Abhängige oder unabhängige Stichproben?

[Enne_Ibaf]

Hallo zusammen

Ich habe bereits auch mal bei ähnlichen Fragestellungen hier im Forum geschaut, aber bin leider nicht schlauer geworden.
Mein Problem ist das Folgende: Ich untersuche in meiner Abschlussarbeit die psychische Belastung und Stresshormonausschüttung bei Epilepsiepatienten (im Vergleich zu einer Kontrollgruppe). Die Epilepsiepatienten sind aus drei Stationen eines Krankenhauses bzw. einer Rehaklinik erhoben. Die Kontrollgruppe wurde nach Geschlecht, Bildungsjahre und Alter gematcht. Insgesamt sind es kleine Stichproben: Epilepsiepatienten mit einem N = 24 und die KG mit einem N = 12. Die Cortisolausschüttung wurde über 6 Messzeitpunkte gemessen, quasi als Tagesverlauf.

Die meisten Hypothesen beziehen sich auf Vergleiche innerhalb der Gruppe der Epilepsiepatienten, z.B. ob Epilepsiepatienten mit psychischer Erkrankung sich von Epilepsiepatienten ohne psychische Erkrankung in der subjektiven Stresswahrnehmung unterscheiden. Meines Verständnisses nach hätte ich dann bei NV einen t-test für unabhängige Stichproben gerechnet (bei vorliegender Normalverteilung), ansonsten den Mann-Whitney-U-Test. Meine Betreuerin sagte nun aber, dass Vergleiche innerhalb der Patienten- als auch der Kontrollgruppe mit einem t-Test für abhängige Stichproben oder dann bei fehlender NV der Wilcoxon-Test gerechnet werden müssten. Scheinbar habe ich dann ein falsches Verständnis von Abhängigkeit und Unabhängigkeit bei Stichproben gehabt. Ich hätte höchstens bei der Kontrollgruppe an eine abhängige Stichprobe gedacht, da wir dort zu 80% Freunde, Bekannte und Verwandte rekrutiert haben. 1.) Ist es korrekt, dass innerhalb der jeweiligen Gruppen t-Tests für abhängige Stichproben gerechnet werden müssten? Und wieso? Die Epilepsiepatienten sind in den Variablen doch nicht abhängig voneinander?

2.) Da die Kontrollgruppe gematched (also parallelisiert) wurde, habe ich mich ferner gefragt, ob dann bei Vergleichen zwischen Patienten- und Kontrollgruppe anstelle eines unabhängigen t-Tests ein abhängiger t-Test gerechnet werden müsste (oder eben bei fehlender NV ein Mann-Whitney-U oder Wilcoxon-Test)? Ich hätte eigentlich eher zu t-Test für unabhängige Stichproben oder Mann-Whitney-U-Test tendiert, aber bin nun nach der Recherche für die Beantwortung der ersten Frage verwirrt, da ich das mit der Parallelisierung als Grund für eine Betrachtung der Stichproben als abhängig sah.

Ich wäre euch für eure Hilfe sehr dankbar, da ich auch nach der Recherche verunsichert bin und kein vergleichbares Beispiel gefunden habe.

Viele Grüße

[Polina]

Wenn es sich um dieselben Personen handelt, dann handelt es sich um abhängige Stichproben. (z.B. ein Vergleich der Cortisolausschüttung über die 6 Messzeitpunkte hinweg bei einer Gruppe von immer denselben Epilepsieprobanden mit psychischen Störungen)
Wenn es aber unterschiedliche Personen sind (wie z.B. eine Gruppe von Epilepsiepatienten mit und eine Gruppe von Epilepsiepatienten ohne psychische Störung sowie eine Kontrollgruppe), dann handelt es sich tatsächlich um unabhängige Stichproben wie du schon richtig gedacht hast. Deine Betreuerin hat aber auch recht. Denn die Vergleiche INNERHALB der Gruppen sollen tatsächlich mit t-Tests für abhängige Stichproben gemacht werden. Du möchtest aber (so wie ich es verstanden habe) einen Vergleich ZWISCHEN den Gruppen machen. Wenn du dir Stressempfinden in den drei Gruppen anschaust, dann ist der Vergleich ZWISCHEN den Gruppen (Test für unabhängige) und wenn du dir z.B. einen Verlauf über die Zeit bei einer und derselben Gruppe anschaust, dann ist das INNERHALB der Gruppe (Test für abhängige).

Wenn du deine Experimental und deine Kontrollgruppe an einem Messzeitpunkt miteinander vergleichen möchtest, dann ist es immer ein Test für unabhängige Stichproben, egal ob parallelisiert oder nicht, weil es 2 Gruppen von verschiedenen Menschen sind.

Übrigens, wenn du mehr als 2 Gruppen vergleichst, würde sich bei normalverteilten Daten eher eine einfaktorielle Varianzanalyse anbieten als mehrere t-Tests.

Ich hoffe ich konnte dir ein bisschen weiter helfen.