Bienvenido a EasyTesis
EasyTesis es una aplicación Shiny para realizar análisis estadísticos completos en investigación psicológica.
Simplifica tus análisis con herramientas profesionales y resultados listos para publicar.
Pasos a seguir:
- Cargar Datos: Sube tu archivo Excel (.xlsx) o CSV
- Participantes: Analiza características sociodemográficas
- Normalidad: Verifica supuestos de normalidad (univariada y multivariada)
- Confiabilidad: Calcula Alpha y Omega
- Descriptivos: Obtén medidas de resumen
- Correlaciones: Analiza relaciones entre variables
- Comparaciones: Compara grupos con pruebas paramétricas y no paramétricas
- Descargas: Exporta todos tus resultados en Excel
EasyTesis © 2025 Cristopher Lino-Cruz. Herramienta de uso libre para investigación.
Cargar Archivo de Datos
Requisitos del archivo:
- Primera fila debe contener nombres de variables
- Variables numéricas para análisis cuantitativos
- Variables categóricas para grupos
- Sin filas o columnas completamente vacías
Datos Cargados Exitosamente
Análisis de Participantes
Las variables se clasifican automáticamente: caracteres como categóricas, números (excluye ítems) como continuas
Variables Categóricas
Variables Continuas Sociodemográficas
Tabla APA de Participantes
Crear Variables Compuestas - Sumatoria Masiva
¿Cómo funciona?
- Formato: Variable1:Item1,Item2,Item3 (cada línea una variable)
- Ejemplo: Ansiedad_Total:A1,A2,A3,A4,A5
- Múltiples: Pega todas tus variables de una vez
- Clic: 'Procesar Sumatorias' → Se crean todas automáticamente
Resumen de Variables Creadas
Estadísticos Descriptivos
Descriptivos de Variables Compuestas
Aquí se muestran los estadísticos de las variables creadas en la sección de Sumatoria.
Incluye: Media, Desviación Estándar, Mínimo, Máximo, zg1 (Asimetría Z), zg2 (Curtosis Z)Tabla de Descriptivos
Pruebas de Normalidad (Shapiro-Wilk)
Guía de Interpretación:
- p > 0.05: Distribución normal → Usar pruebas paramétricas (t-test, ANOVA)
- p ≤ 0.05: Distribución no normal → Usar pruebas no paramétricas (Mann-Whitney, Kruskal-Wallis)
Resultados de Normalidad Univariada
Normalidad Multivariada
Prueba de Mardia:
- p > 0.05: Distribución multivariada normal → Asumir normalidad multivariada
- p ≤ 0.05: Distribución multivariada no normal
Gráfico Q-Q Plot Multivariado
Confiabilidad - Alpha de Cronbach y Omega
¿Cómo usar esta sección?
- Paso 1: Selecciona las variables compuestas creadas en Sumatoria
- Paso 2: Haz clic en 'Calcular Confiabilidad'
- Resultado: Obtendrás Alpha de Cronbach y Omega de McDonald para cada variable
Selecciona Variables Compuestas para Calcular Confiabilidad
Resultados de Confiabilidad
Análisis de Correlaciones
Matriz de Correlaciones (Formato APA)
Visualización de Correlaciones
Comparación de Grupos
Importante:
El método adecuado (paramétrico o no paramétrico) depende de la normalidad y el número de grupos.
Nota: Por defecto se muestra Media y DE en ambas pruebas. Activa esta opción solo si prefieres Mediana y RIC para interpretaciones no paramétricas.
Resultados de Comparación
Visualización de Distribuciones (Boxplot)
El boxplot muestra la distribución de los valores por grupo. Las líneas dentro de cada caja representan la mediana, los extremos de la caja los cuartiles, y los puntos dispersos los datos individuales.
Nota: Solo se muestran las variables con diferencias significativas (p ≤ 0.05)
Comparaciones Múltiples (Pruebas Post-hoc)
Estas pruebas identifican específicamente cuáles pares de grupos tienen diferencias significativas cuando la prueba inicial (ANOVA o Kruskal-Wallis) es significativa.
Nota: Solo se muestran las variables con diferencias significativas (p ≤ 0.05)
Nota: Las pruebas post-hoc solo se muestran cuando la prueba inicial es significativa (p ≤ 0.05).
Método: Se utiliza ANOVA de Welch (robusto ante varianzas desiguales) con Games-Howell como prueba post-hoc.
Descargas
Descarga todos tus resultados en formato Excel o imágenes de alta calidad.
7. Datos + Sumatorias
Descargar
Acerca de EasyTesis
EasyTesis es una aplicación Shiny diseñada para facilitar el análisis estadístico completo en investigación psicológica y social. Proporciona herramientas profesionales para análisis descriptivos, pruebas de normalidad (univariada y multivariada), correlaciones, comparaciones de grupos, y evaluación de confiabilidad de escalas.
Cómo citar:
APA 7ª edición:
Lino-Cruz, C.J. (2025). EasyTesis: Aplicación para análisis correlacionales en psicología (v1.0). Recuperado de https://cristopherlino17-easytesis.share.connect.posit.cloud/
BibTeX:
@software{linocruz2025easytesis,
title={EasyTesis: Aplicación para análisis correlacionales en psicología (v1.0)},
author={Lino-Cruz, C.J.},
year={2025},
url={https://cristopherlino17-easytesis.share.connect.posit.cloud/}
}
Referencias Técnicas y Librerías
Librerías Utilizadas:
- shiny (v1.6+): Framework web interactivo para R. Chang, W., Cheng, J., Allaire, J., et al. (2021)
- shinydashboard: Extensión para crear dashboards con Shiny. Chang, W., & Borges Ribeiro, B. (2021)
- shinyjs: Herramientas JavaScript para Shiny. Attali, D. (2021)
- DT: Tablas interactivas DataTables. Xie, Y., Cheng, J., & Tan, X. (2021)
- dplyr (v1.0+): Herramientas para manipulación de datos. Wickham, H., François, R., Henry, L., & Müller, K. (2022)
- tidyr: Herramientas para tidying data. Wickham, H., & Girlich, M. (2022)
- readxl: Lectura de archivos Excel. Wickham, H., & Bryan, J. (2022)
- openxlsx: Lectura y escritura de Excel. Frick, J. (2022)
- writexl: Escritura de Excel con writereferenL. Ooms, J. (2022)
- ggplot2: Visualización de datos. Wickham, H. (2016)
- psych (v2.0+): Procedimientos psicométricos. Revelle, W. (2022)
- rstatix: Pipe-friendly estadísticas. Kassambara, A. (2021)
- corrplot: Visualización de matrices de correlación. Wei, T., & Simko, V. (2021)
- semTools: Herramientas para modelos de ecuaciones estructurales. Jorgensen, T., Pornprasertmanit, S., et al. (2022)
- MVN: Pruebas de normalidad multivariada. Korkmaz, S., Goksuluk, D., & Zararsiz, G. (2014)
Métodos Estadísticos Implementados:
- Shapiro-Wilk: Prueba paramétrica de normalidad univariada
- Mardia Test: Prueba de normalidad multivariada
- Correlación de Pearson: Coeficiente de correlación lineal
- Correlación de Spearman: Coeficiente de correlación de rangos
- t-test: Comparación de medias entre dos grupos
- Mann-Whitney U: Prueba no paramétrica para dos grupos
- ANOVA: Análisis de varianza para múltiples grupos
- Kruskal-Wallis: Prueba no paramétrica para múltiples grupos
- d de Cohen: Tamaño del efecto para t-test
- r_rb (Rank-biserial): Tamaño del efecto para Mann-Whitney
- ω² (Omega-squared): Tamaño del efecto para ANOVA
- η²_H (Eta-squared H): Tamaño del efecto para Kruskal-Wallis
- Alpha de Cronbach: Consistencia interna de escalas
- Omega de McDonald: Confiabilidad de constructo
Compatibilidad:
EasyTesis es 100% compatible con los resultados y métodos reportados por Jamovi, un software estadístico de código abierto.
Última actualización: 2025-10-27 | Versión: 3.0
Material Suplementario - Referencias
Las siguientes referencias constituyen la base teórica y metodológica de EasyTesis, ordenadas alfabéticamente según formato APA 7ª edición.
Cain, M. K., Zhang, Z., & Yuan, K. H. (2017). Univariate and multivariate skewness and kurtosis for measuring nonnormality: Prevalence, influence and estimation. Behavior Research Methods 49 (5), 1716–1735. https://doi.org/10.3758/s13428-016-0814-1
Castillo-Blanco, R., & Alegre-Bravo, A. (2015). Importancia del tamaño del efecto en el análisis de datos de investigación en psicología. Persona 18 (18), 137. https://doi.org/10.26439/persona2015.n018.503
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates. ISBN: 978-0805802832. https://doi.org/10.4324/9780203771587
de Winter, J. C. F., Gosling, S. D., & Potter, J. (2016). Comparing the Pearson and Spearman correlation coefficients across distributions and sample sizes: A tutorial using simulations and empirical data. Psychological Methods 21 (3), 273–290. https://doi.org/10.1037/met0000079
Dominguez-Lara, S. A. (2017). Magnitud del efecto, una guía rápida [Carta al editor]. Educación Médica 18 (2), 251–254. https://doi.org/10.1016/j.edumed.2016.04.001
Ferguson, C. J. (2009). An effect size primer: A guide for clinicians and researchers. Professional Psychology: Research and Practice 40 (5), 532–538. https://doi.org/10.1037/a0015808
Gignac, G. E., & Szodorai, E. T. (2016). Effect size guidelines for individual differences researchers. Personality and Individual Differences 102 , 74–78. https://doi.org/10.1016/j.paid.2016.06.069
Hopkins, S., Dettori, J. R., & Chapman, J. R. (2018). Parametric and nonparametric tests in spine research: Why do they matter? Global Spine Journal 8 (6), 652–654. https://doi.org/10.1177/2192568218782679
Kim, H. Y. (2013). Statistical notes for clinical researchers: Assessing normal distribution (2) using skewness and kurtosis. Restorative Dentistry & Endodontics 38 (1), 52. https://doi.org/10.5395/rde.2013.38.1.52
Pardo, A., & San Martín, R. (2010). Análisis de datos en ciencias sociales y de la salud II . Editorial Síntesis. ISBN: 978-8497567046. https://www.sintesis.com/libro/analisis-de-datos-en-ciencias-sociales-y-de-la-salud-ii-2-edicion
Nota: Los hipervínculos (en azul) permiten acceder directamente a los recursos digitales disponibles. Si utilizas alguno de estos métodos en tu investigación, por favor cita tanto EasyTesis como la referencia correspondiente.