Te quedan dos meses y no sabes programar: ¿R, SPSS o jamovi?

Tienes los datos recogidos, la fecha de depósito a ocho semanas y el capítulo de resultados en blanco. Preguntas en un foro qué programa aprender y te llegan decenas de respuestas discutiendo entre ellas: que R es el estándar y lo demás es de aficionados, que SPSS es de otra época, que jamovi es un juguete. Ninguna contesta lo que estabas preguntando en realidad, que no es cuál es mejor sino cuál te deja terminado a tiempo con algo que puedas defender delante de un tribunal. Esa pregunta sí tiene respuesta, y depende de dos cosas concretas: qué análisis exige tu diseño y cuántas semanas quedan de verdad cuando restas las de escribir.

La pregunta no es cuál es mejor, es cuál llega a tiempo

Las comparativas de software están escritas para alguien que elige herramienta al empezar el doctorado y tiene cuatro años por delante. Tú no estás en esa situación. El criterio cambia entero: no es «cuál es más potente» ni «cuál se usa más en mi campo», es «con cuál veo el primer resultado correcto antes» y «con cuál voy a poder explicar lo que ha salido». Si quieres la comparación en frío de las tres, con sus ventajas de fondo y sin reloj, está en SPSS, R o JASP: cuál elegir. Lo de aquí es la versión con la fecha encima.

Con plazo, la decisión sale de tres números y no de ninguna opinión. Primero, qué análisis exige tu diseño: no lo que te gustaría hacer, lo que el diseño obliga a hacer. Segundo, cuántas semanas quedan después de restar las de redacción, formato y trámites. Y tercero, a quién puedes preguntar cuando se atasque, que es el factor que no aparece en ninguna comparativa y el que más semanas decide: un director que abre tus salidas de SPSS y te dice en dos minutos dónde está el error vale más que cualquier ventaja técnica de la herramienta que nadie de tu departamento usa.

De ahí sale la única regla de orden que importa: la herramienta se elige después del plan de análisis, nunca antes. Escribir el plan (qué hipótesis, qué variables, qué contraste para cada una, qué haces si falla un supuesto) cuesta una tarde y evita el desastre clásico de estas ocho semanas, que es dedicar tres a aprender un programa para un análisis que resulta que no era el tuyo. Si no tienes ese documento escrito, empieza por el plan de análisis de datos de la tesis y vuelve aquí con él delante.

Lo que tarda no es el programa, es el modelo

Hay dos curvas de aprendizaje y se confunden todo el rato. Una es la del programa: dónde se pincha para que salga un ANOVA de medidas repetidas. La otra es la del modelo: qué significa que la esfericidad se viole, por qué la corrección de Greenhouse-Geisser te cambia los grados de libertad a decimales, y cuál de los contrastes que escupe la tabla responde a tu hipótesis y no a otra. La primera se recorre en una tarde con un tutorial decente. La segunda no, y no depende del software que elijas.

Cuando el análisis sale, sale así: en un diseño 2 × 3 con N = 84, la interacción grupo × momento da F(2, 164) = 4.31, p = .015, η²_p = .050. Producir esa línea son cuarenta minutos en cualquiera de los tres programas. Lo que vas a defender no es la línea: es por qué el efecto que pone a prueba tu hipótesis es la interacción y no el efecto principal del tiempo, y qué significa un η²_p = .050 (que cae entre pequeño y mediano: la convención al uso desde Cohen, 1988, pone el .01 en pequeño y el .06 en mediano, y son convenciones, no leyes) en la literatura de tu tema. Nada de eso lo resuelve el menú.

Por eso una herramienta mal elegida se paga dos veces. Una, en las horas de pelearte con ella. Y otra, mucho más cara, en las horas que esas horas te quitan de pensar el modelo, que es lo único que el tribunal va a mirar. Con dos meses, cada hora que gastas en instalar dependencias es una hora que no gastas en entender por qué tu efecto desaparece al meter la covariable.

La consecuencia práctica es sencilla y poco heroica: si tu plan de análisis cabe en los menús, usa los menús. La elegancia de la sintaxis no puntúa en la defensa, y un análisis correcto hecho a golpe de ratón es exactamente igual de válido que el mismo análisis escrito en código.

jamovi: la respuesta por defecto si tu plan es estándar

jamovi es gratis, se instala en diez minutos, abre directamente el .sav de SPSS (con sus etiquetas), el .csv y el .xlsx, y por dentro es R: cuando pinchas un ANOVA, lo que corre es el mismo motor que correría en una consola. Ese detalle contesta la acusación de «programa de juguete» que sale en todos los hilos. El mismo modelo da el mismo número en los tres sitios: una regresión con tres predictores y N = 120 sale R² = .34, F(3, 116) = 19.92, p < .001 la corras donde la corras. Lo que cambia no es el resultado, es quién escribe la sintaxis.

Lo que hace sin escribir una línea. Descriptivos y gráficos; t de Student en sus tres versiones con sus alternativas no paramétricas (Mann-Whitney, Wilcoxon); ANOVA factorial, de medidas repetidas, mixto y ANCOVA, con post hoc corregidos y tamaños del efecto; correlaciones con matriz completa; regresión lineal y logística (binomial, multinomial y ordinal); tablas de contingencia y chi cuadrado; fiabilidad con α de Cronbach, ω de McDonald y correlaciones ítem-resto; análisis factorial exploratorio y confirmatorio con sus índices de ajuste.

Lo que hace instalando un módulo, con dos clics y sin código. GAMLj para modelos mixtos y modelos lineales generalizados; medmod y jAMM para mediación y moderación con intervalos bootstrap; MAJOR para metaanálisis; Rj para pegar código de R dentro de jamovi el día que haga falta una cosa suelta. La biblioteca de módulos está dentro del programa, no hay que buscar nada por internet.

Dónde está el techo. La imputación múltiple no la tiene resuelta por menú, los modelos de ecuaciones estructurales largos piden el módulo de sintaxis y se acaban pareciendo a escribir código, y los diseños poco habituales (medidas anidadas en tres niveles, curvas de crecimiento latentes) se salen del catálogo. La guía completa de qué entra y qué no, con el flujo de trabajo de una tesis entera, está en jamovi para la tesis.

SPSS: el que ya tienes, y dos muletas que valen semanas

Si tu universidad tiene licencia, lo has visto en clase y tu director lee sus salidas, SPSS parte con una ventaja que no es técnica: tienes a quién preguntar en tu propio pasillo. Su curva es media —menús, sí, pero con jerga propia y una salida que hay que aprender a leer—, y la ventaja de la ayuda cercana compensa de sobra esa fricción cuando quedan ocho semanas. Cuidado con lo obvio: comprueba hoy que tu licencia de estudiante llega hasta después del depósito, porque caducan y suelen caducar mal.

Muleta uno: PROCESS. La macro de Hayes se instala como cuadro de diálogo y hace mediación, moderación y modelos de proceso condicional (la mediación moderada) con intervalos de confianza bootstrap sin escribir una línea. Es la razón por la que buena parte de la psicología social sigue en SPSS. Su límite: trabaja con variables observadas, no latentes; si tu modelo necesita variables latentes, esto no te sirve y estás en territorio de AMOS o de R.

Muleta dos: los modelos mixtos por menú. Si tu diseño es longitudinal y has perdido gente por el camino —reclutas 120 y solo 98 completan las tres medidas—, el ANOVA de medidas repetidas borra a 22 personas enteras por tener un hueco, y el modelo mixto las mantiene con las medidas que sí dieron. SPSS lo hace desde Modelos mixtos sin código, y eso cambia tu N de verdad. Por qué esto no es un capricho del revisor está contado en modelos mixtos frente a ANOVA de medidas repetidas.

Lo que SPSS no te va a dar. Análisis factorial confirmatorio y ecuaciones estructurales, que viven en AMOS, otro programa con otra licencia que quizá tu universidad no tiene. La imputación múltiple y el bootstrap general van en módulos aparte que puede que tu licencia no incluya (compruébalo antes de planificar con ellos). Y las tablas salen en un formato que hay que reescribir entero para APA, tarde que conviene tener presupuestada en el calendario.

R en dos meses: cuándo sí y cuándo es una trampa

La curva de R no es la de un análisis, es la de un entorno. Correr tu primera t en R lo consigues la primera tarde. Lo que no se consigue en dos meses partiendo de cero es la capacidad de desatascarte solo cuando el error críptico aparece a las once de la noche del jueves y el mensaje habla de un objeto de longitud cero. Ese es el momento que decide si R te salva o te hunde, y con la fecha encima estarías aprendiendo dos cosas a la vez —el modelo y el lenguaje— sin saber cuál de las dos está fallando cuando el resultado sale raro.

Hay un caso donde R deja de ser una opción y pasa a ser la única puerta: cuando el análisis que tu diseño exige no existe en ningún menú. Ecuaciones estructurales con variables ordinales y estimador WLSMV (lavaan), multinivel de tres niveles o con efectos cruzados (lme4), teoría de respuesta al ítem (mirt), metaanálisis con moderadores (metafor), curvas de crecimiento latentes. Si tu tesis pide una de estas, la decisión real no es entre programas: es entre aprender R a tiempo o encargar ese análisis. Y esa decisión se toma ahora, no en la semana siete.

Existe una vía intermedia que casi nadie usa y que te conviene: jamovi te enseña la sintaxis de R de lo que acabas de pinchar. Activas el modo sintaxis, haces el análisis con el ratón, copias el código que aparece y lo guardas en el material suplementario. Sales con un análisis reproducible y con el código en la mano sin haber programado, que es exactamente lo que te van a pedir si la revista tiene política de ciencia abierta.

Que quede claro por si suena a que R sobra: aprender R sigue siendo la mejor inversión de tiempo que puedes hacer si tu carrera continúa después de esto. Simplemente no se hace en las ocho semanas anteriores al depósito, igual que no se aprende a conducir el día de la mudanza. Se hace después, con datos que no tengan fecha.

Cuándo la respuesta correcta es delegar, no aprender

Delegar no es rendirse, es aritmética. Cuenta las semanas que quedan, resta las de escribir los resultados, la discusión y el formato, resta las de que tu director lea y te devuelva, y mira lo que queda para análisis. Si el resultado son tres semanas y tu plan incluye un modelo que no has hecho nunca en un programa que no has abierto nunca, el problema no es de esfuerzo ni de actitud: no cabe. Es mejor saberlo hoy que descubrirlo el día 12 de los 15 que quedaban.

Hay cuatro señales que valen más que la intuición. Una: el análisis que tu diseño exige no está en ningún menú de ningún programa que sepas usar. Dos: llevas dos intentos y cada vez el error es distinto, señal de que no estás depurando sino probando cosas. Tres: el bloqueo no es correr el análisis sino decidir cuál corres, y eso ningún tutorial te lo va a resolver porque depende de tu diseño concreto. Cuatro: el análisis corre, pero no sabrías explicar en voz alta por qué ese y no otro.

El límite ético es exactamente uno y conviene tenerlo escrito: puedes encargar que alguien corra y documente el análisis, no puedes encargar que alguien entienda por ti. La tesis la defiendes tú, y si no puedes explicar cada decisión del análisis como si la hubieras tomado, no la has delegado, la has externalizado. Dónde está la raya y qué se puede pactar sin problema con tu universidad está desarrollado en si es ético contratar a un estadístico para la tesis.

Delegar bien tiene forma concreta: pides el análisis y la sintaxis que lo genera, pides las tablas en formato APA y pides una sesión donde te expliquen cada decisión hasta que puedas repetirla con tus palabras. Si lo que te devuelven es un PDF de resultados sin código y sin explicación, eso no es consultoría: eso es una bomba de relojería que estalla en la defensa cuando alguien pregunta por qué usaste ese estimador.

Ocho semanas contadas hacia atrás

El calendario se cuenta desde la fecha hacia atrás, no desde hoy hacia delante, porque hacia delante siempre parece que cabe todo. Resta primero lo que no se negocia: la semana de formato, depósito y trámites, y las dos que se van en escribir resultados y discusión y en que te los devuelvan corregidos. De ocho semanas quedan cinco reales de análisis, y una de ellas se va en cosas que no parecen análisis: limpiar la base, recodificar, invertir los ítems que van al revés, decidir qué haces con los perdidos.

Un reparto que funciona: semana 1, plan de análisis y limpieza de la base. Semana 2, descriptivos, fiabilidad de las escalas y supuestos. Semanas 3 y 4, el análisis principal, el que contesta a la hipótesis central. Semana 5, secundarios y comprobaciones de robustez, y las tablas montándose en paralelo desde la semana 2, no al final. Si en tu caso la limpieza se come la semana 2 entera, no pasa nada; lo que no puede pasar es que se coma la 4.

Pon un punto de control al final de la semana 3 y respétalo: si el análisis principal no ha corrido ni una sola vez, aunque sea mal, el problema no se arregla echándole el fin de semana. Ahí es donde se cambia de herramienta, se simplifica el modelo o se pide ayuda, y ahí todavía cambia algo. En la semana 7 ya no cambia nada: en la semana 7 solo se recorta el alcance de la tesis.

Y guarda una semana entera de reserva sin asignar. Se te va a ir, siempre se va: un archivo que no abre, un modelo que no converge, una variable que estaba mal codificada desde la recogida, un director que en la última lectura pide un análisis más. Esa semana no es margen de lujo, es la parte del plan que hace que el resto del plan sea creíble.

Preguntas frecuentes

¿Puedo hacer mi tesis entera en jamovi?

Si tu plan de análisis es el habitual, sí: descriptivos, t, ANOVA en todas sus formas, ANCOVA, correlaciones, regresión lineal y logística, chi cuadrado, fiabilidad con α y ω, análisis factorial exploratorio y confirmatorio, y mediación o moderación con intervalos bootstrap instalando un módulo. Se queda corto en imputación múltiple, en modelos de ecuaciones estructurales grandes y en diseños anidados de tres niveles. Mira tu plan de análisis línea por línea: si todas las líneas están en esa primera lista, jamovi te llega hasta el depósito.

¿Cuánto se tarda de verdad en aprender R?

Depende de qué llames aprender. Correr análisis básicos siguiendo un tutorial: dos o tres semanas. Ser autónomo cuando algo falla —leer un error, entender que el problema es que tu variable es texto y no factor, arreglarlo sin ayuda— son meses, no semanas, y ese es el nivel que necesitas si R va a ser tu herramienta con una fecha de depósito encima. La prueba honesta es la del jueves a las once de la noche: si el error críptico te para en seco y no tienes a quién preguntar, todavía no estás en ese nivel.

No tengo licencia de SPSS, ¿qué hago?

jamovi y JASP son gratuitos, se instalan sin permisos de administrador en la mayoría de equipos y abren tu .sav directamente, así que no pierdes nada de lo que ya tuvieras hecho. Entre los dos: jamovi va mejor para el flujo de una tesis completa (edita datos, calcula variables nuevas, guarda todo en un archivo con los análisis dentro) y JASP va mejor si quieres contrastes bayesianos además de los frecuentistas. No compres una licencia personal de SPSS para dos meses de trabajo.

¿El tribunal me va a preguntar qué programa he usado?

Casi nunca, y cuando lo preguntan es por curiosidad o porque quieren saber la versión para el apartado de análisis. A nadie le importa si t(88) = 2.28, p = .025, d = 0.48 salió de un menú o de una consola. Lo que sí te van a preguntar es por qué comparas esos dos grupos, qué hiciste con los supuestos, por qué ese tamaño del efecto es relevante y qué pasa con los que abandonaron. En el apartado de análisis se reporta el programa, la versión y los paquetes o módulos usados, y con eso está cubierto.

¿Puedo pasar mis datos de SPSS a jamovi sin perder nada?

Sí, jamovi abre el .sav con sus etiquetas de variable y de valor. Comprueba dos cosas al abrirlo, que son donde se rompe: que los tipos de variable hayan llegado bien (nominal, ordinal, continua) porque de eso dependen los análisis que te ofrece el menú, y que los valores perdidos definidos por el usuario en SPSS (los típicos 99 o 999) sigan marcados como perdidos y no se hayan colado como puntuaciones reales. Un 99 tratado como dato mueve la media de un cuestionario de 0 a 4 hasta hacerla irreconocible.

¿Es hacer trampa que un estadístico me haga los análisis?

No, si entiendes lo que se hizo y puedes defenderlo como propio; sí, si te llega un resultado que no sabes explicar. La diferencia práctica está en el entregable: un análisis con su sintaxis, sus decisiones justificadas y una sesión para que lo entiendas te deja en condiciones de defender; un PDF con tablas y sin explicación te deja peor que antes, porque ahora tienes números que no controlas. Consulta también la normativa de tu universidad sobre ayuda externa: casi todas la permiten y algunas piden que se declare en los agradecimientos.

Quédate con el orden, que es lo que se rompe en estas ocho semanas: primero el plan de análisis, después la herramienta, y la herramienta más pequeña que haga lo que el plan pide. jamovi por defecto, SPSS si ya lo tienes y hay quien te ayude en tu departamento, R solo si tu análisis obligatorio vive únicamente ahí. Y la decisión de pedir ayuda se toma en la semana 3, cuando todavía cambia algo, no en la 7, cuando lo único que se puede cambiar ya es el alcance de la tesis.