Er zijn vele effectgrootten beschikbaar voor een multipele regressieanalyse. De partiele correlatie kan gebruikt worden om de individuele predictoren te evalueren. Hiertoe kan ook de Beta zelf gebruikt worden.
Een effectgrootte die gebruikt kan worden zodra R2 bekend is is de Cohen's f2
$$ Cohen's f^{2} = \frac{r^{2}}{(1 - r^{2} )} $$
Dus, in je voorbeeld geef je aan R2 = .118, dus:
$$ Cohen's f^{2} = \frac{.118}{(1 - .118)} = \frac{0.118}{0.882} = 0.13 $$
Algemeen worden dan de volgende vuistregels gehanteer: small = .02, medium = .15, large = .35.
Dus, .13 kun je met een goed geweten medium noemen. Ik weet niet in hoeverre ik het ermee eens ben dat een effectgrootte (maakt niet uit welke) onafhankelijk is van de steekproefgrootte, of in ieder geval minder dan R2. Dit klinkt mij tamelijk controversieel, zeker gezien de effectgrootte direct gebruik maakt van de R2.