Có, nó có thể được thực hiện, nếu bạn sử dụng phép biến đổi R-to-z của Fisher. Các phương thức khác (ví dụ bootstrap) có thể có một số lợi thế nhưng yêu cầu dữ liệu gốc. Trong R ( r là hệ số tương quan mẫu, n là số lượng quan sát):
z <- 0.5 * log((1+r)/(1-r))
zse <- 1/sqrt(n-3)
min(pnorm(z, sd=zse), pnorm(z, lower.tail=F, sd=zse))*2
Xem thêm bài viết này trên blog của tôi .
Điều đó nói rằng, cho dù đó là 0,01 hay 0,001 không quan trọng lắm. Như bạn đã nói, đây chủ yếu là một chức năng của kích thước mẫu và bạn đã biết rằng kích thước mẫu là lớn. Kết luận hợp lý là có lẽ bạn thậm chí không cần một bài kiểm tra nào (đặc biệt không phải là một bài kiểm tra giả thuyết được gọi là "không" rằng mối tương quan là 0). Với N = 878, bạn có thể khá tự tin vào độ chính xác của ước tính và tập trung vào việc diễn giải nó trực tiếp (tức là 0,75 lớn trong lĩnh vực của bạn?).
Tuy nhiên, chính thức, khi bạn thực hiện kiểm tra thống kê trong khung Neyman-Pearson, bạn cần xác định trước mức độ lỗi. Vì vậy, nếu kết quả của bài kiểm tra thực sự quan trọng và nghiên cứu được lên kế hoạch với 0,01 là ngưỡng, thì chỉ có ý nghĩa khi báo cáo p <.01 và bạn không nên tạo cơ hội cho p <.001 dựa trên kết quả thu được giá trị p . Kiểu linh hoạt không được tiết lộ này thậm chí là một trong những lý do chính đằng sau sự chỉ trích các ngôi sao nhỏ và nói chung hơn về cách thức kiểm tra ý nghĩa giả thuyết null được thực hiện trong khoa học xã hội.
Xem thêm Meehl, PE (1978). Rủi ro lý thuyết và dấu hoa thị dạng bảng: Ngài Karl, Ngài Ronald và sự tiến triển chậm của tâm lý mềm. Tạp chí tư vấn và tâm lý học lâm sàng, 46 (4), 806-834. (Tiêu đề chứa một tham chiếu đến những ngôi sao này, nhưng nội dung là một cuộc thảo luận rộng hơn về vai trò của kiểm tra ý nghĩa.)