এটি একটি দুর্দান্ত প্রশ্ন, এমন একজনের পক্ষে যোগ্য যিনি একজন পরিস্কার পরিসংখ্যানবাদী চিন্তাবিদ, কারণ এটি একাধিক পরীক্ষার সূক্ষ্ম তবে গুরুত্বপূর্ণ দিকটি স্বীকৃতি দেয়।
আছে P-মান সমন্বয় মান পদ্ধতি যেমন Bonferroni এবং Sidak পদ্ধতি (হিসাবে (অথবা এবং, equivalently তাদের আস্থা অন্তর প্রসারিত করার) একাধিক পারস্পরিক সম্পর্ক কোফিসিয়েন্টস এর QV )। তবে এগুলি সহজাত গাণিতিক সম্পর্কের কারণে বৃহত্তর পারস্পরিক সম্পর্ক মেট্রিক্সের সাথে অনেক বেশি রক্ষণশীল যারা সাধারণভাবে সম্পর্কযুক্ত সহগের মধ্যে থাকতে হবে hold (এই জাতীয় সম্পর্কের কয়েকটি উদাহরণের জন্য সাম্প্রতিক প্রশ্ন এবং পরবর্তী থ্রেডটি দেখুন )) এই পরিস্থিতিটি মোকাবেলার জন্য সর্বোত্তম পন্থার মধ্যে একটি হ'ল ক্রমশক্তি (বা পুনরায় মডেলিং) পরীক্ষা করা is। পারস্পরিক সম্পর্কের সাথে এটি করা সহজ: পরীক্ষার প্রতিটি পুনরাবৃত্তিতে, কেবল এলোমেলোভাবে ক্ষেত্রগুলির প্রতিটিের মানের ক্রমগুলি স্ক্র্যাম্ব করে (যার ফলে কোনও সহজাত সম্পর্ককে নষ্ট করে) এবং সম্পূর্ণ পারস্পরিক সম্পর্ক মেট্রিক্স পুনরুদ্ধার করে। কয়েক হাজার পুনরাবৃত্তির জন্য এটি করুন (বা আরও), তারপরে পারস্পরিক সম্পর্ক মেট্রিক্সের এন্ট্রিগুলির বিতরণের সংক্ষিপ্তসার করুন, উদাহরণস্বরূপ, তাদের 97.5 এবং 2.5 শতাংশ প্রদান: এগুলি শূন্যের অধীনে পারস্পরিক প্রতিসম দ্বিমুখী 95% আস্থা অন্তর হিসাবে পরিবেশন করবে কোন পারস্পরিক সম্পর্ক সম্পর্কিত অনুমান। (প্রথমবার যখন আপনি প্রচুর সংখ্যক ভেরিয়েবলের সাথে এটি করেন আপনি অবাক হয়ে যাবেন যে কোনও সহজাত সম্পর্ক নেই, এমনকি কতটা পারস্পরিক সম্পর্কের সহগও হতে পারে))
ফলাফলগুলি প্রতিবেদন করার সময়, আপনি কোনও গণনা করেন না কেন, আপনার নিম্নলিখিতগুলি অন্তর্ভুক্ত করা উচিত:
পারস্পরিক সম্পর্কের ম্যাট্রিক্সের আকার ( অর্থাত্ আপনি কতগুলি পরিবর্তনশীলকে দেখেছেন)।
আপনি যে কোনও পারস্পরিক সম্পর্ক সহগের p-মান বা "তাত্পর্য" নির্ধারণ করেছেন ( উদাহরণস্বরূপ , এগুলি যেমন রয়েছে তেমনি রেখেছেন, একটি Bonferroni সংশোধন প্রয়োগ করেছেন, ক্রমশক্তি পরীক্ষা করেছেন বা যা কিছু)।
আপনি পারস্পরিক সম্পর্কের বিকল্প ব্যবস্থা যেমন স্পিয়ারম্যান র্যাঙ্ক সহসংযোগের দিকে নজর রেখেছেন কিনা । যদি আপনি তা করেন তবে এটি নির্দেশ করুন যে আপনি কেন সেই পদ্ধতিটি বেছে নিলেন যা আপনি প্রকৃতপক্ষে প্রতিবেদন করছেন এবং ব্যবহার করছেন।