Heel goed! Maar - wacht even :-)
Over welke cursus heb je het? Is er ergens een tabel waar p-waarden worden gelinkt aan hoe groot een effect is? Da's niet goed - p-waarden en effectgrootte (en belangrijkheid/relevantie van een effect) staan juist helemaal los van elkaar. Daarom zijn effect sizes zo belangrijk! Da's de enige manier om een indruk te krijgen van hoe sterk een effect of verband is.
Daarom zijn deze richtlijnen ook alleen gebaseerd op de effect sizes: Cohen's d, Pearson r, en eta^2. Hoewel Cohen f^2 noemt; maar die kun je in elkaar omrekenen:
$$\eta^2=\frac{f^2}{1 + f^2}$$
Een correlatie kleiner dan .1 heet 'triviaal'; groter dan .1 maar kleiner dan .3 'klein' (of 'zwak'), tussen .3 en .5 'middelmatig' ofzo, en groter dan .5 'groot' of 'sterk'.
Eigenlijk, als je het 'echt netjes' doet, bereken je geen puntschattingen voor de effect sizes (dus, de waarde van r), maar betrouwbaarheidsintervallen voor je effect sizes. Dan weet je welke effectgroottes allemaal plausibel zijn; meestal kan een effect bijvoorbeeld klein of gemiddeld zijn, al het betrouwbaarheidsinterval voor Pearson r van .15 tot .42 loopt ofzo. Maar dit zit niet in SPSS geloof ik, dus dat valt buiten het curriculum. Als je geinteresseerd bent; ik heb een functie in R geschreven die het relatief makkelijk maakt om wel betrouwbaarheidsintervallen te berekenen voor correlaties; mail me daar dan even over. Of beter nog, stel een aparte vraag op dit forum, "hoe bereken ik een betrouwbaarheidsinterval voor een correlatie", dan leg ik het daar uit :-)
Hoe dan ook is het belangrijk om te onthouden dat een p-waarde NOOIT informatie geeft over hoe groot, belangrijk, of relevant een effect of verband is!
Een p-waarde zegt hoe groot de kans is op je gegeven uitkomst (effect, of verband) onder aanname dat de nulhypothese waar is. Als je p-waarde klein is, verwerp je de nulhypothese; je concludeert dan dat het onwaarschijnlijk is dat er geen verband/effect bestaat in de populatie. Hoe groot een eventueel verband of effect dan vervolgens is, kun je nooit bepalen op basis van die p-waarde; dan moet je naar effect sizes kijken.