参考则会影响是否适合做全脑地形图对比。设计阶段就要决定参考方案，并且之后所有数据都按同一方案处理，否则跨被试、跨条件的比较全是误差。

4.4 单试次时间线的设计

下面这个时间线描述的是一个试次从头到尾发生了什么：

1. 屏幕中心出现“+”注视点，持续300到500毫秒（随机）；
2. 呈现面孔图片，持续300毫秒；
3. 面孔消失，屏幕变为灰色，持续800到1200毫秒（让被试在此窗口眨眼）；
4. 出现一个500毫秒的反应窗口，要求被试判断面孔边缘是否倾斜；
5. 灰屏1.5秒左右，进入下一个试次。

这里要特别说明步骤4为什么是“判断边缘倾斜”：任务必须足够简单，以保证被试不会耗费大量认知资源去思考，同时又要求他认真看面孔。如果任务难度过高，早期视觉加工的成分可能在你的目标成分出现之前就被任务相关的过程污染了；如果完全没有任务，被试则容易走神、眨眼、频繁做出与刺激无关的反应。

需要留意的是，反应窗口放在面孔消失之后，是为了避免“按键”这个动作本身的运动预备电位污染面孔加工阶段。运动相关电位的成分幅度不小，一旦与目标成分重叠在同一个时间窗，几乎无法用后期操作把它们分开。

4.5 预期数据处理与统计路径

设计阶段你就要想好数据处理的路线：首先按刺激事件（面孔呈现）对连续数据进行分段，取刺激前200毫秒到刺激后800毫秒；对分段后的数据进行基线校正；剔除明显由眨眼和运动造成的坏段，也剔除反应错误的试次；然后对每个条件进行叠加平均；最后提取N170峰值或平均振幅，并把这个指标送到统计分析里去。

统计层面，最简单也最常用的做法是：在双侧枕颞电极上提取每个条件的平均振幅，做一个3（情绪类型：正性/中性/负性）×2（半球：左/右）的重复测量方差分析。若情绪类型主效应显著，再通过比较明确的成对比较来确定是“负性>中性”还是“正性介于两者之间”。这套路径清晰又可复现，也是当前做ERP研究的主流做法。

5. 现场采集最容易翻车的六个细节

再精妙的设计，如果采集现场掉了链子，数据照样是废的。这一节不是理论，是从我一次次跑实验中总结出来的教训。

5.1 电极阻抗：看着绿了不代表真的稳

现在多数设备都有电极质量反馈界面，新手往往看到“全部变绿”就放心开始采集。但你把界面放大会发现，有的电极阻抗在5kΩ附近飘，有的在9kΩ边缘反复横跳，这种不稳定电极很容易把工频噪声引入所有通道。我的习惯是：开始实验之前至少做两次阻抗检查，两次间隔十秒左右，确认数值平稳再用。

还有一种尴尬情况：打到一半，某个后部电极的导电膏干了，阻抗升高，波形开始剧烈漂移。应对方法是在每个block结束后快速查看阻抗状态，超标电极趁休息间隙补导电膏，而不是等到采完整组数据再去“事后排除”。宁可当场多补两次胶，也不要事后损失大块数据。

5.2 参考电极和接地电极：最容易被忽略的两条通道

就算你把所有记录电极都处理得干干净净，参考和接地若出问题，整张数据都是残缺的。接地电极作用在于提供共模电平的泄放路径，阻抗过高会直接导致全通道带50Hz工频噪声；参考电极如果相位接触不好，你得到的所谓“脑电”其实是被噪声调制过的废信号。

实际操作里，我会用手指轻轻按压一下参考电极附近的电极膏，观察实时波形是否出现明显摆动；如果按压时全通道波形出现同步跳动，往往是参考或接地松动。这个动作十秒钟，能避免采集完才发现异常，强烈建议每次被试实验前都做。

5.3 眨眼指导语：不说清楚就被试随时乱眨眼

很多老被试第一次戴电极帽时会紧张，要不一直瞪大眼睛，要不拼命眨眼。瞪眼会导致眼电基线不稳，拼命眨眼会让在线波形满是尖刺。我在实验开始前都会给一个“特别口头指导”：屏幕上出现“+”注视点的时候，尽量正常看；当画面变成灰色背景之后，如果你觉得眼睛干了，就在这个时候眨。间隔时间短的时候别硬撑，休息之间深呼吸几次。

这样做的结果是，大部分眨眼的尖波都落在灰色背景和反应后的空白期，刺激锁定期内的眨眼率可以从30%降到10%以下。看似只是小事，后期省下的工作量可是成吨的。

5.4 行为数据的同步核对：marker发错码等于白做

脑电实验里最让人崩溃的事情之一是：数据采完，分析时发现刺激和脑电记录的marker错位了。如果刺激软件发送的触发信号和记录的脑电时间轴没有同步，你辛辛苦苦采来的数据只能当作废弃处理。

防止这种事故的办法很简单：正式实验前先用一套几秒钟的测试刺激跑一遍全流程，然后检查事件标记是否按预期出现在记录文件里。尤其当你在刺激软件里修改过呈现顺序之后，一定要重新检查首次触发、末次触发和总试次数是否和设计一致。正式实验做到一半时，再顺手查一查已记录数据的试次数量，及时发现问题，好过全部采完才发现。

5.5 中途状态检查：不要等到一个block结束才看眼睛

在线观察界面里，最容易判断的是被试状态——有没有频繁眨眼、有没有面部肌肉紧张、有没有打哈欠。我发现有些人在第一个block里信息密度大、注意力还可以，但到第三个block就会消耗得很厉害，头也歪了，眼睛也花了。若是等到所有block做完再去看波形，眨眼比例已经高到救不回来。

我的做法是：主动在线的界面上盯住额极导联（最容易出现眨眼伪迹的位置），如果某个block里频繁出现尖峰，就中途提醒被试做个深呼吸、眨一次眼，再继续跑。对多数人来说，这样的“15秒微休息”接受度很高，数据会好很多。

5.6 被试状态记录：少写几笔，后面少失眠几晚

采集现场我会准备一张流程记录纸，上面记录被试编号、组别、开始时间、每个block结束的时间、中途出现的问题设备状况，以及被试自报的困倦程度（比如0到10分）。这些看似不起眼的信息，在日后筛选数据时会成为救命的备注，尤其是当某个被试的数据出现异常趋势，你还可以回查他是疲劳还是设备故障。多写几笔，后面分析的时候少熬夜。

6. 对应设计的ERP分析与统计操作要点

数据分析的过程本质上是对“实验设计是否成功”的验收。这一节把从分段到统计报告的流程串起来，顺便纠正几个我经常看到的分析误区。

6.1 单被试处理的流程顺序：千万别乱换步骤

数据处理的先后顺序是有讲究的。常规的单被试流程是：先按事件标记分段，再做基线校正，然后做伪迹剔除，最后叠加平均。分段时时间窗口的设置应与设计阶段一致，比如刺激前200毫秒到刺激后800毫秒。基线校正的目的，是把每段波形在刺激前的平均电位作为0参考点，这样刺激后的任何正负变化才有可比性。

伪迹剔除主要有两种形态：一种是“基于幅度的临界值剔除”，超过正负100微伏的段直接不要；另一种是“独立成分分析”，把眼电成分从连续数据中分离后去除。我的建议是，能靠设计与即时指导解决的眨眼问题，尽量在采集阶段解决干净；数据分析阶段最好两种方法都用——先用幅度临界值粗剔一遍，再用独立成分分析清理残留下来的眼动成分。这两步都做完，再叠加平均，得到的波形才算扎实。

还有一个容易踩的坑：不要在伪迹剔除前就做低通滤波，尤其是大幅降低时间分辨率的强低通。如果你在叠加前用了30Hz的低通，事后又不能重新读取原始数据，那后续的潜伏期分析就只能靠猜测了。正确的做法是：数据处理时只做轻微滤波或按与分析目的匹配的截止频率处理，保留足够的原始信息。

6.2 成分量化的具体指标：峰值、平均振幅还是潜伏期

ERP成分的量化，目前最常见的指标有两个：峰值振幅和平均振幅。峰值振幅直观，容易报，但对噪声比较敏感，尤其在波形较平滑的情况下，一两个残留伪迹就可能拉高峰值。平均振幅更稳健，但要求你提前选定时间窗，如果时间窗语句得不准，会漏掉或掺入别的成分。

以N170为例，我会先看总平均波形，确定左右半球N170峰值大致落在什么范围，然后选取一个包含峰值的固定时间窗，比如150到210毫秒，提取该窗口内的平均振幅作为N170的量化指标。潜伏期一般直接用峰值所在的时间点，但要用相对平滑的数据做，否则微小的局部波动会变成虚假的“峰值”。

时间窗的选取一定要在分析流程里预先公开说明，是预先分析的还是数据驱动的，两类都要交代清楚。事后根据统计显著性再反复修改时间窗，这在审稿阶段是很容易被挑出来的问题。

6.3 统计检验的核心问题：双尾配对比较与多重比较

多数脑电研究面对的是重复测量的条件比较。最简单的情况是两个条件，比如一致与不一致，那就是在选定时间窗和电极上做配对t检验。三条件以上，需要使用重复测量方差分析，并在主效应显著后进行相应的成对比较。如果你同时比较多个电极、多个时间窗，就要小心多重比较问题，不然统计结果里“假阳性”的概率会明显升高。

在报告时，我不但会写出t值或F值和p值，还会报告效应量，比如Cohen‘s d或偏eta方。这个习惯会让你的结果更有说服力，也会让读者直观地判断差异的实际规模。如果条件差异虽然统计显著但效应量非常小，那就得想想这个结果有没有实际价值。

6.4 结果解释时的一个常见误区：差异不等于脑区激活

脑电地形图看起来好像“哪里亮了哪就在活动”，但我见过不少新手把地形图的电压差直接脑补成“某某脑区被激活”。这里要提醒：头皮电位分布并不等同于皮层源定位，一个深部源产生的电位会通过容积导体扩散到很大一片头皮范围。N170的差异地形图看着集中在枕颞，只能说“头皮电位分布上存在枕颞优势”，不能说“梭状回面孔区被激活了”。

如果你真的关心神经源的定位，可以在完成ERP分析后继续做源定位分析，但这是另一个技术栈，需要多个电极的精确坐标和头部模型。平时的报告里，稳住“区域-时间-成分”的说法就足够了，不要拔高到脑区激活的层面。

6.5 关于流程稳定性的一点建议

最后说说我自己的习惯。每当我确定了一套新的实验设计，正式大规模采集之前先找一两个“志愿者”做预实验，完整走一遍从戴帽到分析的全流程，再根据实际波形和时间长短调整参数。预实验的意义不在于统计效应，而在于确认每一个设计参数在真实设备条件下是可行、稳定的。这样等正式数据采集开始时，你节省的是整个团队的无效劳动时间和回炉重做的成本。

脑电实验设计的好坏，往往在数据采集一开始就能感受到波动得是否平滑、伪迹是否可控、被试是否配合。按上面这套思路把一个实验从概念推到统计分析，你至少不会进到一个挖好的坑里去。每次开始新实验前，把刺激时间参数、试次数、电极阻抗、触发器检查这些环节重新过一遍，形成自己的检查表，会比临时抱佛脚可靠得多。