Introducción a los procedimientos de análisis con Jamovi
Jamovi se ha consolidado como una herramienta intuitiva y potente para el análisis de datos en la ciencia de datos. En este curso aprenderás, paso a paso, los conceptos clave que aparecen en los cuestionarios más frecuentes, como la prueba de Shapiro‑Wilk, la interpretación de coeficientes de regresión, el uso del test de Levene, la selección adecuada de pruebas de correlación, la transformación a escala T, la realización de ANOVA y la visualización con boxplot. Cada sección está diseñada para que puedas aplicar directamente los conocimientos en Jamovi.
Prueba de normalidad: Shapiro‑Wilk
La normalidad es un supuesto fundamental para muchas pruebas paramétricas. En Jamovi, la prueba de Shapiro‑Wilk evalúa si una variable sigue una distribución normal.
Interpretación del valor p
- p > .05: No se rechaza la hipótesis nula de normalidad. Se asume que la distribución de la variable es normal y se pueden usar pruebas paramétricas.
- p ≤ .05: Se rechaza la hipótesis de normalidad. En este caso, se recomienda emplear pruebas no paramétricas o transformar la variable.
Recuerda que el valor p es una medida de evidencia; un p mayor que .05 indica que los datos no presentan desviaciones significativas respecto a la normalidad.
Selección de pruebas de correlación
Cuando la variable cuantitativa no sigue una distribución normal, la correlación de Pearson no es apropiada. En su lugar, Jamovi ofrece la correlación de Spearman, que se basa en rangos y no requiere normalidad.
Cuándo usar cada prueba
- Pearson: Variables continuas, distribución normal, relación lineal.
- Spearman: Distribución no normal, relaciones monotónicas, presencia de valores atípicos.
Seleccionar la prueba correcta mejora la validez de los resultados y evita conclusiones erróneas.
Regresión lineal simple en Jamovi
La regresión lineal simple modela la relación entre una variable predictora X y una variable respuesta Y. El coeficiente de pendiente B indica el cambio esperado en Y por cada unidad adicional de X.
Interpretación de B = 2 con p < .05
Un coeficiente B = 2 y un valor p < .05 significa que cada unidad adicional de X incrementa Y en 2 unidades y que este efecto es estadísticamente significativo. No se trata de una relación negativa ni de una explicación mínima del 2% de la variabilidad.
Test de Levene para homogeneidad de varianzas
Antes de aplicar la prueba t de Student para comparar dos grupos independientes, es esencial verificar la igualdad de varianzas. Jamovi incluye el test de Levene para este propósito.
Interpretación de Levene p > .05
Un valor p > .05 indica que las varianzas de los grupos son homogéneas. Por lo tanto, se puede usar la fila de “varianzas iguales” en la tabla de resultados de la t‑test. Si p fuera ≤ .05, se aplicaría la corrección de Welch.
Conversión a escala T a partir de la puntuación z
Las escalas T son útiles para comparar puntuaciones estandarizadas con una media de 50 y una desviación típica de 10. La fórmula correcta es:
T = 50 + 10 × z
Esta transformación mantiene la interpretación relativa de la puntuación, facilitando la comunicación de resultados a audiencias no técnicas.
ANOVA de un factor y análisis post‑hoc
El análisis de varianza (ANOVA) permite comparar las medias de tres o más grupos. Cuando el p resultante es menor que .05, se rechaza la hipótesis nula de igualdad de medias.
¿Qué hacer después de un ANOVA significativo?
El siguiente paso es realizar un análisis post‑hoc para identificar qué pares de grupos difieren significativamente. Jamovi ofrece pruebas como Tukey HSD (cuando las varianzas son homogéneas) o Games‑Howell (cuando la homogeneidad no se cumple).
Interpretación del valor z
El z‑score indica cuántas desviaciones típicas se encuentra una observación respecto a la media. Un valor z = -1 significa que la observación está una desviación típica por debajo de la media. No implica que la muestra no sea normal; simplemente describe la posición relativa de esa observación.
Visualización de la distribución y detección de valores atípicos
Una visualización adecuada facilita la identificación de patrones y valores atípicos. En Jamovi, la gráfica recomendada para observar la distribución de una variable cuantitativa y detectar outliers es el diagrama de caja (boxplot).
Ventajas del boxplot
- Muestra la mediana, cuartiles y rango intercuartílico.
- Resalta valores atípicos mediante puntos aislados.
- Es independiente de la forma de la distribución, útil tanto para datos normales como no normales.
Un histograma con curva normal también es informativo, pero el boxplot brinda una visión más clara de los outliers.
Buenas prácticas al usar Jamovi
- Verificar supuestos antes de aplicar pruebas paramétricas (normalidad, homogeneidad).
- Seleccionar la prueba adecuada según la naturaleza de los datos (Pearson vs Spearman, t‑test vs Mann‑Whitney).
- Documentar cada paso del análisis, incluyendo valores p, tamaños de efecto y decisiones post‑hoc.
- Utilizar visualizaciones (boxplot, histogramas, gráficos de dispersión) para complementar los resultados estadísticos.
- Interpretar los coeficientes en contexto: un B significativo no siempre implica relevancia práctica; considera el tamaño del efecto y la escala de la variable.
Resumen de conceptos clave
- Shapiro‑Wilk: p > .05 → distribución normal asumida.
- Levene: p > .05 → varianzas homogéneas, usar t‑test estándar.
- Regresión: B = 2, p < .05 → incremento de 2 unidades en Y por cada X, significativo.
- Correlación: datos no normales → usar Spearman.
- Escala T: T = 50 + 10·z.
- ANOVA: p < .05 → realizar post‑hoc (Tukey o Games‑Howell).
- Z‑score: z = -1 → una desviación típica por debajo de la media.
- Boxplot: herramienta principal para visualizar distribución y outliers.
Conclusión
Dominar los procedimientos de análisis en Jamovi te permite transformar datos crudos en información valiosa y respaldada estadísticamente. Al aplicar correctamente la prueba de normalidad, elegir la correlación adecuada, interpretar coeficientes de regresión, validar la homogeneidad de varianzas y ejecutar análisis post‑hoc, estarás preparado para responder preguntas de investigación con rigor y claridad. Además, la visualización con boxplot garantiza que los resultados sean comprensibles para audiencias técnicas y no técnicas.
Integra estos conceptos en tu flujo de trabajo diario y aprovecha al máximo las capacidades de Jamovi para producir análisis reproducibles, transparentes y de alta calidad.
