Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 71
HERRAMIENTAS ESTADÍSTICAS AVANZADAS PARA EL ANÁLISIS DE DATOS EN
INVESTIGACIONES CUANTITATIVAS: UNA REVISIÓN SISTEMÁTICA
ADVANCED STATISTICAL TOOLS FOR DATA ANALYSIS IN QUANTITATIVE
RESEARCH: A SYSTEMATIC REVIEW
Autores: ¹Wilson Oswaldo Sánchez Macías, ²Jessica Marlene Ramos Anchundia, ³Wendy Isabel
Montoya Arellano y
4
Félix Jacinto García Córdova.
¹ORCID ID: https://orcid.org/0009-0000-3003-1279
2 ORCID ID: https://orcid.org/0000-0002-5303-3549
3 ORCID ID: https://orcid.org/0009-0003-6535-0896
4 ORCID ID: https://orcid.org/0000-0002-1444-6789
¹E-mail de contacto: wsanchezm2@unemi.edu.ec
2 E-mail de contacto: jramosa7@unemi.edu.ec
3 E-mail de contacto: wendy.montoyaa@ug.edu.ec
4 E-mail de contacto: felix.garciac@ug.edu.ec
Afiliación:¹*²*Universidad Estatal de Milagro, (Ecuador). ³*
4
*Universidad de Guayaquil, (Ecuador).
Articulo recibido: 22 de Octubre del 2024
Articulo revisado: 1 de Noviembre del 2024
Articulo aprobado: 3 de Diciembre del 2024
¹Ingeniero en Electricidad especialización Electrónica, egresado de la Escuela Superior Politécnica del Litoral (Ecuador). Magíster en
Gerencia Educativa, egresado de la Universidad Central del Ecuador (Ecuador). Magíster en Matemática mención en Modelación
Matemática, egresado de la Universidad Estatal de Milagro (Ecuador).
2Licenciada en Educadores de Párvulos de la Facultad de Filosofía, Letras y Ciencias de la Educación (Universidad de Guayaquil-
Ecuador). Magíster en Gestión Educativa de la Universidad de Especialidades Espíritu Santo (Guayaquil – Ecuador).
3Licenciada en Pedagogía de la Actividad Física y Deporte de la Universidad de Guayaquil (Ecuador). Magíster en Pedagogía de la Cultura
Física con mención en Educación Física Inclusiva en la Universidad Bolivariana del Ecuador. Jugadora de Fútbol Femenino del Ecuador.
Docente Instructora de la Federación Ecuatoriana de Fútbol y Directora Técnica de Fútbol Formativo.
4Licenciado en Educación en Historia Universidad Interamericana de Puerto Rico. Máster en Educación, Strayer Univerity, Orlando,
Florida (USA). Doctorando en Educación Universidad Nacional de Rosario (Argentina). Experiencia como docente en Puerto Rico, New
York, NY, Orlando Florida. En Ecuador en Universidad Laica Vicente Rocafuerte, Universidad Politécnica del Litoral, Universidad de la
Península de Santa Elena, Profesor de Ingles titular, Universidad de Guayaquil.
Resumen
Esta investigación tuvo como objetivo de
evaluar las evidencias disponibles sobre la
aplicación y efectividad de las técnicas
estadísticas avanzadas en diversos ámbitos de
la investigación cuantitativa, destacando su
evolución histórica, aplicaciones prácticas y las
plataformas de software más utilizadas. La
metodología empleada siguió el protocolo
PRISMA, utilizando una rigurosa búsqueda en
bases de datos académicas como Scopus, Web
of Science, Scielo, Latindex y Google Scholar.
Se aplicaron estrategias de búsqueda avanzada
mediante operadores booleanos para identificar
estudios relevantes, con inclusión de artículos
publicados en los últimos cinco años. Los
resultados de la revisión revelan que las
técnicas estadísticas avanzadas, como la
regresión multivariada, el análisis de varianza
y el análisis multivariado, son esenciales para
mejorar la precisión de los estudios en áreas
como la medicina, la educación y las ciencias
sociales. Además, se identificó que las
plataformas de software como R, Python y
SPSS son herramientas clave que facilitan la
implementación de estas técnicas. En
conclusión, se destaca la creciente importancia
de estas herramientas en la investigación
cuantitativa, sugiriendo que su adecuada
aplicación mejora la calidad y la validez de los
resultados, promoviendo avances significativos
en diversas disciplinas científicas.
Palabras clave: Técnicas estadísticas
avanzadas, Investigación cuantitativa,
Análisis de datos, Procesamiento estadístico,
Plataformas de software estadístico.
Abstract
This research aimed to evaluate the available
evidence on the application and effectiveness
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 72
of advanced statistical techniques in various
areas of quantitative research, highlighting
their historical evolution, practical applications
and the most used software platforms. The
methodology used followed the PRISMA
protocol, using a rigorous search in academic
databases such as Scopus, Web of Science,
Scielo, Latindex and Google Scholar.
Advanced search strategies using Boolean
operators were applied to identify relevant
studies, including articles published in the last
five years. The results of the review reveal that
advanced statistical techniques, such as
multivariate regression, analysis of variance,
and multivariate analysis, are essential to
improve the accuracy of studies in areas such
as medicine, education, and social sciences.
Additionally, software platforms such as R,
Python, and SPSS were identified as key tools
that facilitate the implementation of these
techniques. In conclusion, the growing
importance of these tools in quantitative
research is highlighted, suggesting that their
proper application improves the quality and
validity of the results, promoting significant
advances in various scientific disciplines.
Keywords: Advanced statistical techniques,
Quantitative research, Data analysis,
Statistical processing, Statistical software
platforms.
Sumário
Esta investigação teve como objetivo avaliar as
evidências disponíveis sobre a aplicação e
eficácia de técnicas estatísticas avançadas em
diversas áreas da investigação quantitativa,
destacando a sua evolução histórica, aplicações
práticas e as plataformas de software mais
utilizadas. A metodologia utilizada seguiu o
protocolo PRISMA, utilizando uma busca
rigorosa em bases de dados acadêmicas como
Scopus, Web of Science, Scielo, Latindex e
Google Scholar. Estratégias de busca avançada
utilizando operadores booleanos foram
aplicadas para identificar estudos relevantes,
incluindo artigos publicados nos últimos cinco
anos. Os resultados da revisão revelam que
técnicas estatísticas avançadas, como regressão
multivariada, análise de variância e análise
multivariada, são essenciais para melhorar a
precisão dos estudos em áreas como medicina,
educação e ciências sociais. Além disso,
plataformas de software como R, Python e
SPSS foram identificadas como ferramentas-
chave que facilitam a implementação dessas
técnicas. Concluindo, destaca-se a crescente
importância dessas ferramentas na pesquisa
quantitativa, sugerindo que sua aplicação
adequada melhora a qualidade e a validade dos
resultados, promovendo avanços significativos
em diversas disciplinas científicas.
Palavras-chave: Técnicas estatísticas
avançadas, Pesquisa quantitativa, Análise de
dados, Processamento estatístico,
Plataformas de software estatístico.
Introducción
La estadística, como disciplina esencial en la
investigación científica, facilita la
interpretación y el análisis de datos,
permitiendo la comprensión de fenómenos
complejos en áreas tan diversas como la
biología, la medicina, las ciencias sociales y la
educación. La relevancia de los métodos
estadísticos avanzados, como el análisis de
mediación y los modelos de efectos mixtos,
radica en su capacidad para proporcionar una
visión más precisa y detallada de las relaciones
entre variables dependientes e independientes,
especialmente cuando se manejan datos
complejos y de múltiples niveles (Corchete et
al., 2020). Estos enfoques metodológicos
permiten a los investigadores explorar
mecanismos subyacentes de fenómenos
sociales y naturales, mejorando la calidad y la
profundidad de las conclusiones extraídas de los
estudios. Además, la aplicación de modelos
como el Process Macro de Hayes mejora la
capacidad de los investigadores para manejar
datos dependientes y estructurados, lo que
representa un avance significativo en la
metodología de investigación (Misra et al.,
2021).
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 73
No obstante, a pesar de los avances en la
estadística, persisten desafíos importantes que
afectan la calidad de los estudios científicos. Un
problema recurrente en la literatura es la falta de
rigor en la selección y aplicación de métodos
estadísticos adecuados. Según Misra et al.
(2021), los investigadores, especialmente en
disciplinas clínicas y biomédicas, se enfrentan a
dificultades en la presentación e interpretación
de los datos, lo que puede resultar en
conclusiones erróneas. Además, los sesgos
metodológicos, como el uso inapropiado de
modelos estadísticos o la falta de control sobre
variables confusoras, siguen siendo frecuentes.
Estos sesgos se presentan especialmente en
investigaciones basadas en muestras pequeñas o
no representativas, lo que limita la validez
externa de los estudios (Chango et al., 2024).
En términos internacionales, la implementación
de herramientas tecnológicas para el análisis
estadístico ha avanzado considerablemente en
los últimos años. Sin embargo, aún existen
disparidades en cuanto a su accesibilidad y el
nivel de capacitación de los investigadores.
Aunque herramientas como SPSS y R son
comúnmente utilizadas, se observan diferencias
en la adopción de estas plataformas, lo cual
puede generar desigualdades en los resultados
obtenidos. Olaniyi et al. (2023) resaltan la
importancia de plataformas como R y RStudio
en contextos de grandes volúmenes de datos,
como los utilizados en el análisis de ciudades
inteligentes. Estas herramientas permiten una
toma de decisiones más precisa y
fundamentada, pero su uso generalizado
depende del acceso a tecnología avanzada y de
la formación adecuada de los investigadores.
Un desafío adicional que se presenta en la
literatura científica es el sesgo de publicación,
donde los resultados significativos tienden a ser
preferidos, mientras que aquellos que no
confirman las hipótesis iniciales quedan sin
reportarse. Este fenómeno distorsiona las
conclusiones generales extraídas de los estudios
publicados y puede influir en decisiones
políticas y clínicas (Cardoso et al., 2022). Es
fundamental, por lo tanto, que los
investigadores adopten prácticas más rigurosas
y transparentes para evitar la omisión de
resultados negativos o neutros, ya que esto
contribuye a una visión sesgada de la evidencia
disponible.
La justificación de este estudio radica en la
necesidad de realizar una revisión crítica y
exhaustiva de las herramientas y enfoques
estadísticos más relevantes en la investigación
contemporánea. Esta revisión no solo es crucial
para mejorar la calidad y la reproducibilidad de
los estudios, sino que también tiene
implicaciones prácticas en diversas áreas clave
como la biomedicina, las ciencias sociales, la
educación y la ingeniería. Según Castro (2019),
el dominio de herramientas estadísticas
avanzadas es esencial para la interpretación
adecuada de datos experimentales, lo cual
mejora la comprensión de fenómenos
complejos y facilita el desarrollo de soluciones
científicas más efectivas. Además, el avance en
tecnologías como la inteligencia artificial y el
aprendizaje automático, combinado con
modelos estadísticos avanzados, promete
ofrecer nuevas oportunidades para mejorar la
precisión de los resultados y la interpretación de
datos en múltiples disciplinas (Villegas, 2019).
Este artículo busca contribuir al
perfeccionamiento de la metodología de
investigación al proporcionar un análisis
detallado sobre las herramientas estadísticas
utilizadas actualmente y su impacto en las
decisiones científicas. A través de este enfoque,
se pretende promover la adopción de buenas
prácticas en la presentación de resultados
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 74
estadísticos, la interpretación de los datos y la
integración de nuevas tecnologías. El objetivo
es fortalecer la calidad de los estudios
publicados y asegurar que los investigadores
puedan abordar los desafíos del análisis de datos
en un entorno científico cada vez más orientado
hacia la precisión y la personalización en las
respuestas científicas (De la Lama et al., 2022).
A medida que la ciencia avanza, es fundamental
seguir perfeccionando las herramientas
estadísticas y las prácticas metodológicas para
garantizar que las investigaciones futuras sean
más robustas, reproducibles y útiles en la
resolución de problemas globales.
Revisión de literatura
Las herramientas estadísticas avanzadas son
esenciales para realizar investigaciones
cuantitativas precisas, ya que permiten analizar
grandes volúmenes de datos y modelar
complejas relaciones entre variables. La
evolución y mejora continua de estas
herramientas han facilitado la comprensión y la
toma de decisiones en diversas disciplinas.
Según Sagaró del Campo y Zamora (2019), las
técnicas estadísticas han experimentado
avances significativos en las últimas décadas,
siendo cruciales para el estudio de la causalidad
en áreas como la medicina. Estas técnicas
permiten obtener resultados más precisos, que
son fundamentales para la validación de teorías
científicas (Mayorga et al., 2021).
Entre las herramientas más utilizadas se
encuentran los modelos de regresión, que se
utilizan para predecir la relación entre variables
dependientes e independientes. La regresión
lineal múltiple es común en estudios donde se
desea evaluar el impacto de múltiples factores
sobre un resultado. Espinoza y Colina (2022)
explican que la regresión multivariada, como la
regresión logística y la regresión de Poisson,
permite modelar situaciones en las que las
variables dependientes son categóricas o tienen
distribuciones no normales. Estos métodos se
han vuelto cruciales para estudios que requieren
una visión más compleja de la interacción entre
variables, como en la medicina y las ciencias
sociales (Viscaíno et al., 2023).
Otra herramienta fundamental es el análisis de
varianza (ANOVA), que se utiliza para
comparar las medias de varios grupos. Este
análisis es esencial cuando se desea determinar
si existen diferencias significativas entre
diferentes condiciones o tratamientos. Según
Ávila (2020), ANOVA se aplica comúnmente
en investigaciones donde se necesita evaluar el
impacto de varios factores simultáneamente,
como en estudios clínicos o educativos.
Además, el análisis de varianza de medidas
repetidas es una extensión de este modelo que
se usa cuando los datos se recolectan en
diferentes puntos del tiempo (Machuca et al.,
2023).
El análisis multivariado y el análisis de
componentes principales (PCA) son
herramientas estadísticas avanzadas que
permiten reducir la dimensionalidad de los
datos. Estas técnicas son útiles cuando se
manejan grandes conjuntos de datos con
muchas variables. De acuerdo con Arredondo et
al. (2020), el PCA ayuda a identificar patrones
subyacentes en los datos, facilitando la
segmentación de grupos o la reducción de la
complejidad en la interpretación de los
resultados. Estas herramientas permiten a los
investigadores identificar variables clave que
explican la mayor parte de la variabilidad en los
datos, lo que resulta particularmente útil en
estudios de comportamiento o de segmentación
de mercados (Mayorga et al., 2022).
La implementación de estas herramientas en
software de código abierto, como R y Python,
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 75
ha permitido una mayor accesibilidad a
métodos estadísticos avanzados. Según
Espinoza y Colina (2022), estos programas
proporcionan una plataforma flexible y robusta
para el análisis de grandes volúmenes de datos.
A través de paquetes estadísticos
especializados, los investigadores pueden
aplicar técnicas complejas de forma más
eficiente y personalizable. Este enfoque ha
incrementado la colaboración y la transparencia
en la investigación, permitiendo que los
resultados sean reproducibles y verificables en
diferentes contextos (Pérez y Collazo, 2022).
Además, la estimación del tamaño de la muestra
es una parte crucial en el diseño de estudios
cuantitativos. Gamboa (2023) resalta la
importancia de calcular el tamaño adecuado de
la muestra para evitar errores de tipo I y II y
asegurar la validez de los resultados. La
correcta estimación del tamaño de la muestra
garantiza que los estudios tengan suficiente
poder estadístico para detectar efectos
significativos, lo que es vital en investigaciones
en áreas como la salud, la educación y la
economía.
El valor p es otra medida fundamental en la
investigación cuantitativa. Este valor, utilizado
para determinar la significancia estadística de
un resultado, ha sido ampliamente discutido en
la literatura. Kappes y Riquelme (2021)
subrayan que el valor p, junto con las medidas
de efecto, permite interpretar de manera más
adecuada los resultados de un estudio, evitando
malentendidos o conclusiones erróneas. Estas
medidas son esenciales para la interpretación de
estudios clínicos y de salud, donde las
decisiones basadas en evidencia son
fundamentales.
En el ámbito de la investigación aplicada,
herramientas como SPSS y SAS siguen siendo
populares debido a su interfaz amigable y su
capacidad para realizar análisis estadísticos
complejos sin requerir conocimientos
avanzados en programación. Ponce et al. (2021)
destacan que SPSS es utilizado ampliamente en
investigaciones donde los investigadores
necesitan realizar análisis rápidos y efectivos.
Aunque herramientas como R y Python ofrecen
más flexibilidad y profundidad en el análisis,
SPSS sigue siendo valioso en áreas donde los
resultados rápidos y eficientes son prioritarios
(Cienfuegos et al. 2022).
Además, en investigaciones relacionadas con la
gestión de recursos naturales y la explotación de
aguas, como el estudio realizado por De Hoyos
et al. (2023), la aplicación de modelos
estadísticos permite evaluar la eficacia de las
estrategias propuestas para resolver problemas
como las sequías y la explotación de recursos
hídricos, resaltando la importancia de las
herramientas estadísticas en la toma de
decisiones sobre políticas públicas y
sostenibilidad (Calizaya et al., 2020).
Las herramientas estadísticas avanzadas han
transformado la forma en que se realizan las
investigaciones cuantitativas, proporcionando a
los investigadores las herramientas necesarias
para modelar, analizar y entender fenómenos
complejos. La elección del software adecuado,
como R, Python, SPSS o SAS, depende de las
necesidades específicas del estudio y del
contexto en el que se realice la investigación,
permitiendo obtener resultados más confiables
y aplicables (Loayza, 2021).
En el marco de esta revisión sistemática, la
pregunta científica que orienta el análisis es:
¿Cómo influyen las herramientas estadísticas
avanzadas en la mejora de los métodos de
análisis de datos en investigaciones científicas?
El objetivo central de la revisión es evaluar las
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 76
evidencias disponibles sobre la aplicación y
efectividad de las técnicas estadísticas
avanzadas en diversos ámbitos de la
investigación cuantitativa, con énfasis en su
evolución histórica, sus aplicaciones prácticas y
las plataformas de software más utilizadas. Este
estudio busca destacar el impacto de estas
herramientas en la precisión, validez y
confiabilidad de los resultados obtenidos en
investigaciones científicas, contribuyendo así a
la optimización de los procesos analíticos en
múltiples disciplinas.
Materiales y Métodos
Este estudio adopta un enfoque bibliográfico-
documental, sustentado en una revisión
sistemática de la literatura científica disponible,
para analizar el uso de herramientas estadísticas
avanzadas en investigaciones cuantitativas. La
metodología aplicada implicó una recolección
exhaustiva y un análisis crítico de artículos
académicos y estudios previos seleccionados de
bases de datos científicas de reconocido
prestigio. Las fuentes consultadas exploran el
papel fundamental de estas herramientas en el
análisis de datos cuantitativos, evaluando su
validez, aplicabilidad y pertinencia en diversos
contextos investigativos.
Mediante esta revisión sistemática, se
identificaron tendencias recurrentes, hallazgos
clave y áreas aún no suficientemente
investigadas, lo que permitió establecer una
base teórica sólida para comprender el impacto
de las herramientas estadísticas avanzadas en la
precisión y profundidad del análisis de datos. El
enfoque cuantitativo se orientó hacia la
recolección y el análisis de datos numéricos
mediante métodos rigurosos, con el fin de
evaluar las relaciones entre diversas variables
de estudio. Los datos fueron obtenidos mediante
búsquedas estructuradas en fuentes relevantes,
y analizados con técnicas estadísticas avanzadas
que facilitaron la identificación de correlaciones
significativas y variaciones en los datos.
La metodología se fundamentó en el protocolo
PRISMA, el cual garantizó la transparencia y
calidad en el reporte de la revisión sistemática.
Este protocolo permitió presentar de manera
clara y coherente los hallazgos, facilitando la
comparación con investigaciones previas y su
aplicación en futuros estudios. La adopción de
PRISMA refuerza la integridad metodológica,
asegurando que los resultados obtenidos sean de
alta relevancia para académicos y profesionales
en el campo de la investigación cuantitativa.
Para la realización de la revisión, se consultaron
bases de datos académicas reconocidas, como
Scopus, Scielo, Redalyc, Web of Science y
Latindex, que proporcionaron acceso a una
amplia gama de artículos revisados por pares
sobre el uso de herramientas estadísticas
avanzadas. La selección estratégica de estos
artículos aseguró la obtención de información
actualizada y de alta calidad, permitiendo una
revisión exhaustiva y representativa del estado
del arte.
La estrategia de búsqueda se diseñó utilizando
operadores booleanos (AND, OR) en consultas
avanzadas, formulando combinaciones precisas
de términos como "análisis estadístico
avanzado" AND "investigación cuantitativa"
OR "validación de datos". Este enfoque
optimizó la recuperación de estudios
directamente relacionados con el tema de
investigación, aplicando filtros de fecha y tipo
de documento, priorizando artículos recientes y
revisados por pares.
Criterios de Inclusión:
➢ Artículos que aborden el uso de
herramientas estadísticas avanzadas en
investigaciones cuantitativas.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 77
➢ Artículos que presenten datos empíricos,
tanto cualitativos como cuantitativos,
relacionados con el análisis de datos en
contextos investigativos.
➢ Investigaciones publicadas entre 2021 y
2024, garantizando la relevancia y
actualidad de la información.
➢ Artículos revisados por pares, publicados
en bases de datos académicas reconocidas.
➢ Investigaciones publicadas en español o
inglés, para incluir una diversidad de
enfoques y perspectivas.
Criterios de Exclusión:
➢ Artículos que no traten específicamente el
uso de herramientas estadísticas avanzadas
en investigaciones cuantitativas.
➢ Investigaciones centradas en metodologías
cualitativas o enfoques no cuantitativos.
➢ Artículos que no presenten datos empíricos
claros o se basen en evidencia anecdótica sin
respaldo metodológico.
➢ Estudios publicados antes de 2021, a menos
que sean seminales y justifiquen su
inclusión.
➢ Fuentes que no hayan sido revisadas por
pares o que no provengan de bases de datos
científicas reconocidas.
Los resultados del protocolo PRISMA indican
que se identificaron un total de 156 registros a
través de las búsquedas realizadas en diversas
bases de datos académicas y fuentes
adicionales. De estos, 56 registros provinieron
de Scopus, 17 de Web of Science, 30 de Scielo,
y 53 de Latindex. Además, se realizó una
búsqueda manual en Google Scholar que
proporcionó un registro adicional.
Posteriormente, se eliminaron 38 citas
duplicadas, y 42 registros fueron excluidos tras
la lectura de los títulos. El número de registros
cribados fue de 77, de los cuales 63 artículos
fueron excluidos basándose en los criterios de
inclusión establecidos para la revisión.
Finalmente, 14 artículos fueron seleccionados
para la revisión sistemática, los cuales cumplían
con los requisitos de calidad y pertinencia para
abordar la relación entre las herramientas
estadísticas avanzadas y las investigaciones
cuantitativas.
El análisis de mediación ha sido ampliamente
explorado en diversas áreas de la investigación
social y educativa. En este sentido, el estudio de
Abu-Bader y Jones (2021) presenta dos
enfoques clave para el análisis de mediación: la
prueba de Sobel y el método bootstrap
utilizando el Process Macro de Hayes. Estos
métodos permiten a los investigadores entender
cómo las variables mediadoras afectan la
relación entre variables independientes y
dependientes. El análisis de mediación, tal
como se describe en este estudio, es
particularmente útil para desglosar las
relaciones complejas entre diferentes variables
y puede ofrecer una visión más profunda de los
mecanismos subyacentes en los procesos
investigados. Además, el artículo proporciona
una guía práctica que facilita a los
investigadores la ejecución, interpretación y
presentación de resultados, considerando las
condiciones necesarias y los supuestos que
deben cumplirse para obtener un análisis válido
y confiable. En última instancia, la mediación
se presenta como una herramienta valiosa para
mejorar la comprensión teórica y práctica de los
fenómenos investigados (Lino et al., 2024).
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 78
Resultados y Discusión
Tabla 1. Matriz de estudios seleccionados
Autor
Año
Base de
datos
Titulo
Objetivo
Metodología
Resultados
Conclusión
Análisis y reflexión
Caballero
Cifuentes, L.,
Quivio Cuno,
R. S.,
Gutiérrez
Guadalupe, S.
Y., Jaime
Andia, M.,
Alegre Huerta,
J., Huamán
Hurtado, J. C.,
& Sito
Justiniano, L.
(2024)
Scopus
Herramienta Stata
en el análisis de
datos cuantitativos
en estudiantes de
posgrado en Perú.
Evaluar el impacto del uso del
software estadístico Stata en la
competencia para el análisis de
datos cuantitativos de
estudiantes universitarios de
posgrado.
La investigación adopta un
enfoque cuantitativo con un
diseño cuasi-experimental. La
muestra fue seleccionada de
forma no probabilística y se
dividió en dos grupos: un grupo
experimental y un grupo de
control, cada uno compuesto por
28 estudiantes. A todos los
participantes se les aplicaron
instrumentos validados y fiables,
cuya consistencia se evaluó
mediante el método de dos
mitades de Spearman-Brown.
Los datos recogidos permitieron
realizar una comparación de
promedios entre ambos grupos en
dos momentos: la preprueba y la
posprueba. Los resultados indicaron
que el grupo experimental, que
utilizó Stata, obtuvo un promedio
significativamente mayor (15,86) en
comparación con el grupo de control
(12,50). Esta diferencia se analizó
mediante la prueba U de Mann-
Whitney, empleando un nivel de
confianza del 95% y un nivel de
significancia del 5%, lo que
permitió inferir un impacto positivo
y estadísticamente significativo del
uso de Stata en el grupo
experimental.
Los resultados de la
investigación respaldan que
el uso de Stata tiene un efecto
positivo en las competencias
de análisis de datos
cuantitativos de los
estudiantes de posgrado. Se
concluye que este software es
una herramienta eficaz para
mejorar tanto el rendimiento
académico como las
habilidades prácticas en
estadística.
Los resultados de este
estudio resaltan la
importancia de integrar
herramientas estadísticas
como Stata en la formación
de posgrado para mejorar
las habilidades de análisis
de datos cuantitativos. El
uso de este software facilita
tanto el aprendizaje de
conceptos estadísticos
avanzados como la
ejecución de análisis
precisos, fortaleciendo la
comprensión y la
autonomía de los
estudiantes en
metodologías cuantitativas.
Abu-Bader,
Soleman and
Jones, Tiffanie
Victoria
2021
Scopus
Statistical
Mediation
Analysis Using the
Sobel Test and
Hayes SPSS
Process Macro
Este artículo presenta el análisis
de mediación simple para
investigadores en ciencias
sociales, explicando dos
métodos estadísticos clave para
evaluar el efecto de variables
mediadoras en la relación entre
variables independientes y
dependientes: la prueba de
Sobel y el método de bootstrap
utilizando el Process Macro de
Hayes. Se abordan seis aspectos
principales: (1) definición y
propósito de la mediación, (2)
condiciones necesarias para la
mediación, (3) preguntas de
investigación que pueden
abordarse mediante mediación,
(4) supuestos del análisis de
mediación, (5) programas
Se describen dos métodos
estadísticos para el análisis de
mediación: la prueba de Sobel y el
método de bootstrap con el
Process Macro de Hayes. Estos
métodos se aplican para
determinar el rol de las variables
mediadoras en la relación entre
las variables independientes y
dependientes, proporcionando un
enfoque accesible para el análisis
en ciencias sociales.
El artículo proporciona una guía
práctica para realizar un análisis de
mediación, desde la selección del
método y el software adecuado
hasta la interpretación de los
resultados obtenidos y la
presentación clara de los hallazgos.
Además, se establecen criterios y
suposiciones que deben cumplirse
para que el análisis sea válido y
confiable.
El artículo concluye que el
análisis de mediación es una
herramienta poderosa para la
investigación en ciencias
sociales, permitiendo a los
investigadores desglosar y
comprender cómo y por qué
se producen determinadas
relaciones entre variables.
Los métodos de Sobel y
bootstrap ofrecen distintas
ventajas para este tipo de
análisis, ampliando las
opciones metodológicas de
los investigadores.
La discusión final enfatiza
la relevancia del análisis de
mediación en la
investigación y la práctica
en ciencias sociales,
señalando que este enfoque
permite obtener una
comprensión más matizada
de los procesos subyacentes
a las relaciones entre
variables. La mediación
aporta un valor significativo
al permitir a los
investigadores identificar
variables que explican
parcialmente estas
relaciones, lo cual es útil
tanto para la teoría como
para la aplicación práctica
en el campo social.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 79
informáticos para realizar este
análisis, y (6) un ejemplo
práctico detallado que guía al
lector en la ejecución del
análisis de mediación,
interpretación de resultados y
redacción de los hallazgos.
Yu, Zhaoxia,
Guindani,
Michele,
Grieco,
Steven, Chen,
Lujia, Holmes,
Tood y Xu,
Xiangmin
2022
Scopus
Beyond t test and
ANOVA:
applications of
mixed-effects
models for more
rigorous statistical
analysis in
neuroscience
research
Abordar el problema de la
dependencia de datos en
investigaciones de neurociencia
básica. Los autores señalaron
que en este campo los datos
suelen agruparse o recopilarse
con medidas repetidas, lo cual
genera una correlación que
muchos métodos estadísticos
convencionales, como el t-test y
el ANOVA, no consideraban.
El estudio proporcionó una guía
práctica para el uso de modelos de
efectos mixtos, presentando una
introducción detallada sobre
cómo identificar los casos en los
que estos modelos resultaban
necesarios. Además, los autores
explicaron de forma clara y
directa cómo aplicarlos
correctamente, permitiendo que
los investigadores evitaran errores
comunes en el análisis de datos
dependientes y mejoraran la
precisión de sus estudios.
Los autores observaron que el uso
de modelos de efectos mixtos
facilitaba una interpretación más
precisa en estudios con medidas
repetidas o datos agrupados. Estos
modelos consideraban la
dependencia inherente de los datos,
lo que contribuía a incrementar la
validez y reproducibilidad de los
hallazgos experimentales.
La investigación subrayó que
los modelos de efectos
mixtos proporcionaban una
solución estadística sólida
para análisis en los que la
dependencia de los datos era
un factor relevante. El uso
adecuado de estos modelos
ayudaba a los investigadores
a mejorar el diseño
experimental y a realizar
análisis de datos con mayor
validez.
Se destacó la importancia
de elegir métodos
estadísticos adecuados en
estudios de neurociencia
básica. La introducción de
los modelos de efectos
mixtos representaba un
avance en la forma de
abordar la dependencia de
datos, y su aplicación
adecuada tenía el potencial
de mejorar
significativamente la
reproducibilidad de los
resultados experimentales
en el campo.
Yan, Feng,
Powell, David,
Curtis, David
& Wong,
Nicholas
2020
Scopus
From reads to
insight: a
hitchhiker’s guide
to ATAC-seq data
analysis
Revisar exhaustivamente las
herramientas de análisis para
datos de ATAC-seq, una
técnica clave en el estudio de la
biología de la cromatina,
cubriendo los pasos esenciales
y destacando los desafíos de
cada uno.
La revisión abarcó todas las fases
del análisis de ATAC-seq:
preanálisis (verificación de
calidad y alineación), análisis
central (identificación de picos) y
análisis avanzado (análisis
diferencial de picos, anotación,
enriquecimiento de motivos,
huella de accesibilidad y posición
de nucleosomas). También se
incluyó la reconstrucción de redes
reguladoras transcripcionales
mediante datos multi-ómicos para
aportar una visión más amplia
sobre la regulación génica.
Se identificaron métodos
específicos y herramientas para
cada etapa del análisis de ATAC-
seq y los retos asociados. La
reconstrucción de redes reguladoras
a partir de datos multi-ómicos
mostró un gran potencial en la
obtención de información valiosa
sobre la regulación génica, aunque
se necesita un desarrollo adicional
en herramientas específicas.
La revisión subrayó la
necesidad de contar con
herramientas de análisis
específicas para ATAC-seq,
especialmente útiles para
interpretar datos de células
individuales, maximizando
su aplicación en estudios
funcionales de cromatina.
Este estudio evidencia la
importancia de ATAC-seq
en la investigación de la
cromatina y su rol en el
entendimiento de la
regulación génica. La
necesidad de perfeccionar
continuamente los métodos
de análisis para abordar la
complejidad de los sistemas
reguladores en el genoma
humano se plantea como
una prioridad,
especialmente para
aprovechar el potencial de
ATAC-seq en estudios de
biología a nivel celular.
Guerra Véliz,
Y., Leyva
Haza, J., Soler
Rodríguez, G.,
& Marín Mora,
N.
2022
Scielo
Hibridación
pedagógica en el
aprendizaje de la
estadística en la
formación de
maestría en
Educación
El propósito principal fue
ofrecer una propuesta
pedagógica para superar las
barreras que enfrenta el
estudiantado de máster en
Educación al aprender
estadística, mediante la
La propuesta utilizó una
metodología híbrida, que integró
el aprendizaje basado en
problemas, proyectos y la clase
invertida. Se aplicó a una muestra
intencional de 34 estudiantes de
una Maestría en Didáctica de las
Los resultados mostraron un avance
positivo en el aprendizaje de la
estadística: 30 estudiantes
completaron el proyecto final y
lograron finalizar el ciclo completo
de investigación estadística. De
ellos, ocho alcanzaron un nivel alto
La propuesta didáctica,
basada en un entorno virtual y
en una metodología híbrida,
demostró ser una alternativa
viable para la enseñanza de la
estadística en el ámbito de los
estudios de máster en
Este estudio subraya la
importancia de utilizar
enfoques pedagógicos
innovadores en la
enseñanza de la estadística,
un área frecuentemente
desafiante en la formación
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 80
implementación de un curso
virtual en Moodle enfocado en
la estadística aplicada a la
investigación educativa. Este
curso buscó mejorar los
aprendizajes en estadística a
través de una combinación de
estrategias pedagógicas
innovadoras.
Ciencias Exactas, en un diseño
experimental descriptivo y
longitudinal, con un enfoque
cuantitativo. El desempeño se
evaluó a través de informes de
cinco tareas, utilizando
descriptores de idoneidad
epistémica en cuatro niveles.
en los resultados de aprendizaje,
aunque cuatro estudiantes
abandonaron el curso antes de
concluirlo.
Educación. La eficacia de
esta metodología fue
superior, en términos
generales, a otros enfoques de
aprendizaje basado en
proyectos, con mejoras
evidentes en el rendimiento
estudiantil.
de profesorado. La
propuesta ofrece un marco
efectivo, pero su aplicación
futura podría beneficiarse
de ajustes para optimizar los
resultados de aprendizaje,
especialmente para lograr
un mayor compromiso y
desempeño en los niveles
más avanzados de
idoneidad epistémica.
Perdigón-
Llanes R,
Pérez-Pino M.
2022
Scielo
Herramientas de
código abierto para
el análisis
estadístico en
investigaciones
científicas
Analizar las capacidades y la
aplicabilidad de herramientas
de análisis estadístico de código
abierto en el ámbito de la
investigación científica, con la
intención de promover su uso
entre investigadores en Cuba.
Se realizó una revisión exhaustiva
de la literatura utilizando métodos
científicos como el análisis
sintético, el histórico-lógico, la
triangulación teórica y el análisis
documental. Estos métodos
permitieron explorar y evaluar de
forma crítica las herramientas
estadísticas disponibles.
Los hallazgos reflejaron que el uso
de soluciones libres para el análisis
estadístico es bajo en las
publicaciones científicas de autores
cubanos incluidas en el catálogo
Scielo Cuba entre 2015 y 2020.
Además, se llevó a cabo un análisis
comparativo entre las herramientas
GNU/Octave, GNU-PSPP, el
entorno de R y el software
comercial IBM SPSS. Los
resultados mostraron que el entorno
R es especialmente viable y superior
en cuanto a capacidad para el
tratamiento estadístico de datos y su
representación gráfica en
investigaciones científicas.
El estudio sugiere que el
entorno R representa una
alternativa eficaz y gratuita
para realizar análisis
estadísticos en
investigaciones científicas,
mostrando una ventaja
significativa sobre otros
programas, tanto de código
abierto como comerciales. Su
implementación podría
contribuir al desarrollo de la
investigación científica en el
país.
Estos resultados destacan la
importancia de promover el
uso de herramientas
estadísticas de código
abierto como el entorno R
en la comunidad
investigadora cubana. La
adopción de este tipo de
software no solo fomenta
una investigación más
accesible y reproducible,
sino que también puede
potenciar el desarrollo de
capacidades locales en
análisis de datos,
contribuyendo a una mayor
independencia tecnológica
y científica en el contexto
cubano.
Villa, Celia,
Camacho,
Carmen y
Bernal,
Deyanira
2020
Scielo
Análisis de datos
como alternativa
para la evaluación
de impacto de los
programas sociales
Analizar la metodología de la
auditoría de desempeño
realizada por la Auditoría
Superior de la Federación en la
evaluación de la política social
en México. Además, se buscó
explorar las ventajas
metodológicas del uso de
softwares estadísticos como
ATLAS.TI, SPSS, y STATA,
como alternativas para la
evaluación de impacto basada
en evidencia.
La investigación se centró en un
análisis de la metodología
utilizada por la Auditoría Superior
de la Federación en sus auditorías
de desempeño en relación con la
política social. Se exploró,
además, la viabilidad de integrar
herramientas de software
estadístico en el análisis de datos
para mejorar la evaluación del
impacto de los programas
sociales.
Los resultados mostraron que el uso
de software estadístico como
ATLAS.TI, SPSS, y STATA ofrece
una alternativa viable y accesible
para evaluar el impacto de la
política social en México. Estas
herramientas permiten un análisis
más detallado y basado en
evidencia, lo que mejora la
precisión de las auditorías de
desempeño y las evaluaciones de
impacto.
Se concluyó que la
incorporación de
herramientas tecnológicas y
metodológicas innovadoras
en la auditoría de desempeño
es fundamental para obtener
evaluaciones más precisas del
impacto de los programas
sociales. El uso de software
estadístico fortalece las
auditorías y contribuye a una
mejor medición del bienestar
social generado por las
políticas públicas.
Este estudio reflexionó
sobre la importancia de
modernizar las
metodologías de auditoría
mediante el uso de nuevas
tecnologías. El análisis
destacó cómo la integración
de herramientas estadísticas
avanzadas permite una
evaluación más rigurosa y
transparente de los
programas sociales, lo que,
a su vez, fortalece la toma
de decisiones y la rendición
de cuentas en las políticas
públicas.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 81
Calizaya
Lopez, J.,
Benites Cuba,
M., Vela
Aquize, R. M.,
& Coaguila
Mitta, B. E.
2022
Scielo
Relevance of
statistical analysis
in quantitative
research
Realizar una revisión
bibliográfica detallada que
analizara el papel de la
estadística en diversas áreas
profesionales y su relevancia en
los procesos de investigación.
Se buscó demostrar cómo la
estadística contribuye a mejorar
procesos, productos y la calidad
de los servicios en diferentes
ámbitos.
La metodología empleada
consistió en una revisión
exhaustiva de la literatura,
analizando cómo se aplica la
estadística en diversas áreas
profesionales y en la
investigación. Este enfoque
permitió obtener información
sobre la importancia del
conocimiento estadístico en
diferentes campos y su rol en la
mejora de la calidad de la
investigación.
El análisis reveló que la estadística
juega un papel fundamental en la
investigación al proporcionar una
visión más profunda de los datos y
ayudar a comprender mejor las
propuestas científicas. Se destacó
que la estadística contribuye
significativamente a optimizar
procesos, mejorar productos y
asegurar una mejor calidad en la
prestación de servicios.
El estudio concluyó que el
uso de la estadística es
esencial para obtener
perspectivas más precisas y
relevantes en los procesos de
investigación. Mejora la
interpretación de los datos y
ayuda a los profesionales a
tomar decisiones informadas.
Además, la estadística es
indispensable para gestionar
y analizar grandes conjuntos
de datos tanto en contextos
científicos como
profesionales.
La reflexión subrayó la
creciente demanda de
conocimientos estadísticos
en diversas profesiones y su
papel fundamental en la
investigación. Se observó
que la estadística no solo
mejora la calidad de la
investigación, sino que
también facilita la toma de
decisiones basadas en datos
que optimizan procesos,
productos y servicios en
diferentes sectores. Por lo
tanto, se destacó la
necesidad de seguir
desarrollando la
experiencia estadística para
avanzar en la investigación
y mejorar las prácticas
profesionales.
Hidalgo
Troya, A.
2019
Latindex
Técnicas
estadísticas en el
análisis
cuantitativo de
datos
El propósito de este trabajo fue
analizar el proceso de
construcción del conocimiento
dentro de la investigación
social, enfatizando los enfoques
cuantitativo y cualitativo. Se
exploró cómo el diseño
cuantitativo permite
aproximarse de manera
sistemática a la realidad social
mediante el análisis de
variables tanto categóricas
como numéricas.
Para llevar a cabo este análisis, se
revisaron las características
principales del diseño cuantitativo
en investigaciones sociales. Se
discutió cómo este diseño se
apoya en técnicas estadísticas
para procesar y analizar datos
numéricos y categóricos,
permitiendo identificar patrones,
tendencias y relaciones entre
variables.
El análisis evidenció que el diseño
cuantitativo en investigación social
permite comprender mejor la
dinámica de las variables estudiadas
al identificar tendencias y relaciones
funcionales. Esto facilita la
elaboración de explicaciones y
predicciones sobre fenómenos
sociales al establecer interrelaciones
entre las variables mediante análisis
estadísticos.
Se concluyó que el diseño
cuantitativo es una
herramienta esencial en la
investigación social, ya que
aporta una perspectiva
objetiva y basada en datos,
contribuyendo a la
interpretación y predicción de
la realidad social. Su enfoque
sistemático y el uso de
métodos estadísticos
permiten a los investigadores
extraer conclusiones
fundamentadas sobre las
relaciones entre variables.
El estudio reflexionó sobre
la importancia de los
métodos cuantitativos en la
investigación social,
resaltando que el análisis
estadístico es fundamental
para generar conocimiento
preciso y aplicable. Este
tipo de diseño no solo
facilita la comprensión de
tendencias en los datos, sino
que también fortalece la
capacidad de los
investigadores para hacer
predicciones y generar
teorías explicativas que
enriquecen el campo de la
investigación social.
Maya
Martínez, R.
L., & Arenas
Tawil, A. J.
2023
Latindex
Uso del software
IBM SPSS parala
determinación de
la incidencia del
modelo de las 5e en
estudiantes de
grado 11° del
Colegio La Salle
Este estudio evaluó el impacto
del Aprendizaje Basado en la
Indagación (ABI) con el
modelo 5E Lesson Cycle sobre
el desarrollo del pensamiento
numérico variacional en
estudiantes, enfocado en la
Se utilizó IBM SPSS para el
análisis cuantitativo de los datos,
facilitando la comparación entre
grupos que recibieron enseñanza
ABI y aquellos con métodos
convencionales. La interfaz del
software permitió un manejo
efectivo de los datos y generó
Los estudiantes bajo el modelo ABI
mostraron un mayor desarrollo en el
pensamiento variacional asociado a
la derivada frente al grupo de
control. Además, los análisis
indicaron una retención sostenida de
este aprendizaje en el tiempo.
La estrategia ABI 5E Lesson
Cycle demostró ser eficaz en
mejorar el aprendizaje de
conceptos avanzados de
matemáticas, con un impacto
sostenido. IBM SPSS fue
esencial para visualizar y
analizar los datos.
Este estudio resalta el valor
de herramientas como IBM
SPSS en investigaciones
educativas, permitiendo
análisis robustos y
visualización clara de los
efectos de estrategias
pedagógicas innovadoras
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 82
Montería,
Colombia.
comprensión del concepto de
derivada.
gráficos para visualizar
resultados.
en el aprendizaje de los
estudiantes.
Erazo, Jean,
Ramos,
Andrea,
Enríquez,
Justo,
Enríquez,
Luis, Rosero,
Lilian
2024
Latindex
Aula invertida en
la enseñanza de la
estadística con el
software SPSS
frente a la
metodología
tradicional
Este estudio tuvo como
propósito comparar dos
enfoques distintos para la
enseñanza de la estadística: el
método de aula invertida, en el
cual los estudiantes adquieren
conocimientos antes de la clase,
y el método tradicional,
utilizando el software SPSS
como herramienta de apoyo
principal para observar su
impacto en el rendimiento
académico y el desarrollo del
pensamiento crítico de los
estudiantes.
Para el análisis, se trabajó con una
muestra de 29 estudiantes de
primer año de Bachillerato
General Unificado, a quienes se
les enseñó una habilidad
específica en Estadística
Descriptiva. Los estudiantes
participaron en dos modalidades:
el enfoque de enseñanza
tradicional y el enfoque de aula
invertida, complementado con el
uso de SPSS. Tras finalizar las
sesiones, se aplicó un enfoque
cuantitativo para evaluar la
percepción de los estudiantes
sobre cada metodología mediante
una encuesta que abordó la
eficiencia en el aprendizaje y el
impacto en su rendimiento
académico.
Los resultados reflejaron que el 78%
de los estudiantes desarrollaron una
comprensión más profunda de la
Estadística Descriptiva cuando se
utilizó SPSS en un contexto de aula
invertida. Además, el 93%
consideró que el software SPSS
aumentó la eficiencia en el
aprendizaje y percibió las clases
como más dinámicas. Asimismo, la
mayoría de los estudiantes valoró
positivamente la estructura de aula
invertida, destacando que facilitó el
trabajo colaborativo y el aprendizaje
activo.
La implementación del aula
invertida, en conjunto con
herramientas tecnológicas
como SPSS, mostró ser un
enfoque efectivo para
fortalecer el pensamiento
crítico, mejorar la
comprensión de conceptos
estadísticos y fomentar
habilidades de aprendizaje de
orden superior en los
estudiantes. Este enfoque, en
comparación con el método
de enseñanza tradicional,
aporta ventajas significativas
para el proceso de enseñanza-
aprendizaje.
Se destaca la efectividad de
integrar la tecnología en la
educación, en particular el
uso de SPSS, en un modelo
de aula invertida. La
metodología permite a los
estudiantes asumir un rol
activo en su aprendizaje,
promoviendo un ambiente
colaborativo y dinámico
que potencia el desarrollo
de habilidades analíticas y
críticas, fundamentales para
su formación académica en
estadística y en su futura
práctica profesional.
Rivadeneira
Pacheco, J. L.,
Barrera
Argüello , M.
V., & De La
Hoz Suárez, A.
I.
2020
Latindex
Análisis general
del spss y su
utilidad en la
estadística
Examinar las ventajas y
funcionalidades del software
SPSS para el análisis de datos
en investigación educativa y
otras áreas científicas
Se realizó una revisión teórica de
literatura relacionada con el uso
de SPSS y otros programas
estadísticos en el contexto
educativo desde los años 80 hasta
la actualidad. Se analizaron las
características que lo diferencian
como herramienta y se revisaron
estudios previos que validan su
efectividad en el tratamiento de
datos cuantitativos, depuración,
transformación de variables y
representación gráfica de
resultados.
La investigación revela que SPSS es
una herramienta ampliamente
utilizada debido a su capacidad para
procesar datos estadísticos
complejos de manera accesible y
rápida. Las ventajas principales
incluyen su facilidad de uso, su
estructura orientada al usuario y la
versatilidad para realizar cálculos en
diversas disciplinas. Además, los
hallazgos muestran que SPSS es
especialmente efectivo para
satisfacer las necesidades de análisis
en las ciencias sociales, permitiendo
a los investigadores realizar
cálculos estadísticos y presentar sus
resultados de forma gráfica y
comprensible.
El estudio concluye que
SPSS es una opción adecuada
y eficiente para el análisis de
datos en investigación
científica, especialmente en
el ámbito social. Su amplia
gama de funciones lo
convierte en una herramienta
accesible tanto para
profesionales como para
estudiantes, promoviendo un
entendimiento crítico de los
datos y facilitando el análisis
estadístico preciso. Su uso
permite además una
aproximación crítica y
predictiva de las tendencias
de las variables en estudio.
En el contexto actual,
caracterizado por una
abundancia de datos y una
creciente necesidad de
habilidades estadísticas en
todos los sectores, el
software SPSS representa
una solución integral y
accesible. La facilidad con
la que permite representar e
interpretar datos fomenta un
pensamiento crítico en los
usuarios, lo cual es esencial
para enfrentar los desafíos
de una sociedad tecnificada.
Este análisis reafirma el
papel de SPSS como una
herramienta vital en la
formación estadística y en
el fortalecimiento de
competencias analíticas
necesarias para el cambio y
la proyección de tendencias
futuras.
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 83
Jacho
Guashca, A.
D., Loaiza
Campoverde,
I. H., & López
Salazar, J. L.
2020
Latindex
La importancia de
la estadística para
el éxito de
resultados en una
investigación
Analizar el papel fundamental
de la estadística en la
investigación, presentando un
análisis detallado de sus
funciones y su impacto en la
precisión de los resultados.
Se empleó una metodología
cualitativa basada en una
exhaustiva revisión bibliográfica.
Este enfoque permitió identificar
conceptos clave y analizar las
principales características y
funciones de la estadística en
contextos investigativos,
estableciendo su importancia para
obtener resultados confiables y
aplicables.
La investigación concluyó que los
datos cuantitativos permiten una
cercanía más realista a los
fenómenos estudiados. A través de
herramientas estadísticas, censos, y
datos numéricos, se logra precisión
en los resultados, facilitando así la
identificación de patrones y
tendencias que apoyan el pronóstico
de eventos futuros. Esta cualidad de
la estadística la convierte en un
componente indispensable para
estudios bien fundamentados y
aplicables a distintos escenarios.
La estadística juega un papel
clave en la investigación
científica al proveer una base
sólida para el análisis de
datos, lo cual es crucial para
alcanzar los objetivos de
cualquier estudio. La
capacidad de la estadística
para ofrecer resultados
precisos contribuye no solo a
validar los hallazgos, sino
también a fortalecer la toma
de decisiones basadas en
evidencias sólidas.
La relevancia de la
estadística en la
investigación es
indiscutible, especialmente
en un contexto de creciente
acceso a grandes volúmenes
de datos. Su aplicación
adecuada permite entender
y prever el comportamiento
de diferentes variables, lo
que favorece una
planificación más acertada.
Este análisis subraya la
necesidad de que los
investigadores dominen
herramientas estadísticas,
ya que facilitan tanto la
comprensión como la
aplicación de resultados en
la solución de problemas y
el desarrollo de futuros
estudios.
Luzuriaga
Jaramillo, H.
A., Espinosa
Pinos, C. A.,
Haro Sarango ,
A. F., & Ortiz
Román, H. D.
2023
Latindex
Histograma y
distribución
normal: Shapiro-
Wilk y
Kolmogorov
Smirnov aplicado
en SPSS
Desarrollar una guía para
analizar la normalidad de una
variable mediante métodos
gráficos y estadísticos en el
software SPSS.
Se utilizó un método exhaustivo
que combinó herramientas
estadísticas y visuales para
examinar una variable específica.
Con histogramas, se visualizó la
distribución de frecuencias de los
datos, mientras que los gráficos
Q-Q permitieron una
comparación directa con una
distribución normal ideal.
Además, se aplicaron las pruebas
de normalidad de Shapiro-Wilk y
Kolmogorov-Smirnov para
obtener valores "p" que se
contrastaron con niveles de
significancia preestablecidos,
facilitando así una evaluación
cuantitativa de la normalidad.
El análisis de los histogramas y
gráficos Q-Q indicó visualmente la
forma de la distribución de la
variable en cuestión. Las pruebas de
Shapiro-Wilk y Kolmogorov-
Smirnov generaron valores "p" que,
al ser comparados con los niveles de
significancia, permitieron
determinar si la variable seguía una
distribución normal. Los resultados
sugirieron que los métodos
aplicados son efectivos para
identificar el ajuste de los datos a
una distribución normal.
El estudio confirma que el
uso combinado de análisis
visuales y estadísticos es útil
para verificar la normalidad
de una variable. Esta guía es
relevante para quienes buscan
aplicar distribuciones
normales en análisis
predictivos, mejorando la
validez de sus conclusiones
en estudios administrativos,
económicos y sociales.
La combinación de
enfoques gráficos y
estadísticos permite una
comprensión más completa
de los datos y de su
conformidad con una
distribución normal, lo cual
es vital en la investigación
aplicada. La guía
desarrollada en este estudio
es una herramienta práctica
para investigadores y
profesionales, facilitando
decisiones fundamentadas
en el comportamiento
estadístico de sus datos y
apoyando análisis
predictivos en diversos
contextos.
Fuente: elaboración propia
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 84
Por otro lado, el estudio de Yu et al. (2022) hace
un aporte significativo en el campo de la
neurociencia, abordando el problema de la
dependencia de los datos en investigaciones que
implican medidas repetidas o datos agrupados,
que son comunes en este tipo de
investigaciones. Los autores proponen el uso de
modelos de efectos mixtos, una técnica que se
presenta como una solución robusta frente a las
limitaciones de métodos estadísticos
tradicionales como el t-test y ANOVA. Estos
modelos permiten un análisis más riguroso y
preciso, considerando la correlación inherente
entre los datos, lo que mejora la validez y
reproducibilidad de los resultados
experimentales. La implementación adecuada
de estos modelos, según el estudio, contribuye a
un mejor diseño experimental y a la correcta
interpretación de los datos, especialmente en
estudios donde la dependencia de los datos es
un factor crucial. El software R, con su paquete
"lme4", y otros programas como Stata y SAS,
se mencionan frecuentemente como
herramientas efectivas para realizar estos
análisis avanzados en diversas disciplinas
(Ramón y Vilchez, 2020).
En el ámbito de la biología molecular, el
análisis de datos ATAC-seq también ha sido
objeto de un estudio exhaustivo por Yan et al.
(2020), quienes revisan las herramientas y
métodos utilizados para el análisis de este tipo
de datos, fundamentales en la investigación de
la cromatina y la regulación génica. Este
análisis abarca las fases de preanálisis, análisis
central y análisis avanzado, y destaca la
importancia de las herramientas específicas
para abordar la complejidad de los datos
generados en experimentos de ATAC-seq. La
revisión subraya que, a pesar de los avances en
los métodos de análisis, aún es necesario
perfeccionar las herramientas para facilitar la
interpretación precisa de los datos de células
individuales, maximizando su aplicación en
estudios funcionales. Entre las herramientas
más destacadas para este tipo de análisis se
incluyen el software HOMER, DiffBind, y
DeepTools, que permiten la visualización y el
análisis detallado de los datos de secuenciación
(Calizaya et al., 2022).
En relación con las metodologías de enseñanza
y su impacto en el aprendizaje, el estudio de
Maya y Arenas (2023) resalta el uso del
software IBM SPSS en la enseñanza del modelo
5E de Aprendizaje Basado en la Indagación
(ABI), especialmente en el desarrollo del
pensamiento numérico variacional de los
estudiantes. El análisis realizado con SPSS
permitió a los investigadores comparar el
impacto de este modelo de enseñanza con
métodos tradicionales, demostrando que el
modelo 5E fue más eficaz para mejorar la
comprensión de conceptos matemáticos
avanzados como la derivada. Sin embargo, el
estudio también menciona el uso de otras
herramientas, como GeoGebra, para la
visualización de conceptos geométricos y
algebraicos, así como herramientas de
simulación para la enseñanza de ciencias y
matemáticas (Zhao et al., 2021).
En cuanto a las metodologías de enseñanza de
la estadística, el estudio de Erazo et al. (2024)
comparó dos enfoques pedagógicos: el método
de aula invertida y el enfoque tradicional,
destacando el uso de SPSS como herramienta
clave en el proceso de aprendizaje. Los
resultados mostraron que el aula invertida,
combinado con SPSS, facilitó una mejor
comprensión de la estadística descriptiva y
promovió el trabajo colaborativo entre los
estudiantes. Además, los estudiantes
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 85
percibieron el uso de SPSS como una
herramienta eficiente para mejorar su
aprendizaje y comprensión de los conceptos. No
obstante, también se mencionan otras
plataformas, como Jamovi, un software de
código abierto que ha ganado popularidad por
su facilidad de uso y su capacidad para realizar
análisis estadísticos sin la necesidad de
programación, lo que lo convierte en una
alternativa accesible y efectiva para los
estudiantes (Carracedo et al., 2021).
Finalmente, el análisis realizado por
Rivadeneira et al. (2020) sobre las ventajas y
funcionalidades del software SPSS en la
investigación educativa valida su efectividad en
el tratamiento de datos cuantitativos y su
capacidad para realizar cálculos estadísticos
complejos de manera accesible. Este estudio
subraya la versatilidad de SPSS como
herramienta para el análisis en las ciencias
sociales, destacando su facilidad de uso y su
capacidad para representar los resultados de
forma gráfica, lo que facilita la comprensión y
la presentación de los hallazgos en
investigaciones científicas. Además, menciona
que otros programas como Minitab y SAS
también son eficaces en el tratamiento de datos
estadísticos, cada uno con sus propias
características y ventajas para distintos tipos de
análisis (Purwanto y Sudargini, 2021).
Al comparar estos estudios con los realizados
por Calle et al. (2024), Ortiz y Vilchez (2020),
y otros, se observa que el uso de herramientas
tecnológicas y métodos estadísticos adecuados
como SPSS, R, Jamovi, Stata y SAS ha ganado
relevancia en el análisis de datos en distintas
disciplinas. Mientras que algunos estudios se
enfocan en el uso de estas herramientas en el
ámbito educativo para mejorar el aprendizaje de
los estudiantes en estadísticas y otros campos,
otros destacan la importancia de emplear
modelos estadísticos avanzados, como los
modelos de efectos mixtos y el análisis de
ATAC-seq, para abordar problemas complejos
en áreas como la neurociencia y la biología
molecular. Sin embargo, todos estos enfoques
coinciden en la importancia de elegir la
herramienta y el método estadístico adecuados
para mejorar la validez y la precisión de los
resultados, lo que resalta la importancia de la
tecnología en la investigación moderna y el
aprendizaje académico (Ngcobo et al., 2024).
Conclusiones
Las investigaciones revisadas en este estudio
subrayan la relevancia de los métodos
estadísticos avanzados y las herramientas
tecnológicas, que han transformado diversas
disciplinas, incluyendo la educación, las
ciencias de la salud y la biología molecular. El
análisis de mediación y los modelos de efectos
mixtos, como se ha destacado, permiten
comprender de manera más precisa y detallada
las relaciones entre variables complejas.
Además, la integración de software como SPSS,
R y programas especializados ha facilitado la
realización de análisis exhaustivos,
promoviendo la validez y la reproducibilidad de
los resultados. La implementación del Process
Macro de Hayes y el uso de modelos de efectos
mixtos han enriquecido la capacidad de los
estudios para manejar datos complejos, lo que
ha representado un avance significativo en las
metodologías investigativas. En biología
molecular, herramientas como ATAC-seq
también han permitido avances fundamentales,
proporcionando una visión más clara sobre la
regulación génica y la cromatina.
En cuanto a las aplicaciones prácticas, la
implementación de estos enfoques estadísticos
en la investigación y la enseñanza ha mostrado
importantes ventajas. En el ámbito educativo, el
uso de software como SPSS y Jamovi facilita el
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 86
aprendizaje práctico de conceptos estadísticos,
mejorando la formación de los estudiantes en el
análisis de datos. En áreas como la salud y la
biología, los métodos estadísticos avanzados
permiten a los investigadores interpretar con
mayor precisión los datos experimentales,
impulsando avances en el entendimiento de
fenómenos complejos. Estas herramientas no
solo optimizan las prácticas científicas, sino que
también mejoran la evaluación de
intervenciones tanto educativas como clínicas.
En neurociencia y biología molecular, las
técnicas de análisis avanzadas están abriendo
nuevas posibilidades para desarrollar
tratamientos médicos más personalizados y
efectivos, lo que tiene un impacto directo en la
medicina de precisión.
Respecto a las futuras líneas de investigación,
es crucial seguir perfeccionando las
herramientas y métodos estadísticos,
especialmente en áreas emergentes como la
biología de células individuales y la
neurociencia. A medida que las tecnologías
evolucionan, la demanda de métodos más
robustos y de software aún más sofisticado será
indispensable para abordar los nuevos desafíos
que surgen en estos campos. La integración de
modelos estadísticos avanzados con tecnologías
emergentes como la inteligencia artificial y el
aprendizaje automático promete revolucionar la
forma en que los datos son analizados,
mejorando la precisión y la interpretación en
diversas disciplinas. Igualmente, es importante
continuar explorando cómo estas herramientas
impactan la enseñanza de la estadística y las
ciencias, para garantizar que los estudiantes
adquieran habilidades analíticas críticas que les
permitan enfrentarse a los retos futuros. Esto, a
su vez, contribuirá al desarrollo de nuevas
capacidades en el análisis de grandes
volúmenes de datos en múltiples contextos
científicos y académicos.
Referencias Bibliográficas
Abu-Bader, Soleman and Jones, Tiffanie
Victoria (2021). Statistical Mediation
Analysis Using the Sobel Test and Hayes
SPSS Process Macro. International Journal
of Quantitative and Qualitative Research
Methods, 1 (2).
https://ssrn.com/abstract=3799204
Arredondo, E., Gómez, R., Lalama, R. y Chóez,
L. (2020). Investigación científica y
estadística para el análisis de datos. Revista
Dilemas Contemporáneos, 1 (8).
https://doi.org/10.46377/dilemas.v8i1.2411
Ávila, A. (2020). Editorial “La metodología
estadística como herramienta básica para la
investigación”. REDIELUZ, 9(2), 9-13.
https://www.produccioncientificaluz.org/ind
ex.php/redieluz/article/view/32155
Caballero Cifuentes, L., Quivio Cuno, S.,
Gutiérrez Guadalupe, Y., Jaime Andia, M.,
Alegre Huerta, J., Huamán Hurtado, C., &
Sito Justiniano, L. (2024). Herramienta Stata
en el análisis de datos cuantitativos en
estudiantes de posgrado en Perú. European
Public & Social Innovation Review, 9, 1–19.
https://doi.org/10.31637/epsir-2024-802
Calizaya Lopez, M., Bellido Medina, S.,
Aleman Vilca, Y., Morales Palao, B.,
Monzon Alvarez, I., & Ceballos Bejarano, E.
(2020). Chapter 2: Statement of the problem
and theoretical framework in quantitative
research. Universidad Ciencia y Tecnología,
24(107), 88-105.
https://doi.org/10.47460/uct.v24i107.418
Calizaya López, J., Benites Cuba, M., Vela
Aquize, M., & Coaguila Mitta, E. (2022).
Relevance of statistical analysis in
quantitative research. Universidad Ciencia y
Tecnología, 26(113), 49-56.
https://doi.org/10.47460/uct.v26i113.569
Cardoso Rojas, E., Castro Pérez, G., Fernández
Peña, L. (2022). La Estadística en función de
la investigación educativa. Reto para los
profesionales de la educación. MENDIVE,
20 (1), 270-284.
https://mendive.upr.edu.cu/index.php/Mend
iveUPR/article/view/2712
Carracedo, Patricia, Puertas, Rosa y Martí,
Luisa (2021). Research lines on the impact
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 87
of the COVID-19 pandemic on business. A
text mining analysis. Journal of Business
Research, 132, 586-593.
https://doi.org/10.1016/j.jbusres.2020.11.04
3
Castro, M. (2019). Bioestadística aplicada en
investigación clínica: conceptos básicos.
Revista Médica Clínica las Condes, 30 (1),
50-65.
https://doi.org/10.1016/j.rmclc.2018.12.002
Chango Pilamunga, O., Chancusig López, B.,
García Monar, R., & Haro Sarango, F.
(2024). Chi Cuadrado y tablas de
contingencia aplicado en SPSS. Código
Científico Revista de Investigación, 5(E3),
499–513.
https://doi.org/10.55813/gaea/ccri/v5/nE3/3
29
Cienfuegos, M., García, Perla y González,
Cristina (2022). Lo cuantitativo y cualitativo
desde un tratamiento estadístico. Revista
Iberoamericana de las Ciencias Sociales y
Humanísticas, 11 (21).
https://doi.org/10.23913/ricsh.v11i21.275
Corchete, A., Rojas, A., Alonso-López, D. et al.
(2020). Systematic comparison and
assessment of RNA-seq procedures for gene
expression quantitative analysis. Sci. Rep.,
10, (1). https://doi.org/10.1038/s41598-020-
76881-x
De Hoyos Vázquez, F., Tobías Macías, F.,
Hernández Ochoa, E., & Losoya Sifuentes, J.
(2023). Implementación de investigación
cuantitativa en elaboración de manual
solución de sequias por explotación de aguas
en la región Cinco Manantiales. CIBA
Revista Iberoamericana de las Ciencias
Biológicas y Agropecuarias, 12(24), 1 - 18.
https://doi.org/10.23913/ciba.v12i24.120
De la Lama Zubirán, P., De la Lama Zubirán,
A., & De la Lama García, A. (2022). Los
instrumentos de la investigación científica.
Horizonte de la Ciencia, 12(22), 189-202.
https://doi.org/10.26490/uncp.horizontecien
cia.2020.18.403
Erazo, J., Ramos, A., Enríquez, J., Enríquez, L.
y Rosero, L. (2024). Aula invertida en la
enseñanza de la estadística con el software
SPSS frente a la metodología tradicional.
SATHIRI, 19(1), 56-69.
https://doi.org/10.32645/13906925.1263
Espinoza-Mina, A., & Colina-Vargas, M.
(2022). Dinámica científica de software de
código abierto en países de habla hispana:
estadísticas para la bibliometría. INNOVA
Research Journal, 7(3.1), 38–63.
https://doi.org/10.33890/innova.v7.n3.1.202
2.2134
Gamboa, Michel (2023). El cálculo del tamaño
de la muestra en la investigación científica.
Revista Dilemas Contemporáneos, 11 (1).
https://doi.org/10.46377/dilemas.v11i1.368
0
Guerra Véliz, Yusimí, Leyva Haza, Julio, Soler
Rodríguez, Guillermo, & Marín Mora,
Noelvys. (2022). Hibridación pedagógica en
el aprendizaje de la estadística en la
formación de maestría en Educación. Revista
Educación, 46(2), 511-528.
https://dx.doi.org/10.15517/revedu.v46i2.49
950
Hidalgo Troya, A. (2019). Técnicas estadísticas
en el análisis cuantitativo de datos. Revista
SIGMA, 15(1), 28–44.
https://revistas.udenar.edu.co/index.php/rsig
ma/article/view/4905
Jacho Guashca, D., Loaiza Campoverde, H., &
López Salazar, L. (2020). La importancia de
la estadística para el éxito de resultados en
una investigación. Revista Imaginario
Social, 3(1).
https://doi.org/10.31876/is.v3i1.9
Kappes, María Soledad, & Riquelme, Verónica.
(2021). El valor P, y medidas de efecto: su
interpretación en investigación cuantitativa
en enfermería. Ene., 15(2), 1247.
http://scielo.isciii.es/scielo.php?script=sci_a
rttext&pid=S1988348X2021000200004&ln
g=es&tlng=es
Lino Calle, A., Carvajal-Rivadeneira, D.,
Sornoza-Parrales, D., Vergara-Ibarra, L., &
Intriago-Delgado, M. (2024). Jamovi, the
technological tool for analyzing and
interpreting data in civil engineering
projects. Innovaciones Educativas, 26(41),
151–165.
https://doi.org/10.22458/ie.v26i41.5145
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 88
Loayza-Rivas, José. (2021). Actitudes hacia la
investigación científica y estadística en
estudiantes de Psicología. Academo
(Asunción), 8(2), 67-76.
https://doi.org/10.30545/academo.2021.jul-
dic.6
Luzuriaga Jaramillo, A., Espinosa Pinos, A.,
Haro Sarango, F., & Ortiz Román, D. (2023).
Histograma y distribución normal: Shapiro-
Wilk y Kolmogorov Smirnov aplicado en
SPSS: Histogram and normal distribution:
Shapiro-Wilk and Kolmogorov Smirnov
applied in SPSS. LATAM Revista
Latinoamericana de Ciencias Sociales y
Humanidades, 4(4), 596– 607.
https://doi.org/10.56712/latam.v4i4.1242
Machuca Yaguana, A., Maldonado Machuca,
E., & Vinces Vinces, V. (2023). Tratamiento
y representación de datos provenientes de
escalas tipo Likert. Ciencia Latina Revista
Científica Multidisciplinar, 7(4), 736-747.
https://doi.org/10.37811/cl_rcm.v7i4.6905
Maya Martínez, L., & Arenas Tawil, J. (2023).
Uso del software IBM SPSS parala
determinación de la incidencia del modelo de
las 5e en estudiantes de grado 11° del
Colegio La Salle Montería, Colombia.
Revista Environment & Technology, 4(2),
74-117. https://doi.org/10.56205/ret.4-2.4
Mayorga Ponce, B., Graciano Ventura, C.,
Martínez Hernández, A., Moctezuma
Jiménez, M., Pérez Galindo, B., & Roldan
Carpio, A. (2022). Cuadro comparativo de
Análisis Paramétrico y No Paramétrico.
Educación y Salud Boletín Científico
Instituto de Ciencias de la Salud
Universidad Autónoma del Estado de
Hidalgo, 10(20), 90-93.
https://doi.org/10.29057/icsa.v10i20.9143
Mayorga-Ponce, B., Monroy-Hernández, A.,
Hernández-RubRubio, Roldan-Carpio, A., &
Reyes-Torres, B. (2021). Programa SPSS.
Educación y Salud Boletín Científico
Instituto de Ciencias de la Salud
Universidad Autónoma del Estado de
Hidalgo, 10(19), 282-284.
https://doi.org/10.29057/icsa.v10i19.7761
Misra,P., Zimba, O. & Gasparyan, Y. (2021).
Statistical data presentation: a primer for
rheumatology researchers. Rheumatol. Int.,
41, 43–55. https://doi.org/10.1007/s00296-
020-04740-z
Ngcobo, Kwanele and Bhengu, Sandiswa and
Mudau, Ambani and Thango, Bonginkosi
and Lerato, Matshaka (2024). Enterprise
Data Management: Types, Sources, and
Real-Time Applications to Enhance
Business Performance - A Systematic
Review. Paper SSNR, 1 (20).
http://dx.doi.org/10.2139/ssrn.4968451
Olaniyi, Oluwaseun Oladeji and Okunleye,
Olalekan J. and Olabanji, Samuel Oladiipo
(2023). Advancing Data-Driven Decision-
Making in Smart Cities through Big Data
Analytics: A Comprehensive Review of
Existing Literature. Current Journal of
Applied Science and Technology, 42, (25),
10-18. https://ssrn.com/abstract=4546193
Perdigón Llanes, R., & Pérez Pino, M. (2022).
Herramientas de código abierto para el
análisis estadístico en investigaciones
científicas. Anales de la Academia de
Ciencias de Cuba, 12(3).
https://revistaccuba.sld.cu/index.php/revacc/
article/view/1120/1576
Pérez Grenier, Omar, & Collazo Acosta,
Elizabeth. (2022). La competencia
estadística en la dimensión investigativa del
Médico GeneralIntegral. Revista Cubana de
Informática Médica, 14(2).
http://scielo.sld.cu/scielo.php?script=sci_art
text&pid=S1684-
18592022000200015&lng=es&tlng=es
Ponce Ordóñez, A., Erazo Moreta, O., &
Vicuña Pino, A. (2021). Técnicas
estadísticas aplicadas a la caracterización de
cacao con enfoque agromática. Revista San
Gregorio, 1(46).
https://doi.org/10.36097/rsan.v1i46.1527
Purwanto, A., & Sudargini, Y. (2021). Partial
Least Squares Structural Squation Modeling
(PLS-SEM) Analysis for Social and
Management Research: A Literature
Review. Journal of Industrial Engineering &
Management Research, 2(4), 114 - 123.
https://doi.org/10.7777/jiemar.v2i4.168
Ramón Ortiz, J. Ángela., & Vilchez, J. (2020).
Método clase invertida y desarrollo de
Ciencia y Educación
(L-ISSN: 2790-8402 E-ISSN: 2707-3378)
Vol. 5 No. 12
Diciembre del 2024
Página 89
competencias estadísticas en estudiantes de
maestría. Revista EDUCARE - UPEL-IPB -
Segunda Nueva Etapa 2.0, 24(3), 159–182.
https://doi.org/10.46498/reduipb.v24i3.1407
Rivadeneira Pacheco, L., Barrera Argüello, V.,
& De La Hoz Suárez, I. (2020). Análisis
general del spss y su utilidad en la
estadística. E-IDEA Journal of Business
Sciences, 2(4), 17-25.
https://revista.estudioidea.org/ojs/index.php/
eidea/article/view/19
Sagaró del Campo, Nelsa María, & Zamora
Matamoros, Larisa. (2019). Evolución
histórica de las técnicas estadísticas y las
metodologías para el estudio de la causalidad
en ciencias médicas. MEDISAN, 23(3), 534-
556.
http://scielo.sld.cu/scielo.php?script=sci_art
text&pid=S1029-
30192019000300534&lng=es&tlng=es
Villa Benítez, Celia Patricia, Camacho Castro,
Carmen, & Bernal Domínguez, Deyanira.
(2020). Análisis de datos como alternativa
para la evaluación de impacto de los
programas sociales. Intersticios sociales,
(20), 13-48.
http://www.scielo.org.mx/scielo.php?script
=sci_arttext&pid=S2007-
49642020000200013&lng=es&tlng=es
Villegas Zamora, Diego Alonso. (2019). La
importancia de la estadística aplicada para la
toma de decisiones en Marketing. Revista
Investigación y Negocios, 12(20), 31-44.
http://www.scielo.org.bo/scielo.php?script=
sci_arttext&pid=S2521-
27372019000200004&lng=es&tlng=es
Vizcaíno Zúñiga, I., Cedeño Cedeño, J., &
Maldonado Palacios, A. (2023).
Metodología de la investigación científica:
guía práctica. Ciencia Latina Revista
Científica Multidisciplinar, 7(4), 9723-9762.
https://doi.org/10.37811/cl_rcm.v7i4.7658
Yan, F., Powell, R., Curtis, J. et al. (2020). From
reads to insight: a hitchhiker’s guide to
ATAC-seq data analysis. Genome Biol., 21,
22. https://doi.org/10.1186/s13059-020-
1929-3
Yu, Zhaoxia, Guindani, Michele, Grieco,
Steven F., Chen, Lujia, Holmes, Todd C. and
Xu, Xiangmin (2021). Beyond t test and
ANOVA: applications of mixed-effects
models for more rigorous statistical analysis
in neuroscience research. Neuron, 110 (1),
21-35.
https://doi.org/10.1016/j.neuron.2021.10.03
0
Zhao, J., Li, Z., Gao, Q. et al. (2021). A review
of statistical methods for dietary pattern
analysis. Nutr. J., 20 (37).
https://doi.org/10.1186/s12937-021-00692-
7
Esta obra está bajo una licencia de
Creative Commons Reconocimiento-No Comercial
4.0 Internacional. Copyright © Wilson Oswaldo
Sánchez Macías, Jessica Marlene Ramos
Anchundia, Wendy Isabel Montoya Arellano, y
Félix Jacinto García Córdova
