हां, यह किया जा सकता है, यदि आप फिशर के आर-टू-जेड परिवर्तन का उपयोग करते हैं। अन्य तरीकों (जैसे बूटस्ट्रैप) के कुछ फायदे हो सकते हैं लेकिन मूल डेटा की आवश्यकता होती है। आर में ( आर नमूना सहसंबंध गुणांक है, n टिप्पणियों की संख्या है):
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
मेरे ब्लॉग पर इस पोस्ट को भी देखें ।
उस ने कहा, चाहे वह .01 हो या .001 उतना मायने नहीं रखता। जैसा कि आपने कहा, यह ज्यादातर नमूना आकार का एक कार्य है और आप पहले से ही जानते हैं कि नमूना आकार बड़ा है। तार्किक निष्कर्ष यह है कि आपको संभवतः परीक्षण की आवश्यकता नहीं है (विशेष रूप से तथाकथित 'नील' की परिकल्पना का परीक्षण नहीं है कि सहसंबंध 0 है)। साथ एन = 878, आप अनुमान और इसे सीधे व्याख्या पर ध्यान केंद्रित करने की शुद्धता में काफी आश्वस्त हो सकते हैं (यानी अपने क्षेत्र में .75 बड़ी है?)।
औपचारिक रूप से, जब आप नेमन-पियर्सन ढांचे में एक सांख्यिकीय परीक्षण करते हैं, तो आपको अग्रिम में त्रुटि स्तर को निर्दिष्ट करने की आवश्यकता होती है। इसलिए, यदि परीक्षण के परिणाम वास्तव में मायने रखते हैं और अध्ययन की योजना थी .01 को सीमा के रूप में, यह केवल रिपोर्ट पी <.01 के लिए समझ में आता है और आपको प्राप्त पी मूल्य के आधार पर इसे अवसरवादी रूप से पी <.001 नहीं करना चाहिए । इस प्रकार का अघोषित लचीलापन छोटे सितारों की आलोचना के मुख्य कारणों में से एक है और सामान्य तौर पर सामाजिक विज्ञान में शून्य-परिकल्पना महत्व परीक्षण का अधिक अभ्यास है।
Meehl, PE (1978) भी देखें। सैद्धांतिक जोखिम और सारणीबद्ध तारांकन: सर कार्ल, सर रोनाल्ड और नरम मनोविज्ञान की धीमी प्रगति। परामर्श और नैदानिक मनोविज्ञान जर्नल, 46 (4), 806-834। (शीर्षक में इन "सितारों" का संदर्भ है लेकिन सामग्री महत्व परीक्षण की भूमिका की बहुत व्यापक चर्चा है।)