হ্যাঁ, যদি আপনি ফিশারের আর-টু-জেড রূপান্তর ব্যবহার করেন তবে এটি করা যায়। অন্যান্য পদ্ধতিতে (যেমন বুটস্ট্র্যাপ) কিছু সুবিধা থাকতে পারে তবে মূল ডেটা প্রয়োজন require আর-এ ( আর- এর নমুনা পারস্পরিক সম্পর্ক সহগ, এন পর্যবেক্ষণের সংখ্যা):
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
আমার ব্লগে এই পোস্টটি দেখুন ।
এটি বলেছিল, এটি .01 বা .001 কিনা তা তেমন গুরুত্বপূর্ণ নয়। যেমনটি আপনি বলেছেন, এটি বেশিরভাগ ক্ষেত্রে নমুনা আকারের একটি ফাংশন এবং আপনি ইতিমধ্যে জানেন যে নমুনার আকারটি বড়। যৌক্তিক উপসংহারটি হ'ল আপনার সম্ভবত কোনও পরীক্ষা করার দরকারও নেই (বিশেষত তথাকথিত 'নীল' হাইপোথিসিসের একটি পরীক্ষা নয় যে পারস্পরিক সম্পর্ক 0)। সঙ্গে এন = 878, আপনি অনুমান এবং এটি সরাসরি ব্যাখ্যা উপর ফোকাস স্পষ্টতা বেশ আস্থা রাখতে পারি (যেমন আপনার ক্ষেত্রে .75 বড়?)।
সাধারণত আপনি যখন নেইমন-পিয়ারসন কাঠামোয় একটি পরিসংখ্যান পরীক্ষা করেন তখন আপনাকে ত্রুটি স্তরটি আগেই নির্দিষ্ট করতে হবে। সুতরাং, যদি পরীক্ষার ফলাফলগুলি সত্যই গুরুত্বপূর্ণ হয় এবং অধ্যয়নটি প্রারম্ভিক হিসাবে .01 দিয়ে পরিকল্পনা করা হয়েছিল, তবে এটি কেবল পি <.01 প্রতিবেদন করার জন্য অর্থবোধ করে এবং আপনার পি পি .001 প্রাপ্ত পি মানের ভিত্তিতে সুবিধাজনকভাবে এটি তৈরি করা উচিত নয় । এই ধরণের অপ্রকাশিত নমনীয়তা এমনকি ছোট তারার সমালোচনার অন্যতম প্রধান কারণ এবং আরও সাধারণভাবে যেভাবে বিজ্ঞানটিতে নাল-কল্পনা তাত্পর্য পরীক্ষা করা হয় ance
মিহল, পিইও দেখুন (1978)। তাত্ত্বিক ঝুঁকি এবং সারণী নক্ষত্র: স্যার কার্ল, স্যার রোনাল্ড, এবং নরম মনোবিজ্ঞানের ধীর অগ্রগতি। পরামর্শ ও ক্লিনিকাল সাইকোলজির জার্নাল, 46 (4), 806-834। (শিরোনামে এই "তারা" সম্পর্কিত একটি রেফারেন্স রয়েছে তবে বিষয়বস্তু তাত্পর্যপূর্ণ পরীক্ষার ভূমিকা সম্পর্কে আরও বিস্তৃত আলোচনা)