Evet, Fisher'ın R-to-z dönüşümünü kullanırsanız yapılabilir. Diğer yöntemler (örneğin, bootstrap) bazı avantajlara sahip olabilir, ancak orijinal verileri gerektirir. R'de ( r , örnek korelasyon katsayısı, n gözlem sayısıdır):
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
Bu yazıyı blogumda da görün .
Bununla birlikte, .01 veya .001 olsun, o kadar önemli değil. Söylediğiniz gibi, bu çoğunlukla numune boyutunun bir fonksiyonudur ve zaten numune boyutunun büyük olduğunu biliyorsunuzdur. Mantıksal sonuç, muhtemelen hiç bir teste bile ihtiyacınız olmadığıdır (özellikle, korelasyonun 0 olduğu sözde 'nil' hipotezinin bir testi değil). İle N = 878, doğrudan onu yorumlamak üzerinde tahmin ve odak hassas oldukça emin olabilirler (yani alanınızda .75 büyük?).
Bununla birlikte, resmi olarak, Neyman-Pearson çerçevesinde istatistiksel bir test yaptığınızda, hata seviyesini önceden belirtmeniz gerekir. Bu nedenle, testin sonuçları gerçekten önemliyse ve çalışma eşik olarak .01 ile planlandıysa, sadece p <.01 rapor etmek mantıklıdır ve elde edilen p değerine göre fırsatçı olarak p <.001 yapmamalısınız . Bu tür açıklanamayan esneklik, küçük yıldızların eleştirisinin ve daha genel olarak sıfır hipotez önem testinin sosyal bilimde nasıl uygulandığının ana nedenlerinden biridir.
Ayrıca bakınız Meehl, PE (1978). Teorik riskler ve tablo yıldız işaretleri: Sir Karl, Sir Ronald ve yumuşak psikolojinin yavaş ilerlemesi. Danışmanlık ve Klinik Psikoloji Dergisi, 46 (4), 806-834. (Başlık, bu "yıldızlara" bir referans içeriyor, ancak içerik önem testinin rolü hakkında çok daha geniş bir tartışma.)