回答:
はい、FisherのR-to-z変換を使用すれば可能です。他の方法（ブートストラップなど）にはいくつかの利点がありますが、元のデータが必要です。R（rは標本相関係数、nは観測値の数）：
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
私のブログのこの投稿も参照してください。
つまり、.01か.001かはそれほど重要ではありません。あなたが言ったように、これは主にサンプルサイズの関数であり、サンプルサイズが大きいことはすでに知っています。論理的な結論は、おそらくテストもまったく必要ないということです（特に、相関が0であるといういわゆる 'nil'仮説のテストは不要です）。N = 878、あなたはそれを直接解釈上の見積りやフォーカスの精度で非常に自信を持つことができます（つまり、あなたの分野では0.75大きいです？）。
ただし、正式には、Neyman-Pearsonフレームワークで統計テストを行う場合、事前にエラーレベルを指定する必要があります。したがって、テストの結果が実際に重要であり、しきい値として.01を使用して研究が計画された場合、p <.01 を報告するだけで意味があり、取得したpに基づいて日和見的にp <.001にしないでください。値に。このタイプの非公開の柔軟性は、小さな星の批判の背後にある主な理由の1つであり、より一般的には、社会科学で帰無仮説の有意性テストが実践される方法の1つです。
Meehl、PE（1978）も参照してください。理論的リスクと表形式のアスタリスク：カールir、ロナルドir、およびソフト心理学のゆっくりした進歩。Journal of Consulting and Clinical Psychology、 46（4）、806-834。（タイトルにはこれらの「スター」への参照が含まれていますが、内容は有意性テストの役割についてのより広範な議論です。）
フィッシャーのR-to-z変換を使用します。
別の統計があります：
abs(r)*sqrt((n-2)/(1-r^2)) ~ t.dist(d.f.=n-2)
n-2の自由度を持つt分布があります。たとえば、これはどのように機能しますか：http : //www.danielsoper.com/statcalc3/calc.aspx?id=44