Hallo, Ich bin gerade dabei Daten von einer kleinen klinischen Studie auszuwerten. Da die Fallzahlen in den jeweiligen Gruppen der Kranken und der Gesunden relativ gering sind (n=23 und n=28) habe ich keine normalverteilten Werte.
Nun möchte ich den Einfluss des Alters und der Gruppe auf die Gefäßfunktion ( metrische Variable) testen. Da hier keine Normalverteilung vorliegt, habe ich mich für eine mulitple lineare Regression mit der Bootstrapping Methode entschieden.
Eine Bedingung der linearen Regression ist allerdings der lineare Zusammenhang zwischen der abhängigen (Gefäßfunktion) und den unabhängigen Variablen (Alter und Gruppenzugehörigkeit), wenn ich das richtig verstanden habe. Und diese wird ja mit dem Korrelationskoeffizient nach Pearson errechnet. Nun habe ich das Problem, dass ich in meiner Auswertung aufgrund der kleinen Stichprobe und der nichtvorhandenen Normalverteilung nur nichtparametrische Tests anwende: Erst Mann-Whitney-U-Test um einen Gruppenunterschied darzustellen, dann die Korrelation nach Spearman um weitere Zusammenhänge darzustellen und dann soll in der logischen Reihenfolge als nächstes die mulitple lineare Regression kommen um eben die Einflüsse zu testen. Diese basiert aber auf Korrelationen nach Pearson.
Und da es zum Teil Unterschiede in den Ergebnissen der Korrelation nach Spearman und Pearson gibt, und ich ja in die Tests nur die Werte einfließen lassen kann, die nach Pearson korrelieren ( …oder?), verliert sich hier irgendwie die Glaubwürdigkeit meiner Analysen, wenn ich hier plötzlich auf einen parametrischen Test umschwinge.
Habt ihr eine Idee, wie ich das am besten handhabe? Kann ich trotz einer kompletten nicht-parametrischen Auswertung plötzlich die Korrelation nach Pearson anwenden und mit welcher Begründung? Und die Daten , die nach Spearman korrelieren, darf ich ja nicht unbedingt in die lineare Regressionsanalyse einfließen lassen, wenn sie nicht gleichzeitig eine Korrelation nach Pearson haben oder?
Ich hoffe, dass ihr mein Problem verstanden habt und würde mich wirklich sehr über Hilfe freuen!