Esta es una excelente pregunta, digna de alguien que es un pensador estadístico claro, porque reconoce un aspecto sutil pero importante de las pruebas múltiples.
Existen métodos estándar para ajustar los valores p de múltiples coeficientes de correlación (o, de manera equivalente, para ampliar sus intervalos de confianza), como los métodos Bonferroni y Sidak ( qv ). Sin embargo, estos son demasiado conservadores con grandes matrices de correlación debido a las relaciones matemáticas inherentes que deben mantenerse entre los coeficientes de correlación en general. (Para algunos ejemplos de tales relaciones, vea la pregunta reciente y el hilo resultante ). Uno de los mejores enfoques para tratar esta situación es realizar una prueba de permutación (o remuestreo). Es fácil hacer esto con correlaciones: en cada iteración de la prueba, simplemente aleatorice aleatoriamente el orden de los valores de cada uno de los campos (destruyendo así cualquier correlación inherente) y recalcule la matriz de correlación completa. Haga esto durante varios miles de iteraciones (o más), luego resuma las distribuciones de las entradas de la matriz de correlación, por ejemplo, dando sus percentiles 97.5 y 2.5: estos servirían como intervalos de confianza mutuos simétricos bilaterales del 95% bajo nulo hipótesis de no correlación. (La primera vez que hace esto con una gran cantidad de variables, se sorprenderá de cuán altos pueden ser algunos de los coeficientes de correlación, incluso cuando no hay una correlación inherente).
Al informar los resultados, no importa qué cálculos haga, debe incluir lo siguiente:
El tamaño de la matriz de correlación ( es decir , cuántas variables ha examinado).
Cómo determinó los valores p o "significancia" de cualquiera de los coeficientes de correlación ( por ejemplo , los dejó como están, aplicó una corrección de Bonferroni, hizo una prueba de permutación o lo que sea).
Si buscó medidas alternativas de correlación, como la correlación de rango de Spearman . Si lo hizo, indique también por qué eligió el método sobre el que realmente está informando y utilizando.