<div dir="ltr"><div>Hi all mvpaers,<br></div><div><br></div><div>I need some theoretical help!</div><div><br></div><div>I did some analysis on a unbalanced dataset, 12 runs with 10 trials (5 condition A, 5 condition B), so I got 120 samples. Since I had an unbalanced dataset, I could have a run with 7A vs 3B or also a 9A vs 1B samples and/or viceversa.</div><div>I analyzed the dataset balancing samples in each run, using a leave TWO run cross-validation (L2ROCV) searchlight, in order to have more combination of samples to train the dataset and the same for the testing set, I didn't analyze the dataset using different balancing since the searchlight in a L2ROCV is high time consuming and I had 25 subjects with 3 unbalanced dataset per subject!! :\</div><div><br></div><div>Now, my questions are these: </div><div><br></div><div>1) I used a good approach to analyze the dataset or you suggest a different approach?</div><div><br></div><div>2) I did an average map of the 66 cross-validation map I obtained for each subject; to do a first exploratory analysis I did a simple t-test versus chance level (I didn't do the Stelzer's method because of the computational time) and I had almost all voxels significative (not corrected), because of the L2ROCV, I think. So do you think I can do other more robust statistical tests using these maps? Or I have to do the Stelzer's method? Or throw away the searchlight maps?</div><div><br></div><div>Thank you!!</div><div>Roberto</div></div>