Đây là một câu hỏi xuất sắc, xứng đáng với một người có tư duy thống kê rõ ràng, bởi vì nó nhận ra một khía cạnh tinh tế nhưng quan trọng của nhiều thử nghiệm.
Có các phương pháp tiêu chuẩn để điều chỉnh giá trị p của nhiều hệ số tương quan (hoặc, tương đương, để mở rộng khoảng tin cậy của chúng), chẳng hạn như phương pháp Bonferroni và Sidak ( qv ). Tuy nhiên, đây là quá bảo thủ với ma trận tương quan lớn do các mối quan hệ toán học vốn có phải giữ giữa các hệ số tương quan nói chung. (Đối với một số ví dụ về các mối quan hệ như vậy, hãy xem câu hỏi gần đây và chuỗi tiếp theo .) Một trong những cách tiếp cận tốt nhất để xử lý tình huống này là tiến hành kiểm tra hoán vị (hoặc lấy mẫu lại). Thật dễ dàng để làm điều này với các mối tương quan: trong mỗi lần lặp lại của bài kiểm tra, chỉ cần ngẫu nhiên xáo trộn thứ tự các giá trị của từng trường (từ đó phá hủy mọi tương quan vốn có) và tính toán lại ma trận tương quan đầy đủ. Làm điều này trong vài nghìn lần lặp (hoặc nhiều hơn), sau đó tóm tắt các phân phối của các mục nhập của ma trận tương quan, ví dụ, đưa ra 97,5 và 2,5 phần trăm của chúng: chúng sẽ đóng vai trò là khoảng tin cậy hai mặt đối xứng 95% theo null giả thuyết không có mối tương quan. (Lần đầu tiên bạn làm điều này với một số lượng lớn các biến, bạn sẽ ngạc nhiên về mức độ cao của một số hệ số tương quan có thể ngay cả khi không có tương quan vốn có.)
Khi báo cáo kết quả, bất kể bạn tính toán gì, bạn nên bao gồm các phần sau:
Kích thước của ma trận tương quan ( nghĩa là bạn đã xem bao nhiêu biến).
Cách bạn xác định giá trị p hoặc "tầm quan trọng" của bất kỳ hệ số tương quan nào ( ví dụ: để nguyên như vậy, áp dụng hiệu chỉnh Bonferroni, thực hiện kiểm tra hoán vị hoặc bất cứ điều gì).
Cho dù bạn đã xem xét các biện pháp tương quan thay thế, chẳng hạn như tương quan xếp hạng Spearman . Nếu bạn đã làm, cũng chỉ ra lý do tại sao bạn chọn phương pháp bạn thực sự báo cáo và sử dụng.